Το λογισμικό μπορεί πλέον να γράφει λογισμικό καλύτερα ακόμη και από τους πιο προχωρημένους προγραμματιστές. Και όπου έχει φτάσει το λογισμικό, θα ακολουθήσουν και τα υπόλοιπα "μορφωμένα" επαγγέλματα. Αυτό είναι το βασικό επιχείρημα ενός κειμένου που έγινε viral με τίτλο "Κάτι Μεγάλο Συμβαίνει", το οποίο αναρτήθηκε στο X στις 10 Φεβρουαρίου από τον Ματ Σούμερ, επικεφαλής μιας νεοφυούς επιχείρησης τεχνητής νοημοσύνης.
Ο ίδιος προειδοποιεί ότι η εποχή των "ευγενικών απαντήσεων για κοκτέιλ πάρτι" στο ερώτημα "τι συμβαίνει τελικά με την ΤΝ;" έχει τελειώσει και ότι ήρθε η ώρα να αντιμετωπίσουμε τη σκληρή αλήθεια: η μαζική τεχνολογική ανεργία είναι ήδη εδώ και σύντομα θα ακολουθήσει η αποδόμηση των περισσότερων μορφών "γνωσιακής εργασίας".
Το επιχείρημά του επικεντρώνεται στη μηχανική λογισμικού και ειδικότερα στα μοντέλα Claude Opus 4.6 της Anthropic και GPT-5.3-Codex της OpenAI. Και τα δύο κυκλοφόρησαν στις 5 Φεβρουαρίου και, όπως υποστηρίζει, είναι πλέον τόσο ικανά ώστε "δεν χρειάζεται πια να κάνω την πραγματική τεχνική δουλειά της εργασίας μου".
Ο Σούμερ έχει δίκιο για τα νέα εργαλεία κωδικοποίησης με τεχνητή νοημοσύνη - είναι εξαιρετικά. Πλέον αφιερώνω λιγότερο χρόνο στην κωδικοποίηση επειδή μπορώ να πω στον Claude και στην Codex τι και πώς να κωδικοποιήσουν, και πώς θέλω να δοκιμαστεί αυτός ο κώδικας. Δεν έχω καταφέρει ακόμη να αναπαράγω την μοναδική προσπάθεια του Σούμερ - δηλαδή, να φύγω για να επιστρέψω σε μια τέλεια εφαρμογή τέσσερις ώρες αργότερα. Από την εμπειρία μου, η Τεχνητή Νοημοσύνη εξακολουθεί να κάνει λάθη και να κάνει πράγματα που δεν θέλω να κάνει. Παρ' όλα αυτά, οι μετασχηματιστικές ικανότητες που περιγράφει ο Σούμερ είναι πραγματικές.
Όμως ενώ αποδέχομαι τις παρατηρήσεις του Σούμερ, αμφισβητώ τα συμπεράσματά του. Καταρχάς, η μηχανική λογισμικού περιλαμβάνει πολύ περισσότερα από τον προγραμματισμό. Κάποιος πρέπει ακόμα να ζητήσει από τα μοντέλα να παράγουν την εφαρμογή εξαρχής, κάτι που απαιτεί ένα βαθμό βασικής γνώσης εάν επιχειρείτε κάτι δύσκολο ή πολύπλοκο, όπως συμβαίνει συχνά σε μια μεγάλη επιχείρηση. Το ευρύτερο επιχείρημα του Σούμερ υποθέτει ότι εάν οι μηχανές μπορούν να εκτελούν πολλές εργασίες, η ανθρώπινη εργασία θα εξαφανιστεί. Αυτό φαίνεται να υποθέτει ότι οι θέσεις εργασίας είναι απλώς συλλογές εργασιών, αλλά είναι επίσης συστήματα ευθύνης που συνεπάγονται κίνδυνο και απόδοση.
Χρησιμοποιούμενη σωστά, η Τεχνητή Νοημοσύνη είναι πιθανό να μειώσει τους κινδύνους και να αυξήσει τις αποδόσεις. Ωστόσο, η ιστορία και η εμπειρία υποδηλώνουν ότι όταν το κόστος εκτέλεσης των εργασιών μειώνεται, οι κοινωνίες δεν ξεμένουν από εργασία. Επιχειρούν νέα πράγματα και κάνουν νέα εργασία. Αυτό που είναι πιθανό να δούμε είναι μετασχηματισμός θέσεων εργασίας και όχι κατάργηση θέσεων εργασίας.
Ο Σούμερ υποστηρίζει ότι η ανάπτυξη λογισμικού ήταν το πρώτο "μορφωμένο" επάγγελμα που αντικαταστάθηκε από την Τεχνητή Νοημοσύνη, επειδή η ΤΝ χρειάζεται τεράστιες ποσότητες κώδικα και πλέον τα ίδια τα μοντέλα ΤΝ χρησιμοποιούνται για να βελτιώνουν άλλα μοντέλα ΤΝ (όπως αναφέρεται και στις σημειώσεις έκδοσης του OpenAI Codex 5.3).
Ισχυρίζεται ότι η τεχνική "περιττότητα" που έχει πλήξει τους μηχανικούς λογισμικού σύντομα θα πλήξει επίσης δικηγόρους, λογιστές, συγγραφείς, δημοσιογράφους, εργαζομένους στην εξυπηρέτηση πελατών και γιατρούς, και ότι η επερχόμενη "έκρηξη νοημοσύνης" θα αποδομήσει αυτά τα επαγγέλματα - και πολλά ακόμη.
Ωστόσο, παρότι η ταχύτατη διάδοση της ανάρτησής του και ο δραματικός, σχεδόν αποκαλυπτικός τόνος της δίνουν την εντύπωση ότι έχει ξεπεραστεί κάποιο νέο και καταστροφικό όριο, απαισιόδοξα επιχειρήματα σαν κι αυτά διατυπώνονται εδώ και πολύ καιρό.
Το 2013, οι Carl Benedikt Frey και Michael Osborne δημοσίευσαν μια έκθεση με τίτλο "Το μέλλον της απασχόλησης: Πόσο ευάλωτες είναι οι θέσεις εργασίας στην μηχανοργάνωση;". Ο κύριος ισχυρισμός τους ήταν ότι το 47% των θέσεων εργασίας στις ΗΠΑ "διατρέχουν υψηλό κίνδυνο" λόγω του αυτοματισμού. Λιγότερο γνωστό είναι ένα έγγραφο του ΟΟΣΑ του 2016 που αμφισβήτησε τα συμπεράσματα των Frey και Osborne από τους Melanie Arntz, Terry Gregory και Ulrich Zierahn. Οι θέσεις εργασίας, έγραψαν, θα πρέπει να θεωρούνται ως επαγγέλματα που αποτελούνται από μια ποικιλία εργασιών, πολλές από τις οποίες δεν είναι αυτοματοποιήσιμες. Προσεγγίζοντας το πρόβλημα με αυτόν τον τρόπο, το έγγραφο του ΟΟΣΑ μείωσε το ποσοστό των θέσεων εργασίας που διατρέχουν υψηλό κίνδυνο στο εννέα τοις εκατό.
Υπάρχει μια μακρά ιστορία φόβου που προκαλείται από την τεχνολογική αλλαγή, η οποία χρονολογείται τουλάχιστον από τις αρχές του 19ου αιώνα, όταν οι εργάτες της κλωστοϋφαντουργίας, γνωστοί ως Λουδίτες, έσπαγαν μηχανές πλέξης με σφυριά. Αλλά ενώ η τεχνολογία μπορεί να αποτελέσει απειλή για συγκεκριμένα επαγγέλματα, μακροπρόθεσμα δημιουργεί περισσότερες θέσεις εργασίας από ό,τι καταστρέφει. Η βρετανική κυβέρνηση αντιμετώπισε τον βανδαλισμό των Λουδιτών ως εξέγερση και τον κατέστησε θανατικό αδίκημα. Οι ηγέτες των Λουδιτών απαγχονίστηκαν και πολλοί άλλοι μεταφέρθηκαν στις αποικίες καταδίκων της Νέας Νότιας Ουαλίας και της Γης Βαν Ντίμεν (Τασμανία). Η καταστολή του σαμποτάζ οδήγησε σε μείωση του κόστους παραγωγής ενδυμάτων και, ως αποτέλεσμα, η κλωστοϋφαντουργική βιομηχανία εκτοξεύτηκε σε κλίμακα.
Πράγματι, η αύξηση της ζήτησης για μαλλί οδήγησε στη ραγδαία επέκταση των αποικιών. Στην ιστορία του για την Αυστραλία, ο Τόνι Άμποτ αναφέρεται στη "Μανία του Μαλλιού" (Wool Rush) που ακολούθησε τους Ναπολεόντειους Πολέμους και προηγήθηκε των Χρυσοθηριών της δεκαετίας του 1850.
Τα ρούχα έγιναν φθηνά και άφθονα. Παρότι ορισμένες εργασίες των Λουδιτών - όπως το "κούρεμα" των υφασμάτων με ψαλίδια στο χέρι ώστε να γίνουν λεία - εξαφανίστηκαν, η συνολική απασχόληση στον κλάδο της κλωστοϋφαντουργίας αυξήθηκε, επειδή πουλιούνταν περισσότερα ρούχα.
Όταν οι αργαλειοί ήταν μικροί και χειροτεχνικοί, τα ρούχα ήταν ακριβά και οι άνθρωποι μπορούσαν να αγοράσουν μόνο λίγα. Όταν όμως οι μηχανές μπήκαν στα εργοστάσια και έγιναν ταχύτερες και μεγαλύτερες, το ύφασμα και τα ρούχα έγιναν φθηνότερα και οι άνθρωποι μπορούσαν να αγοράσουν περισσότερα - γεγονός που σήμαινε ότι η απασχόληση αυξανόταν παράλληλα με τη ζήτηση.
Με άλλα λόγια, είναι λάθος να συγχέουμε το "η δεξιότητά μου δεν χρειάζεται πλέον" με το "η ανθρώπινη εργασία δεν χρειάζεται πλέον", επειδή δημιουργούνται επίσης νέα επαγγέλματα ως αποτέλεσμα της νέας τεχνολογίας. Στο λογισμικό, αυτό που ήταν ακριβό, δύσκολο και επικίνδυνο πέρυσι είναι τώρα φθηνότερο, ευκολότερο και λιγότερο επικίνδυνο. Αλλά η διαθεσιμότητα του Photoshop, του Premiere και των φθηνών βιντεοκαμερών δεν έβαλε τέλος στα μέσα ενημέρωσης, προκάλεσε μια έκρηξη μέσων επειδή το κόστος παραγωγής μειώθηκε.
Υπάρχει περισσότερο περιεχόμενο από ποτέ στον κόσμο, επειδή δεν χρειάζεστε πλέον στούντιο για να το παράγετε, και το λογισμικό θα είναι το ίδιο. Το project ενός παιχνιδιού που θα απαιτούσε έναν καλλιτέχνη, προγραμματιστές, δοκιμαστές, σχεδιαστές UI, συγγραφείς, σχεδιαστές παιχνιδιών και παραγωγούς για να συντονίσουν όλα τα παραπάνω, μπορεί τώρα να γίνει project ενός ατόμου με τη συνδρομή της τεχνητής νοημοσύνης.
Και πολλά άλλα αξιόλογα projects που θα απαιτούσαν πολυπηθείς ομάδες μπορούν τώρα να μετεξελιχθούν σε projects που θα βασίζονται σε λίγα άτομα και την τεχνητή νοημοσύνη. Πριν από δύο χρόνια, ένα σοβαρό project λογισμικού θα χρειαζόταν έναν αναλυτή επιχειρήσεων, έναν σχεδιαστή λύσεων, έναν ή δύο προγραμματιστές, έναν διαχειριστή έργου, ειδικούς σε θέματα, έναν αναλυτή δοκιμών και έναν διαχειριστή συστήματος. Το να βάλουμε όλους αυτούς τους ανθρώπους σε ένα δωμάτιο δημιουργεί μια δαπανηρή διαδικασία και ένα κόστος συντονισμού. Τα μεγάλα projects λογισμικού θα μπορούσαν να αποδειχθούν θεαματικές αποτυχίες. Καθώς ο κίνδυνος, η δυσκολία και το κόστος των projects λογισμικού καταρρέουν, η υιοθέτησή τους θα αυξηθεί κατακόρυφα.
Το βιβλίο Company of One του Paul Jarvis (2019) υποστήριζε την παραμονή σε μικρό μέγεθος ως μια σκόπιμη επιχειρηματική στρατηγική. Η τεχνητή νοημοσύνη διευκολύνει τέτοιες προσπάθειες.
Επιτρέψτε μου να επιστρέψω στον προγραμματισμό, ο οποίος είναι το αντικείμενο της εργασίας μου και ένα βασικό μέρος του επιχειρήματος του Σούμερ. Ενώ είναι αλήθεια ότι μπορείτε να αναθέσετε σε μια εφαρμογή Τεχνητής Νοημοσύνης να σας γράψει μια εφαρμογή, η Τεχνητή Νοημοσύνη δεν μπορεί να αποφασίσει εάν η εφαρμογή πρέπει να υπάρχει, εάν η επιχείρηση πρέπει να αναλάβει το ρίσκο, εάν η νομική έκθεση είναι αποδεκτή και εάν η απαίτηση του χρήστη γίνεται κατανοητή ή παρερμηνεύεται. Αυτές δεν είναι τεχνικές εργασίες. είναι κρίσεις που συνδέονται με θεσμικές ευθύνες και επιχειρηματικές πραγματικότητες. Ο ίδιος ο Σούμερ σημειώνει ότι η υιοθέτηση της Τεχνητής Νοημοσύνης "θα επιβραδυνθεί από τη συμμόρφωση, την ευθύνη και την θεσμική αδράνεια" σε ρόλους που απαιτούν σχέσεις και εμπιστοσύνη, φυσική παρουσία, άδειες και εγκρίσεις, ιδίως σε κλάδους που υπόκεινται σε αυστηρό ρυθμιστικό πλαίσιο.
Η μηχανική λογισμικού ήταν ο πρώτος τομέας που "υπέκυψε" στην Τεχνητή Νοημοσύνη, επειδή τα δεδομένα εισόδου και εξόδου της είναι κειμενικά και επειδή βασίζεται σε άμεσους κύκλους ανατροφοδότησης μέσα σε προσομοιωμένα περιβάλλοντα. Ως αποτέλεσμα, η ΤΝ είναι ιδιαίτερα κατάλληλη για τον χώρο της πληροφορικής, που αποτελεί ένα έντονα συμβολικό πεδίο προβλημάτων.
Το ίδιο δεν μπορεί να ειπωθεί για το δίκαιο, την ιατρική και τη διοίκηση, ούτε για την πολιτική, μηχανολογική και αεροναυπηγική μηχανική. Οι κλάδοι αυτοί είναι ενσωματωμένοι σε φυσικά, κοινωνικά και νομικά συστήματα που υπήρχαν πολύ πριν από τις υπολογιστικές μηχανές. Υπόκεινται σε εξωτερικούς, πραγματικούς περιορισμούς — όχι μόνο σε ψηφιακούς και πληροφοριακούς.
Αυτό που θέλω να υπογραμμίσω είναι ότι η μηχανική λογισμικού είναι αδόκιμα μιλώντας "υπολογιστικά καθαρή" με έναν τρόπο που δεν ισχύει για τα γράσα και τα λάδια της μηχανολογίας - πόσο μάλλον για το αίμα και τα σπλάχνα της ιατρικής ή για τις οξείες συγκρούσεις των νομικών διαφορών.
Το μεγαλύτερο μέρος της οικονομικής δραστηριότητας περιλαμβάνει πολύ περισσότερα από τη συμβολική επεξεργασία που πραγματοποιείται στους υπολογιστές· εξακολουθεί να υπάρχει στον φυσικό κόσμο των ατόμων και όχι μόνο στον ψηφιακό κόσμο των byte. Ακόμη και η ανάπτυξη λογισμικού είναι εξίσου ζήτημα οργανωτικής διαπραγμάτευσης όσο και προγραμματισμού. Το δύσκολο κομμάτι είναι να ανακαλύψει κανείς τι πραγματικά χρειάζεται να κάνει το σύστημα - όχι να γράψει τις συναρτήσεις που το υλοποιούν.
Η έλλειψη σαφήνειας και οι λανθασμένες παραδοχές στις προδιαγραφές απαιτήσεων έχουν οδηγήσει σε καταστροφικές αποτυχίες λογισμικού.
Αυτό έχει σημασία, διότι ο Σούμερ υποθέτει ότι αν η ΤΝ μπορεί να γράφει κώδικα, τότε μπορεί να κάνει τα πάντα. Θα ήταν πιο ακριβές να πούμε ότι, αν μια εργασία είναι ήδη αναγώγιμη σε συμβολική επεξεργασία από έναν υπολογιστή, τότε η ΤΝ θα μπορεί να την εκτελεί καλά.
Υπάρχει όμως και μια ηθική και νομική διάσταση: οι θέσεις εργασίας δεν είναι απλώς σύνολα επιμέρους καθηκόντων - συνοδεύονται από ευθύνες. Κάποιος πρέπει να αναλαμβάνει την ευθύνη για τις αποφάσεις που λαμβάνονται και, αν χρειαστεί, να λογοδοτεί ακόμη και ενώπιον δικαστηρίου. Επαγγέλματα όπως η λογιστική, η νομική και η ιατρική συνεπάγονται καθήκοντα επιμέλειας, υποχρεώσεις απέναντι στον πελάτη, υποχρεώσεις απέναντι στο κράτος και την τήρηση επαγγελματικής δεοντολογίας.
Ένας δικηγόρος δεν είναι απλώς συντάκτης συμβολαίων. Ένας γιατρός δεν είναι απλώς μια "μηχανή διάγνωσης". Ένας προγραμματιστής δεν είναι απλώς δακτυλογράφος κώδικα. Οι επαγγελματίες είναι φορείς δράσης μέσα σε κανονιστικά συστήματα και μπορούν να λογοδοτήσουν για τις πράξεις τους.
Ο Σούμερ υποστηρίζει ότι η ΤΝ θα μειώσει τη ζήτηση εργασίας για μηχανικούς λογισμικού. Εγώ υποστηρίζω ότι η ΤΝ θα μειώσει το κόστος, τη δυσκολία και τον κίνδυνο της ανάπτυξης λογισμικού - και ότι, ως αποτέλεσμα, πρόκειται να δημιουργηθούν τεράστιες νέες ευκαιρίες.
Το 2010, το Queensland Health εισήγαγε ένα νέο αυτοματοποιημένο σύστημα μισθοδοσίας για περίπου 80.000 εργαζόμενους σε νοσοκομεία. Ο αρχικός προϋπολογισμός ήταν 6 εκατομμύρια δολάρια Αυστραλίας, αλλά τελικά κόστισε πάνω από 1,2 δισεκατομμύρια δολάρια Αυστραλίας και χιλιάδες προσωπικό του νοσοκομείου πληρωνόταν με υπερβολικά υψηλές απολαβές, υπερβολικά χαμηλές απολαβές, ή δεν πληρωνόταν καθόλου. Το πρόβλημα δεν ήταν ότι ο υπολογιστής δεν μπορούσε να υπολογίσει τους μισθούς. Ήταν ότι οι πολύπλοκοι κανόνες των σχετικών αποζημιώσεων - όπως τα ποσοστά προστίμων για βάρδιες, οι υπερωρίες λόγω επιπλέον ωρών, οι τοπικές πρακτικές χρονοπρογραμματισμού και οι διαπραγματευμένες εξαιρέσεις - δεν είχαν κατανοηθεί σωστά πριν κωδικοποιηθούν.
Ο κώδικας δημιουργήθηκε σε ένα συμπιεσμένο χρονοδιάγραμμα. Η έλλειψη δοκιμών οδήγησε σε χάος. Το σύστημα τέθηκε σε λειτουργία χωρίς παράλληλη δοκιμή μισθοδοσίας (όπου το παλιό και το νέο σύστημα υπολογίζουν την αμοιβή για την ίδια περίοδο, δίπλα-δίπλα). Το επιχείρημα του Σούμερ υποθέτει έμμεσα ότι η κωδικοποίηση είναι το δύσκολο κομμάτι της μηχανικής λογισμικού, αλλά η υπόθεση μισθοδοσίας των νοσοκομείων του Queensland καταδεικνύει ότι η κατανόηση του τι πρέπει να κάνει το σύστημα και η δοκιμή του είναι επίσης κρίσιμες.
Τα εργαλεία κωδικοποίησης με ΤΝ ενέχουν ορισμένους κινδύνους (π.χ. παραβιάσεις ιδιωτικότητας και ασφάλειας), αλλά ταυτόχρονα προσφέρουν και τρόπους μετριασμού αυτών των κινδύνων. Το σημαντικότερο όμως είναι ότι αλλάζουν ριζικά τα οικονομικά της ανάπτυξης λογισμικού. Το κόστος, ο χρόνος και το ρίσκο της συγγραφής λογισμικού πρόκειται να καταρρεύσουν. Το κόστος των μεγάλων συσκέψεων για τον συντονισμό σύνθετων έργων θα εξαφανιστεί.
Κι όμως, ο πανικός περί εξαφάνισης των θέσεων εργασίας στον τομέα του λογισμικού μου φαίνεται αβάσιμος. Πάντα υπήρχαν περισσότερα αξιόλογα έργα λογισμικού που προτείνονταν απ’ όσα μπορούσαν να υλοποιηθούν. Τα περισσότερα απορρίπτονταν επειδή ήταν υπερβολικά δύσκολα, υπερβολικά ακριβά και υπερβολικά ριψοκίνδυνα - καθώς απαιτούσαν μια δαπανηρή ομάδα και μεγάλο χρονικό ορίζοντα.
Αδυνατώντας να αποκτήσουν το λογισμικό που χρειάζονταν, οι άνθρωποι κατέφευγαν σε πρόχειρες, χειροκίνητες λύσεις με υπολογιστικά φύλλα, email και κοινόχρηστους φακέλους. Δεν έχω ακούσει ποτέ για κάποιο αξιόλογο έργο λογισμικού που να απορρίφθηκε επειδή ήταν υπερβολικά εύκολο, υπερβολικά φθηνό και με υπερβολικά μικρό ρίσκο.
Ο Σούμερ έχει δίκιο όταν υποστηρίζει ότι τώρα είναι η κατάλληλη στιγμή για να επιχειρηθεί ένα φιλόδοξο έργο. Έχει δίκιο όταν επισημαίνει ότι οι άνθρωποι που χρησιμοποιούν την Τεχνητή Νοημοσύνη θα ξεπεράσουν τους ανθρώπους που δεν τη χρησιμοποιούν. Είναι επίσης αλήθεια ότι οι άνθρωποι και οι εταιρείες θα πρέπει να προσαρμοστούν καθώς η Τεχνητή Νοημοσύνη μετατοπίζει την εργασία από την εκτέλεση στην προδιαγραφή και την εποπτεία. Και ο Σούμερ έχει δίκιο όταν λέει ότι οι άνθρωποι θα πρέπει να κάνουν πιο σοβαρή χρήση της Τεχνητής Νοημοσύνης στην εργασία.
Συνηθίστε να επιβλέπετε τις Τεχνητές Νοημοσύνης σας. Προσπαθήστε να τους αναθέτετε ουσιαστικά καθήκοντα, όχι απλώς απλές ερωτήσεις. Τώρα είναι η ώρα οι μηχανικοί λογισμικού να ασχοληθούν με τα μοντέλα κώδικα, αν και οι περισσότεροι το κάνουν ήδη. Αλλά δεν βλέπω κανέναν πειστικό λόγο για να επιβλέπουν οι σεφ τις Τεχνητές Νοημοσύνης σύντομα.
Ναι, θα υπάρξουν αναταραχή και ορισμένες θέσεις εργασίας θα χαθούν. Αλλά ο Σούμερ σχεδόν σίγουρα κάνει λάθος σχετικά με την εξαφάνιση. Θα δημιουργηθούν ακόμη άγνωστες και απίστευτες νέες θέσεις εργασίας και νέες βιομηχανίες. Η ιστορία δείχνει ότι η προσαρμογή στα οικονομικά σοκ απαιτεί χρόνο και μπορεί να είναι επώδυνη. Δεν πρόκειται να αμφισβητήσω την άποψη του Σούμερ ότι θα πρέπει να είστε οικονομικά προετοιμασμένοι για μια ξαφνική απόλυση. Ανεξάρτητα από την Τεχνητή Νοημοσύνη, είναι συνετό να έχετε μια κρυψώνα σε περίπτωση που το εισόδημά σας σταματήσει σε σύντομο χρονικό διάστημα. Συνολικά, όμως, η Τεχνητή Νοημοσύνη διευρύνει το σύνολο των επιλύσιμων προβλημάτων και θα μειώσει το κόστος πρόσβασης σε έγκαιρη και σχετική γνώση.
Η Τεχνητή Νοημοσύνη δεν πρόκειται να εξαλείψει την εργασία. Αν είστε εργαζόμενος σε πεδίο που απαιτεί γνώση, θα αλλάξει την εργασία σας μειώνοντας το όριο στο οποίο τα προβλήματα καθίστανται οικονομικά προσιτά στην επίλυση. Θα μειώσει επίσης το κόστος και τον κίνδυνο των έργων λογισμικού. Αλλά αυτό δεν πρόκειται να εξαφανίσει τους μηχανικούς λογισμικού. Ο χώρος στον οποίο εργάζομαι έχει ένα βουνό από προβλήματα λογισμικού και περιορισμένο προϋπολογισμό, και με την Τεχνητή Νοημοσύνη μπορώ τώρα να κάνω πολύ περισσότερα. Αυτό που θα δούμε είναι μια μετατόπιση από τα ακριβά, άκαμπτα προϊόντα "Λογισμικό ως Υπηρεσία" (SaaS) και "Εμπορικά έτοιμα προς πώληση" (COTS) σε εφαρμογές κατά παραγγελία που κάνουν ακριβώς αυτό που χρειάζεται μια εταιρεία.
Η μαζική παραγωγή έκανε τα ρούχα φθηνότερα. Η Τεχνητή Νοημοσύνη όχι μόνο θα κάνει το λογισμικό φθηνότερο, αλλά θα επιτρέψει επίσης στους μηχανικούς λογισμικού να ενεργούν περισσότερο σαν ράφτες, προσαρμόζοντας την εφαρμογή στις ακριβείς ανάγκες ενός πελάτη, με πολύ χαμηλότερο κόστος, δυσκολία και κίνδυνο από ό,τι πέρυσι. Αντί για συστήματα "έτοιμα προς πώληση" που είναι κατάλληλα για την εργασία ή την επιχείρησή τους, οι άνθρωποι θα μπορούν να αποκτήσουν συστήματα κατά παραγγελία που είναι ακριβώς κατάλληλα.
Όταν το κόστος κάποιου πράγματος μειώνεται, οι κοινωνίες συχνά θέλουν περισσότερο από αυτό. Αυτό συνέβη με τα ρούχα. Αυτό θα συμβεί και με τον κώδικα.
Sean Welsh
Add comment
Comments