Поделиться
3 вызова: как ИИ меняет сегмент Java-разработки
Искусственный интеллект оказывает все большее влияние на рынок ИТ-кадров, меняя требования к специалистам, способы разработки и структуру команд. Возможности ИИ особенно заметно меняют сегмент Java-разработки, поскольку Java-скрипт является одним из самых сложных языков, а ИИ задает тренд на упрощение работы программистов. Разбираем в статье три основных вызова на рынке разработчиков на сегодняшний день.
1. Переосмысление работы junior-специалистов
Задачи, которые ранее выполняли специалисты на junior-позициях, сейчас намного быстрее и проще реализуют с помощью искусственного интеллекта. Современные middle- и senior-специалисты быстрее сделают единицу работы с помощью ИИ, нежели будут готовить «джуну» техзадание, а затем вносить многочисленные правки.
У разработчиков среднего уровня и выше есть хорошая база, понимание проекта и задачи, в отличие от «джунов», которым нужно объяснять задачу и контекст, а затем проверять за ними работу. Поэтому в ИИ-модели обращаются все больше специалистов для экономии ресурсов.
С помощью любого сервиса ИИ, например, ChatGPT, можно быстро ввести модель в контекст и имплементировать юниты, что, безусловно, экономит время разработчика на погружение в задачу. ИИ-модели способны генерировать код, писать тесты и даже создавать целые модули. И смысл младших специалистов теряется.
Однако встает другой вопрос: откуда в таком случае брать middle и senior-специалистов, если всех «джунов» заменить на ИИ? Растить специалиста с нуля — дорого, долго и рискованно. А еще он может уйти в другую команду, потерять мотивацию и т.д.
Возможно, рост в middle-разработчика будет происходить из других треков. Например, из смежных отраслей, которые требуют кода — тестирование, аналитика и т.д.
Но при этом, и в других отраслях появляется проблема с младшими специалистами. Можно предположить, что в больших компаниях вскоре появятся отделы promt-инженеров, которые будут специализироваться на работу с моделями ИИ, и затем из них будут вырастать инженеры со знанием языков программирования и computer science.
Однако уже очевидно, что база низкоуровневых программистов будет становиться все меньше — языки все время эволюционируют, становятся более «абстрактными». Это не новый тренд, просто сейчас мы вышли еще на один уровень абстракции выше. «Мы все дальше становимся от железа», и этот тренд продолжится.
2. Отсутствие документации для интеграции ИИ
Искусственный интеллект — он не столько про создание моделей, сколько про интеграцию с существующими решениями. И большинство мануалов для интеграции в бизнес-системы написано на языке Python. Для языка Java зачастую документация отсутствует либо очень ограничена, несмотря на попытку нарастить мануалы. Отрасль развивается настолько стремительно, что зачастую всякие новые фичи и функционалы либо вообще не задокументированы, либо задокументированы минимально, и опять же на Python.
Хороший пример — это AWS. Если мы зайдем в их сервис AWS Bedrock, мы увидим, что большинство фич покрыты, но на Python. На Java таких точных мануалов нет. Разработка мануалов затратная и сложная. И, скорее всего, мы будем видеть огромное отставание учебных обучающих материалов по Java для интеграции с ИИ. Курсы по ИТ будут корректировать эту проблему, но не так быстро.
Поэтому большинство новых специалистов начинают свой путь с языка Python, поскольку развитие искусственного интеллекта связано больше именно с ним. К тому же, сам язык проще и понятнее новичку. Поэтому недостаток материалов на Java — один из главных вызовов на этом рынке.
3. Ответственность за решения снижается
Существует глобальная проблема с развитием вайб-кодинга (метод программирования, использующий большие языковые модели и искусственный интеллект для генерации программного кода на основе описания задачи на естественном языке). Например, есть люди, не имеющие ИТ-образования, которые делают код через Chat GPT, продают решение как стартап, а далее вообще не понимают, что происходит. Часто это заканчивается утечкой секретного пароля базы данных. С глобальным трендом на аутсорс-специалистов из стран с низким уровнем развития ИТ-индустрии проблема становится еще более актуальной.
Одна из ключевых фич работы с Java — возможность гибкой работы с потоками и памятью. Тема управления потоками глубокая и сложная для понимания, поэтому многие специалисты делают акцент на знание computer science в целом и не погружаются в такие вещи. Вместе с увеличением уровня абстракции, падает уровень владения тонкими вещами при работе с языком.
Появляются ситуации, когда сложные инженерные решения полностью отдаются LLM-моделям, но их никто глубоко не валидирует. ИИ-модели позволяют инженеру не вникать в задачу и быстро переносить решения в продакшн. И в итоге появляется проблема, которую никто не знает как решить из-за отсутствия опыта и глубины понимания вопроса. До ChatGPT такой код либо не появился бы вообще, либо был рассмотрен на ресурсах с минимальным объяснением, и инженер при работе с проектом вникнул бы в него.
Сгенерированного кода, который лезет в достаточно чувствительные места и создает ошибки, которые очень трудно дебажить, становится больше. Найти первоочередную причину таких ошибок трудно, особенно учитывая сложность, глубину возможных изменений операционной системы и строгость языка Java. В итоге ответственность инженера за решение снижается, а багов становится больше.
Таким образом, мы видим, что на рынке Java-разработчиков массовое внедрение искусственного интеллекта ведет к снижению уровня программистов, кадровому дисбалансу и росту количества ошибок. Большие компании начинают борьбу с этими проблемами, но зачастую развитие потенциала ИИ обгоняет возможности рынка отвечать на новые вызовы.
Короткая ссылка
