Rozwijanie się w erze AI

Siema, trochę o mnie:
Od prawie 2 lat pracuje dla dużego korpo fintechowego jako kontraktor. Jest to moja pierwsza praca a wcześniej byłem tylko na półrocznym stażu.

Ogólnie jestem frontend developeremi pracuje w standardowym stacku react + ts, aczkolwiek firma jest ogromna i naciska mocno na używanie AI i stawanie się wszechstronnym.

Mi się generalnie podoba idea stawania się wszechstronnym tylko problem jest z tym używaniem AI. Wszystkie taski dowożę, ale jeśli mam być szczery to bez claude/codex obecnie byłbym w dupie. Dosłownie rzeczy, które robię z pomocą AI nie byłbym w stanie napisać samemu "od zera". I to też nie tak, że jestem typowym vibecoderem. Zawsze jak mam przed sobą problem to robię swego rodzaju analizę, a następnie plan, który staram się w 100% zrozumieć. Potem AI pisze kod a ja go oczywiście weryfikuje i naprawdę czytam każda linijkę, żeby to zrozumieć.

No i na papierze wszystko fajnie, ale w rzeczywistości moja intuicja i doświadczenie praktycznie nie rosną. Naprawdę pewniej się czułem, jak zaczynałem pisać pierwsze linijki JavaScript w gdzie naprawdę rozumiałem co się dzieje. Teraz miałbym problem napisać z palca jakiś komponent w react I pewnie potrzebowałbym chwili żeby to sobie przypomnieć (to naprawdę nie jest bait). Dalej niedokonca rozumiem architekturę całego repo i systemu w pracy, gdyż jest naprawdę wielka i myślę, że może nawet nie ma w firmie osoby, która by cała architekturę znała.

Moim problemem w jednym zdaniu jest to, że ja po prostu jestem proxy między menadżerami a claudem jak źle to nie zabrzmi. Oczywiście -praktycznie każdy task jest tragicznie opisany i moja praca to zrozumienie requirementow, ale nawet po tym, jestem jakby odizolowany od kodu, który tworzę - nie mam takiej czutki do niego ani mentalnego modelu.

Pytanie: jak w obecnych czasach AI budować ta intuicję i wiedzę na podstawie, której podejmujemy decyzję? Dodatkowo - jak mogę działać z tak wielkimi systemami, żeby mieć poczucie, że się je rozumie i mod faktycznie mieć wystarczający kontekst, żeby podejmować decyzje?

tylko czy ta wiedza bedzie ci w przyszlosci w ogole potrzebna?

Co któreś zadanie rób (bądź próbuj robić) bez AI, aby nie zapomnieć.

Potem AI pisze kod a ja go oczywiście weryfikuje i naprawdę czytam każda linijkę, żeby to zrozumieć.

To przeczy temu:

Teraz miałbym problem napisać z palca jakiś komponent w react I pewnie potrzebowałbym chwili żeby to sobie przypomnieć (to naprawdę nie jest bait).

Czyli albo umiesz napisać, ale masz psychiczną blokadę, albo w rzeczywistości nie weryfikujesz, jak większość osób, które generują kod LLM-em (robią to powierzchownie i myślą, że jest OK). A jak nie jest OK, to się przecież poprawi znów LLM-em.

Pytanie: jak w obecnych czasach AI budować ta intuicję i wiedzę na podstawie, której podejmujemy decyzję? Dodatkowo - jak mogę działać z tak wielkimi systemami, żeby mieć poczucie, że się je rozumie i mod faktycznie mieć wystarczający kontekst, żeby podejmować decyzje?

Musisz stać się specjalistą w jakieś dziedzinie i mieć z grubsza pojęcie o tym, co jest wokół. Taki T-shaped dev. Coraz częściej jakieś wielkie rzeczy tworzy się poprzez połączenie kilku dyscyplin (dobrym przykładem jest cały ekosystem prowadzący do powstania LLM-ów). Teraz jest to proste, masz te LLM-y, korzystaj z nich do nauki, poszerzenia wiedzy. Przerób sobie jakiś tutorial razem z nim, dopytuj tego, czego nie wiesz, ale nie czytaj na sucho, tylko wykonuj sobie te małe kawałki kodu w sandboxie, by zrozumieć.

Nie wiem jaka będzie przyszłość, ale dostrzegam takie fakty:

• Działanie LLM-ów bazuje na generowaniu tokenów, które są zgadywane.
• Zwykle zgadywanie jest trafne, ale z wielu powodów (temperatura, dane treningowe, rozkład prawdopodobieństwa w danych, operacje na liczbach zmiennoprzecinkowych) to jest rzut dartem nie w środek tarczy (100%) a tuż obok (98%).
• Każda kolejna niezależna iteracja obarczona 2-3% błędem będzie się kumulować. Przykładowo po dziesięciu iteracjach 0.98**10 = 0.81.
• Pada pytanie, czy requesty wysyłane do LLM-a są niezależne? API jest bezstanowe, więc agent wysyła historię. Teoretycznie więc iteracje są zależne, ale co z gubieniem kontekstu w jakimś spaghetti?
• Vibe coding generuje bardzo dużo kodu, który trudno ogarnąć i zweryfikować. Jak projekt się rozrasta, to okno kontekstowe jest olbrzymie. Kolejne iteracje mogą już nie naprawić buga.
• Inferencja jest bardzo droga, zużywa masę wody i prądu. Swego czasu OpenAI się żaliło, że tylko 5% użytkowników płaci za dostęp do modeli: https://europeanbusinessmagazine.com/sam-altmans-openai-is-burning-billions-most-users-pay-nothing-as-anthropic-closes-in/

Jak sobie tak na chłodno o tym pomyślę i wezmę pod uwagę, jakie problemy miałem z generowaniem kodu przez LLM-y, to skłaniam się ku temu, że taki stan nie może się utrzymać w nieskończoność. Spodziewam się ograniczeń dostępów do LLM-ów/wyższych cen oraz wysypywania się aplikacji/wycieków danych. I w zasadzie wszystkie te rzeczy spowodowane AI się już dzieją.

Trzeba pisać samemu. Tak samo dzieci w szkole uczą się liczenia nie po to, żeby policzyć wynik tylko nabyć umiejętności. Bez AI to działało całkiem dobrze, bo każde zadanie trzeba było napisać samemu co zwiększało skille i zrozumienie projektu

Przykładowo teraz w pracy robię w dwóch projektach i codziennie widzę jak ciężko jest mi się wdrożyć do nowego projektu, gdzie praktycznie ja i koledzy piszą w samym AI. Niektóre taski zapominam po praktycznie paru dniach. Stary projekt to praktycznie 100% moja praca i używanie AI do pisania nowych tasków działa lepiej jak i mam już potrzebne zrozumenie, że praca w taki sposób nie działa negatywnie na dalsze zrozumienie projektu

IMO nie ma innej opcji niż kontrolowana manualna praca. Problemem jest oczywiście menadżment, który jak zwykle jedzie według utartych schematów i ciężko zaproponować rozwiązanie, które nie jest w mainstreamie