AI-natív fejlesztés: ki tud értéket teremteni az AI korában?

Az elmúlt egy-két évben a fejlesztés körül valami alapvetően megváltozott, és ezt nap mint nap a saját munkámban is érzem. Az AI-eszközök gyorsabbá tették a munkát, és közben átrendezték azt is, hogy kinek mi az értéke. Ebben a cikkben leírom, mit látok ebből a változásból, mit jelent ez a kisebb cégeknek, és hogyan kapcsolódik mindez ahhoz, ahonnan én jövök.

Eltűnt a távolság a gondolat és a megvalósítás között

Sokáig úgy működött a digitális világ, hogy aki tudott kódolni, az bent volt, aki nem, az függött másoktól. Ez egyfajta digitális kézművesség volt: meg kellett tanulni a szintaktikát, fejből kellett tudni a függvényeket, és órák mentek el azzal, hogy egy-egy komponenst összeillesszünk.

Ma ez a tudás egyre inkább tucatáruvá válik, mert az AI a megvalósítás nagy részét átveszi, és a gondolat meg a működő megoldás közötti távolság töredékére zsugorodott. A szűk keresztmetszet így máshová került: meg kell érteni, mit akarunk építeni és miért, és látni kell, hogy az, amit létrehoztunk, tényleg jól működik-e. A programozás továbbra is fontos, de a hangsúly a gondolkodásra, a tervezésre és az üzleti logikára tevődik át.

Az egyedi fejlesztés elérhető lett a kisebb cégeknek

Számomra ez a változás legizgalmasabb része. Egy egyedi belső rendszer, egy automatizálás vagy egy saját platform korábban több fős csapatot, hónapokig tartó munkát és milliós költséget jelentett, ezért a kisebb cégek jellemzően meg sem próbálták. Maradt az Excel és a dobozos szoftver, amelyek épp csak elégnek bizonyultak.

Az AI-natív fejlesztéssel ez megfordult. Ha van valaki, aki érti a problémát, rendszerben gondolkodik, és jól dolgozik AI-eszközökkel, akkor egy működő megoldás hetek alatt elkészülhet, töredék költségből. Ami korábban hónapokig tartott, ma hetekig tart, ami hetekig, az napokig. Ettől nem lett minden egyszerű, de egy ingatlaniroda, egy webshop vagy egy szolgáltató cég ma reálisan megkaphatja azt a saját rendszert, amit korábban csak a nagyok engedhettek meg maguknak.

Az AI-val dolgozni külön szakma

Sokan még mindig úgy gondolnak az AI-ra, mint egy okos beszélgetőpartnerre, akinek elég jól megfogalmazni a kérdést. A prompt fontos, de a valódi munka ennél jóval többről szól. Aki ma komolyan dolgozik AI-val és AI-agentekkel, az skilleket ír, vagyis előre megfogalmazott munkamódszereket, amelyeket az AI mindig ugyanúgy, ugyanazzal a minőséggel hajt végre. Agenteket épít, amelyek önállóan visznek végig több lépésből álló feladatokat. Figyel arra, mibe kerül egy-egy futás, és például a prompt cachinggel, vagyis az ismétlődő utasítások gyorsítótárazásával lefaragja a költséget és az időt. És folyamatosan csiszolja a saját munkamódszerét, mert ami ma bevált, azt holnap már jobban is lehet csinálni.

Ennek a közös nevezője egy problémafókuszú gondolkodásmód. Először azt kell megérteni, mi a valódi probléma, kinek fáj és miért, és csak utána jöhet az eszköz. Az AI ebben egy nagyon gyors és nagyon lelkes csapat, amit vezetni kell: megmondani, mit akarunk, ellenőrizni, amit csinál, dönteni arról, jó-e az eredmény, és vállalni érte a felelősséget. A kontextust és az üzleti következményeket az AI nem látja, ezért a gondolkodó emberre ebben a felállásban nagyobb szükség van, mint valaha.

Ahonnan én jövök

Amikor erről gondolkodom, a saját utamon is látom, miért éppen most állnak össze a dolgok. Évekig dolgoztam WordPress-szel, ahol megtanultam, hogyan épül fel és hogyan romlik el egy weboldal vagy webshop a valóságban. Az üzemeltetésben azt tanultam meg, hogy egy rendszer akkor ér valamit, ha hónapok és évek múlva is stabilan fut, frissül, és valaki vigyáz rá. Az operatív oldalon töltött vezetői éveim pedig arra tanítottak, hogy minden folyamat mögött emberek vannak, akiknek a munkáját egy jó rendszer megkönnyíti, egy rossz pedig megnehezíti.

Ez a három tapasztalat most egy irányba mutat. Az AI-val gyorsan lehet építeni, de hogy mit érdemes megépíteni, hogyan illeszkedjen egy cég működésébe, és hogyan maradjon meg hosszú távon is, azt a gyakorlat tanítja meg. Én ezt hozom a munkámba: megértem a működést, megépítem a rendszert AI-natív módszerekkel, és utána az üzemeltetésben is ott maradok.

Ki lehet sikeres ebben az új helyzetben?

Érdekes módon sokszor nem azok, akiket a korábbi rendszer jutalmazott. Inkább azok, akik szeretnek tanulni és gyorsan alkalmazkodnak, több területhez is értenek, üzleti szemmel is tudnak gondolkodni, és nem félnek kipróbálni, hibázni, majd újra próbálni. Sokan éveken át azt érezték magukról, hogy túl sok mindenbe kezdenek bele, és nem férnek bele egy dobozba. Lehet, hogy ez most pont erősséggé válik, mert ma a szélesebb rálátás, kellő mélységgel kombinálva, többet ér egyetlen szűk szakterület tökéletes ismereténél.

Kezd kialakulni egy új szerep, amire még nincs is igazán jó név. Ez az ember érti, hogyan épül fel egy rendszer, tudja, mit kell kérdezni, elég mélyen ért több dologhoz is, és ami a legfontosabb, felelősséget vállal a döntésekért. A mély technikai tudás bizonyos területeken (bankok, infrastruktúra, biztonságkritikus rendszerek) továbbra is nélkülözhetetlen, de egyre több helyen látom, hogy a rendszerszemlélet és a technikai alapok együtt adják a legnagyobb előnyt.

Mit tehetsz, ha érdekel ez az irány?

Ha fejlesztő vagy, használd az AI-t munkatársként, és a figyelmed egyre inkább az architektúrára és az üzleti logikára terelődjön. Ha üzleti oldalról jössz, tanulj meg alapszinten AI-eszközökkel dolgozni, és érts annyit a technikához, hogy jó kérdéseket tudj feltenni. Bárhonnan is jössz, érdemes egy egyszerű kérdéssel kezdeni: van olyan feladat, amit naponta csinálok, és az AI gyorsíthatná? Onnan indulj, és tanulj folyamatosan, mert ez a terület hónapról hónapra változik.

Zárógondolat

Azt gondolom, nem egy olyan világ felé tartunk, ahol az AI elveszi a munkánkat. A döntések fontosabbak lesznek, gyorsabban látjuk a következményeiket, és a gondolkodás súlya nő. Akik eddig úgy érezték, hogy nem férnek bele egy dobozba, azok most talán megtalálják a helyüket, a kisebb cégek pedig végre hozzájuthatnak olyan megoldásokhoz, amelyek eddig elérhetetlenek voltak.

A gyakorlatban ez így néz ki nálam: egyedi fejlesztés üzleti problémákra, és automatizálás és AI arra, ami ismétlődik.

Kapcsolódó: Mennyibe kerül egy egyedi szoftver fejlesztése? · Claude AI: mire jó, hogyan használd?