Megint újra kell tanulni mindent? Az AI és a változás fáradtsága

Amikor a lelkesedés előtt jön a fáradtság

Az AI megjelenését én sem fogadtam rögtön lelkesedéssel. Az elején kifejezetten nehezen éltem meg. Az ismerőseim sorra küldték és mutatták, milyen alkalmazásokat raktak össze vele néhány nap alatt, én pedig közben azon gondolkodtam, hogy ha ez mostantól így működik, akkor mit kezdek a tizennyolc év programozói tapasztalatommal.

Ez nem egy délutáni bizonytalanság volt. Hetekig, talán hónapokig járt a fejemben, hogy merre kellene továbbmennem, mivé képezzem át magam, ha tényleg beüt a krach. Eléggé magam alá kerültem: úgy éreztem, mintha az egész addigi szakmai világom kezdene összeomlani. Ezt azért is tartom fontosnak elmondani, mert utólag, amikor már látjuk valamiben a lehetőséget, könnyű elfelejteni, milyen volt az elején.

Aztán lassan előjött belőlem az a hozzáállás, amelyről az első cikkben is írtam: szerintem nincs lehetetlen, legfeljebb még nem látom a megoldást. Ha ez az eszköz már itt van, akkor meg kell tanulnom együtt élni vele, és kitalálni, mit tudok kihozni belőle. Ehhez először közelebbről is meg kellett néznem, mi készült el azokból a néhány napos ötletekből.

Ezért nem szeretem azzal elintézni a bizonytalanságot, hogy aki jó szakember, az majd alkalmazkodik. Persze, szükség van alkalmazkodásra. De attól még lehet fárasztó, és nem kell úgy tenni, mintha minden változás első pillanattól öröm volna. Néha idő kell ahhoz is, hogy az ember egyáltalán kedvet kapjon hozzá.

A pályakezdők helyzete sem egyszerűbb. Valaki éppen befejez egy képzést, és máris azt hallja, hogy a frissen megszerzett tudásának egy részét egy eszköz is elő tudja állítani. A tapasztaltabb fejlesztő a befektetett éveit félti, a kezdő azt próbálja kitalálni, mire építsen. Érdemes ezt észben tartani, mielőtt bármelyiküknek könnyű tanácsokat adunk.

Mi készült el valójában?

Amikor alaposabban megnéztem az ismerőseim által küldött alkalmazásokat, adtam nekik néhány kérdést, amelyet érdemes volt feltenniük az AI-nak. Milyen technológiákból áll a rendszer? Miért ezeket választotta? Az egyiknél az volt a válasz, hogy a felület Reacttel, a szerveroldal pedig egyedi PHP-kóddal készült.

Önmagában ezzel a párosítással nincs baj. Engem az érdekelt, hogy mi indokolta ezt a felépítést, és mi történik, ha később egy fejlesztőnek kell átvennie. Mennyire fogja érteni, mi miért készült úgy? Mennyi idő lesz belenyúlni, és mibe kerül majd a továbbfejlesztés? Ha már PHP, miért nem egy bevált keretrendszerre épült? Lehet ezekre jó válasz, de szerettem volna látni, hogy valódi döntés áll-e mögötte.

A válaszokban aztán előkerült, hogy gyorsan kellett haladni, a felhasználó nem értett a fejlesztéshez, és így lehetett a legegyszerűbben elkészíteni. Nekem ez még nem magyarázta meg, miért lesz jó ugyanez később is. Az ismerősöm által használt Gemini közben virtuális sörrel jutalmazott egy-egy „jó senior kérdésért”. Még néhány kérdés, és a végére virtuálisan egészen becsíptem.

A söröknél azért fontosabb volt, amit közben megértettem. Az AI tud rendszert írni, és megfelelő irányítással jó rendszert is. Csakhogy valakinek továbbra is észre kell vennie, melyik kérdés maradt ki, mit érdemes másképp felépíteni, és mire lesz szükség az első bemutató után. Itt kezdtem újra érezni, hogy a korábbi tapasztalatomnak nagyon is van helye ebben.

Egy AI-val létrehozott weboldal lehet meglepően jó. Nem lenne tisztességes úgy beszélni ezekről az eszközökről, mintha csak látványos, de használhatatlan próbálkozásokra lennének képesek. Egy egyszerűbb feladatnál valóban elég lehet egy olyan megoldás, amely korábban fejlesztői közreműködést igényelt. Ezt a változást szakemberként is el kell fogadnunk.

Az viszont sokat számít, milyen feladatot tekintünk késznek. Egy bemutatkozó oldalnál más kérdéseket kell megválaszolni, mint egy rendszerben, amely rendeléseket, ügyféladatokat és fizetéseket kezel. A képernyőn mindkettő működőnek látszhat, de a használat során egészen más terhelést és felelősséget kapnak.

Ha egy foglalási folyamatot nézek, nemcsak azt szeretném látni, hogy sikerül-e időpontot választani. Az is érdekel, mi történik két egyidejű foglalásnál, egy félbeszakadt fizetésnél vagy egy későbbi lemondásnál. Az AI segíthet ezek megvalósításában is, de valakinek fel kell ismernie a kérdéseket, és ellenőriznie kell a válaszokat. Ebben a korábbi tapasztalat nagyon is használható marad.

A tudásomnak nem az a része a legértékesebb, amit fejből tudok

Fejlesztőként könnyű a szakmai tudást ahhoz kötni, hány nyelvet, keretrendszert vagy megoldást ismerünk. Ezekre szükség van, de az évek során valami más is kialakul: hamarabb észrevesszük, ha hiányzik egy fontos feltétel, túl nagyra nőtt a feladat, vagy a választott megoldással később nehéz lesz együtt élni.

Ezt nem úgy képzelem, hogy a tapasztalat minden helyzetben automatikusan felülírja az újat. Egy pályakezdő is találhat jobb megoldást, és egy régi beidegződés is lehet rossz. A tapasztalat akkor ér valamit, ha segít megítélni az adott helyzetet, és nem pusztán ahhoz ragaszkodunk, amit már megszoktunk.

Az AI mellett ezért a saját szerepemet sem csak a kód megírásában látom. Meg kell értenem a feladatot, megválasztanom a megfelelő eszközöket, és vállalnom, hogy a végeredmény használható legyen. Ha a megvalósítás egy része gyorsabbá válik, attól ezek a döntések nem tűnnek el. Inkább több lehetőség nyílik arra, hogy idejében foglalkozzunk velük.

Nem kell minden újdonságot egyszerre megtanulni

Szerintem sokat segít, ha nem az egész szakmát akarjuk újratanulni egy hétvége alatt. Érdemes kiválasztani egy körülhatárolt feladatot, amelyet már ismerünk, és azon kipróbálni az új eszközt. Így van mihez viszonyítani: észrevesszük, ha kihagy egy fontos lépést, és azt is, ha valóban megkönnyíti a munkát.

Lehet ez egy meglévő modul magyarázata, néhány teszteset előkészítése vagy két lehetséges megoldás összehasonlítása. A cél eleinte nem az, hogy mindent rábízzunk, hanem hogy megtanuljuk felismerni, mikor kapunk hasznos segítséget. Az ellenőrzésre fordított időt is bele kell számolni a tapasztalatba; önmagában a gyors válasz még nem időnyereség.

Kezdőként ugyanez másképp nehéz. Ha még nem tudom megítélni a választ, könnyen összekeverhetem a meggyőző magyarázatot a helyes megoldással. Ilyenkor különösen fontosak az alapok, a kicsi, ellenőrizhető feladatok és az, hogy megpróbáljam önállóan is elmagyarázni, mi készült el. Az AI használata lehet része a tanulásnak, de a megértést nem érdemes kihagyni belőle.

Nem tudjuk előre, pontosan milyen lesz ez a szakma

Nem tudok őszintén olyat ígérni, hogy minden munkakör és minden eddigi feladat változatlanul megmarad. Már az első cikkben felidézett eszközök is átrendezték, miért kérnek segítséget az ügyfelek. Az AI ugyanezt a kérdést most jóval szélesebb körben teszi fel.

Én mégsem érzem elvesztegetett időnek azt, amit eddig megtanultam. Ebből értem meg az új eszköz korlátait, ebből tudok kérdezni, és ebből látom, mikor kell tovább dolgozni egy elsőre késznek tűnő megoldáson. Nem kell feltétlenül lelkesedéssel kezdeni; néha az is elég, ha kíváncsian megnézzük, hol lehet a helye a munkánkban.