Dokumentációt íratunk az AI-jal és boilerplate kódokat kérünk tőle; szinte már észre sem vesszük, mennyire természetessé vált a használata a mindennapjainkban. De néha érdemes hátralépni egyet, és rápillantani a nagyobb képre: mi történik éppen a szakmával? Erről kérdeztük mentorainkat.
Most, amikor egy átalakulás közepén vagyunk, izgalmas végiggondolni, milyen eszköz került a kezünkbe, és hogyan formálja át a fejlesztői munkát egy olyan technológia, aminek a holnapi képességeit még megjósolni sem tudjuk. Három mentorunk osztja meg gondolatait erről az átalakulásról – és higgyétek el, van miről beszélniük.
Eltűnnek a juniorok?
Kezdjük a legégetőbb kérdéssel. Mi lesz a juniorokkal? „Amikor junior fejlesztő voltam, akkor sokszor ‘kulimunkákat’ bíztak rám ” – meséli Kornél, aki ma már a Codecool mentoraként egyengeti a következő generáció útját. Olyasmi ez, mint amikor a kezdő szakácsnak végtelen sok hagymát kell felaprítania, mielőtt tényleg a tűzhelyhez engedik. Most viszont itt az AI, ami olyan, mint a legtürelmesebb gyakornok – boldogan írja a unit teszteket és birkózik a legacy kóddal hajnalig.
„Szerintem a generatív AI ilyen feladatok esetén elég jól el tudja cipelni a munka túlnyomó többségét. Az embernek az lesz a feladata, hogy megfelelően specifikálja a feladatot az AI-nak és ellenőrizze vagy kijavítsa a végeredményt. Tehát használhatjuk ugyan az AI-t, a szaktudás ugyanúgy elengedhetetlen a folyamat elején és végén. Éppen ezért szerintem fontos, hogy a juniorjainkat felvértezzük az AI hatékony használatával. Így lépést tudnak tartani a munkahelyeken megnövekedett teljesítményigénnyel, amit a juniorok felé támasztanak, hiszen a cégek már most is feltételezik az AI teljesítménynövelő hatását.
Radioaktív fogkrémet kér valaki?
„Kicsit én úgy gondolok az AI-ra, mint a dotcom boom-ra, ami nagyon megnőtt, ki is pukkadt, de végül lett belőle egy racionális, minden nap használt technológia, ami lényegében megváltoztatta azt, ahogy a kommunikációról gondolkodunk. Ugyanilyen volt a radioaktivitás is. Amikor felfedezték a jelenséget, minden radioaktív volt, ezzel akarták eladni még a fogkrémet is, végül megértettük a kockázatait, és megszületett a valid felhasználása.”– mondja Dani mentorunk.
Szerinte jelenleg egy jól körülhatárolható területen hasznos az AI, ugyanakkor vannak korlátai is: „Én jól használtam az AI-t boilerplate kódok megírására, tesztek készítésére, illetve példa adatok generálására. SQL sémák vagy JSON struktúrák generálásában szerintem most is erős. Arra szerintem még várni kell, hogy komplex feladatokat megoldjon hatékonyan és olcsón, a ChatGPT legújabb o3-mas modelljének elsőre elég jónak tűnő eredményei ellenére is.”
“A fejlesztőknek, engineereknek szerintem komoly hozzáadott értéke lesz abban, hogy komplex feladatokat és megoldásokat átlássanak, olyan rendszereket tervezzenek, ahol sok felhasználót hatékonyan ki lehet szolgálni. Eddig a legtöbb cégnél egyedi megoldásokat, internal toolokat láttam, még akkor is, ha a meglévő infrastruktúrára és cloud szolgáltatásokra építkeztek.”
Ki viszi el a balhét?
Harmadik mentorunk, Péter egy igazán húsbavágó kérdést dob be: kinek a jogi/morális felelőssége, ha egy generált kód hibás működése kárt okoz egy felhasználónak? Ez nem csak elméleti fejtegetés – hiszen a Meta, Deepseek, OpenAI, Microsoft, Google, Anthropic csapat egyelőre nem vállal felelősséget az általa generált tartalmakért, a végső felelősség továbbra is a fejlesztő vállát nyomja. Ez azt is jelenti, hogy nem úszhatjuk meg a kód alapos megértését.
„Ha a végső felelősség az emberé, akkor nem úszható meg a kód mély megértése. Ez akár nehezebb lehet egy AI-generálta kód esetében, mintha a kollégám írta volna azt, akivel meg tudom beszélni, mit miért csinált. Ráadásul feltételezhetem, hogy hasonló könyveket olvasott, hasonló kurzusokat végzett, mint én, van egy közös nyelvünk, vannak dolgok, amiket mindketten evidenciának tekintünk, és ezekre tudunk építeni, amikor egymásnak magyarázunk. Az is egy érdekes irány, hogy rá tudjuk-e venni az AI-t, hogy ember által érthető módon is el tudja magyarázni, mit és miért csinált. A jelenlegi modellekről többen írták már, hogy olyan hibákat tettek bele a látszólag jó kódba, amiket nem volt triviális megérteni, egyáltalán felfedezni.”
A jelenlegi AI néha olyan, mint egy zseniális fordító, aki ugyan tökéletesen beszél több nyelven is, de fogalma sincs, miről magyaráz. Ennek persze néha az előnyeivel is találkozhatunk: „Viszont, mint az AlphaGo esetében láttuk, néha az a gép előnye, hogy őt nem korlátozzák az emberi gondolkodási sémák.”
Meddig juthatunk el, és hol vannak a falak?
A technológia korlátai már most is szembetűnőek. Péter szerint a jelenlegi mesterséges intelligenciás rendszerek még nem rendelkeznek hierarchikus tervezési képességekkel és különböző absztrakciós szinteken való gondolkodással.
"Ha megkéred az AI-t, hogy tervezzen egy nagyobb rendszert, gyakran vagy túl részletekbe menő lesz, vagy túl felszínes marad. Hiányzik belőle az a képesség, hogy természetesen váltogasson a különböző absztrakciós szintek között, amit egy tapasztalt fejlesztő könnyedén megtesz."
Amikor olyan kódot kell írni, ami több microservice komponenssel kommunikál, az AI gyakran elvész a komplex függőségek között, és időnként a különböző környezetek (development, staging, production) specifikus biztonsági követelményeit is nehezen kezeli. A legacy kódok refaktorálásánál az AI sokszor „túl okos” próbál lenni – olyan javaslatokkal áll elő, amik ugyan papíron jobbak, de figyelmen kívül hagyják a meglévő rendszer sajátosságait és korlátozásait.
Látszik tehát, hogy van tér az AI fejlődésére, ugyanakkor annak sebessége és iránya még egy nagy kérdőjel mindenki számára: lehet, hogy tovább száguldunk, de az sem kizárt, hogy váratlan lassulás következik be. „Ezen a ponton nehéz megmondani, hogy az AI fejlődése inkább exponencionális (gyorsul) vagy logaritmikus (lassul), mert egyre nehezebb tanítani.” – mondja Dani. Az pedig nem mindegy, hogy űrrepülésre kell felkészülnünk vagy pedig hosszútávfutásra.
Persze már most is körvonalazódnak irányok arra, hogyan használhatjuk a fejlett AI-t a fejlesztők támogatására. Úgy tűnik, a mesterséges intelligencia következő generációja egyre inkább az „agentic AI” koncepció felé mozdul el, amelyet olyan AI alapú fejlesztői környezetek is támogatnak, mint a Windsurf editor és a Google IDX. Ez azt jelenti, hogy nem egyszerűen végrehajt egy adott parancsot (például kódot generál egy prompt alapján), hanem önállóan iterál, javít, és akár teljes fejlesztési folyamatokat is végigvisz. Egy agentic AI képes lehet arra, hogy:
- Célokat határozzon meg és kövessen – például egy teljes alkalmazás architektúrájának megtervezésére és fokozatos kiépítésére.
- Önálló döntéseket hozzon – például felismerje a kódban található hibákat, és alternatív megoldásokat ajánljon fel.
- Iteratívan javítsa önmagát – folyamatosan finomítsa a megoldásait a visszajelzések alapján.
Bár jelenleg ezek még inkább kísérleti szakaszban lévő lehetőségek, olyan eszközök, mint az Auto-GPT vagy a Llama már most is mutatják, milyen irányba fejlődhet ez a technológia. A fejlesztői szerepkör így egyre inkább a koordináció, döntéshozatal és kritikus gondolkodás irányába mozdulhat el.
A fejlesztői munkát nemcsak a kódgenerálás és elemzés területén segíti az AI, hanem már az integrált fejlesztői környezetekben is egyre hangsúlyosabb szerepet kap. Az új generációs AI-alapú IDE-k, mint például a Windsurf Editor vagy a Google IDX, már nem csupán intelligens kódkiegészítést nyújtanak, hanem olyan fejlett funkciókkal rendelkeznek, amelyek valóban átalakíthatják a fejlesztői munkát:
- Automatikus hibajavítás és refaktorálás – az AI nemcsak javaslatokat ad, hanem aktívan segít a kód javításában és optimalizálásában.
- Intelligens dokumentáció és kódmagyarázatok – ahelyett, hogy manuálisan kellene dokumentációt írni, az AI automatikusan értelmezheti és leírhatja a kód működését.
- Kontextuális keresés és ajánlások – az AI az aktuális kód és projekt alapján képes kontextus-specifikus javaslatokat adni, nemcsak a hibák kijavítására, hanem a teljes projektfejlesztési folyamatra is.
Ahogy ezek az eszközök egyre fejlettebbé válnak, a fejlesztői munka fókusza is változni fog. Egyre fontosabb lesz, hogy a fejlesztők ne csak írják és ellenőrizzék a kódot, hanem értsék és felügyeljék az AI által végrehajtott döntéseket, és biztosítsák azok minőségét, biztonságát és megfelelőségét.
Akármerre is haladunk, egy dolog biztosan nem változik: a fejlesztői munka lényege továbbra is az lesz, hogy megértsünk egy problémát és hatékony megoldást találjunk rá. Úgy gondoljuk, a jövő sikeres fejlesztője az lesz, aki:
- Szilárd elméleti alapokkal rendelkezik és érti a technológia működését
- Kritikusan gondolkodik és képes értékelni az AI által generált megoldásokat
- Folyamatosan képzi magát és nyitott az új eszközök felelősségteljes használatára
- Átlátja a nagyobb összefüggéseket és tud absztrakciós szinteken mozogni
Az AI olyan, mint egy új programozási nyelv vagy framework – önmagában nem old meg problémákat, de jó kezekben hatékony eszköz lehet. A mi feladatunk az, hogy megtanuljuk, mikor és hogyan érdemes használni, és közben ne veszítsük el azt a szemléletet, ami miatt a fejlesztői szakma több mint egyszerű kódlapátolás.
A Codecool gyakorlatorientált programozói képzései és profi mentorai segítenek abban, hogy rövid idő alatt piacképes programozói tudást szerezz, amit azonnal alkalmazhatsz. Ne maradj le legfrissebb híreinkről, kövess minket a Linkedin oldalunkon is!