Роботизация программирования: что день грядущий нам готовит

Нейросеть научилась писать программный код. Значит ли это, что мы все скоро окажемся без работы? На наболевший вопрос отвечает заместитель директора по работе с корпоративными клиентами ALP Group Павел Мельник.

Новости об очередных достижениях искусственного интеллекта, который научился более-менее сносно кодировать, прокатываются по IT-сообществу волнами паники (на VC этой теме теперь посвящены примерно все статьи в разделе «Будущее»). Строго говоря, о будущей роботизации программирования говорят уже не первый год, и текущая версия робота-программиста — далеко не первая (и, разумеется, не последняя).

Конечно, делать какие бы то ни было прогнозы — дело неблагодарное, поэтому я не возьмусь предсказывать, когда именно нейросети полностью заменят айтишников, — объясню лишь, почему эта перспектива меня не пугает.

В истории человечества было уже немало прогрессивных прорывов. Ткацкий станок, типографский станок, газовая лампа, паровой двигатель, телеграф, фотоаппарат, дизель, поточное производство, спутниковая связь — все эти изобретения не просто позволили нам сделать большой шаг вперед, но и автоматизировали целый ряд профессий. Любой прогресс всегда находил сопротивление со стороны рабочих (дело даже доходило до забастовок).

Однако история развития технологий учит нас двум вещам: во-первых, прогресс невозможно остановить, а во-вторых, прогресс всегда порождает дополнительные рабочие места. С появлением автомобилей не исчезли ни лошади ни конюхи, и при этом появилось огромное количество водителей.

Полагаю, что технологии на базе искусственного интеллекта будут развиваться схожим образом. Шаг за шагом, они будут избавлять людей от рутинных действий и операций, высвобождая специалистам время и открывая для них целые новые лагуны для применения своих компетенций.

Современные нейросети уже неплохо справляются с программированием простых задач. Для понимания, в нашей компании на долю таких задач приходится от 70 до 90% объема работ, в зависимости от сложности проекта. Когда роботы научатся программировать сложные задачи — вопрос времени. Но в том, что это произойдет, сомневаться уже не приходится, поскольку каждая новая версия искусственного интеллекта может одновременно обрабатывать всё более сложную цепочку связей, и тем самым начинает постепенно превосходить аналитические способности человека.

Но как я уже сказал, это не лишит айтишников хлеба. Живые специалисты просто переключатся на другой род задач, которые я бы условно разделил на три категории:

1. Создание, развитие и обслуживание роботов

Этот пункт не требует особого пояснения. Мне вспоминается отец главного героя из «Чарли и шоколадной фабрики», который теряет работу на заводе по изготовлению зубной пасты в пользу робота, который закручивает тюбики с пастой автоматически, но затем возвращается на службу в новой роли — инженера по ремонту того самого робота.

2. Постановка задач роботам

Определенное количество людей, которые сейчас получают задачи и пишут код по ТЗ, займутся постановкой задач для роботов. Любой, кто сталкивался с заказчиком, который не может четко сформулировать свои требования, понимает, насколько успех проекта зависит от грамотного техзадания. Специалисты, которые научатся детально прописывать требования и «переводить» с языка заказчика на язык нейросети, будут на рынке труда на вес золота.

3. Прием задач и проверка работы

Тут хочется сказать: «Робот тоже человек». Роботы по-прежнему совершают ошибки, и примеров тому тьма-тьмущая. 7 февраля 2023 года Google представил свой поспешный ответ ChatGPT — чат-бот на базе искусственного интеллекта под названием Bard. В презентации технологии у «Барда» спрашивают: «О каких новых открытиях космического телескопа “Джеймс Уэбб” я могу рассказать своему девятилетнему ребенку?» Bard ответил, что телескоп использовался для получения первых в истории снимков планеты за пределами Солнечной системы. Интернет-комментаторы отреагировали моментально: «Не хочу быть занудой, но первый снимок планеты за пределами Солнечной системы был сделан группой астрономов под руководством Гаэля Шовина с помощью инструмента адаптивной оптики». Ошибка стоила Google $100 миллиардов. Надо думать, что после такого корпорации не скоро пустят ИИ на самотек и будут проверять всё по несколько раз — чисто ради перестраховки.

Несмотря на то, что роботы уже умеют тестировать код, в этой сфере последнее слово еще долго будет за человеком. В своей компании мы полностью автоматизировали функцию тестирования старого функционала. При создании новой разработки, мы обучаем нейросеть тестированию, и больше никогда не возвращаемся к этому блоку. Однако это не просто не сократило наш штат тестировщиков — напротив, их стало даже больше!

Теперь специалистам не нужно тратить время на довольно рутинную задачу тестирования старого функционала при выпуске очередного релиза, и они могут тщательнее тестировать новые фичи, проверять безопасность и производительность. Качество разработки тем самым увеличилось. Кроме того, у нас появилась новая специальность — мы начали нанимать людей, которые следят за качеством тестов, их состоянием и актуальностью.

Помимо избавления разработчиков от рутины, роботизация может определенным образом снизить порог входа в IT-сферу, тем самым разрешив острую проблему дефицита кадров. В подготовке специалистов смогут участвовать не только высококвалифицированные программисты, но и профессиональные эксперты своих областей (финансисты, бухгалтеры, системные аналитики и т. д.).

Словом, в ближайшем будущем нам уже вряд ли придется заучивать языки программирования, но это вовсе не значит, что мы останемся без работы — просто наша работа изменится.

К сожалению, сейчас очень сложно сказать, какие именно профессии будут возникать по мере роста масштабов роботизации. Создатели всевозможных учебных курсов любят говорить, что аналитика больших данных, нейролингвистика или машинное обучение — это специальности будущего. Но где гарантия, что уже в следующей своей итерации ChatGPT не научится аналитике лучше людей?

«Волшебной таблетки» здесь нет. Возможно, поэтому, эксперты всё чаще говорят о важности так называемых метакогнитивных навыков, то есть навыков, которые помогают человеку непрерывно осваивать новые компетенции. В первую очередь, речь идет о способности к постоянному обучению (lifelong learning) и критическом мышлении. И они нам действительно пригодятся: если верить докладу Всемирного экономического форума, к 2025 году половина всего работающего населения будет вынуждена осваивать принципиально новые компетенции или переучиваться на другую профессию.

С другой стороны, я не уверен, что роботы действительно повсеместно автоматизируют наш труд на горизонте нескольких лет. Сужу по своей профессиональной сфере: несмотря на наличие передовых корпоративных систем учета, огромное количество компаний до сих пор «автоматизирует» свой бизнес в Excel-табличках.