Yang Li diskuterar hur mjukvaruingenjörens roll har formats om genom ökad automatisering och innovation.
Mjukvaruteknik uppstod först som en livskraftig karriärväg för skickliga yrkesmän på 1960-talet och har sedan dess utvecklats till en disciplin som utan tvekan definieras av dess snabba utveckling. På 1970-talet låg huvudfokus på att skapa smartare och billigare mjukvara. Under 1980- och 1990-talen förändrades branschen återigen genom införandet av objektorienterad programmering.
Spola fram till idag, var avancerade språkcloud computing och AI har gjort mjukvaruingenjörens roll praktiskt taget oigenkännlig jämfört med dess tidiga början. För Yang Li, medgrundare och COO för mjukvaruutvecklingsföretaget Cosine, är det denna konsekventa framåtrörelse som gör tekniken till ett så spännande och dynamiskt område att arbeta i.
”Till skillnad från andra STEM-områden, som bioteknik, som kan vara mer resursbegränsade eller långsammare, låter tekniken dig upprepa snabbt och kontinuerligt förbättra lösningar,” sa han till SiliconRepublic.com. ”Denna kombination av snabbhet och påtaglig effekt är det som håller mig passionerad för detta område.”
Nu, när vi står i början av ett nytt år, förändras rollen som mjukvaruingenjör återigen för Li, från en kodskrivare till en AI-orkestrator, en professionell som kan koordinera och hantera implementeringen, integrationen och interaktionen. av olika AI-komponenter i ett system. Men med detta kommer vissa utmaningar.
Spännande tider
”En mjukvaruingenjörs största utmaning idag är inte att skriva kod, det är att lista ut arkitektur, planering och resonemang”, förklarade han. Separat till det noterade han att de dagar då företag kommer att massanställa ingenjörer är borta och i stället för att skala om antalet anställda, vill organisationer växa och utvecklas via beräkningskraft.
”Båda dessa trender innebär att ingenjörer måste tänka större. De måste sikta på färdigheter som tillåter dem att skapa lösningar över hela stacken och styra AI för att bygga dem. Vi ser redan detta med vårt eget team, våra toppingenjörer arbetar med flera uppgifter samtidigt och orkestrerar AI för att hantera implementeringen medan de fokuserar på resultat.”
För Li smyger sig också problem med kodgranskningar eftersom, även om AI kan generera kod mycket snabbare än tidigare, till och med autonomt, kräver granskningsprocessen fortfarande betydande mänsklig tillsyn för stora mängder information.
Ingenjörer kan bli alltför beroende av denna AI-genererade kod och misslyckas med att korrekt förstå de underliggande systemen, vilket gör felsökningsprocessen mycket svårare. ”Du får ingenjörer som kan ta fram lösningar men som inte kan förklara deras logik eller beslut.”
Enligt Li finns det trots utmaningarna ett antal konkreta exempel som talar för införandet av avancerad AI i karriärer inom mjukvaruteknik, nämligen hur det kan påskynda uppgifter som vanligtvis tar timmar, som nu tar bara minuter.
”När besluten är automatiserade blir det svårare att ta reda på hur och varför vissa beslut togs. Som sagt, det är fortfarande lättare att granska och kritisera kod än att skriva den från början. Även om du behöver felsöka något, tar det bara cirka 50 procent av ansträngningen jämfört med att göra allt manuellt själv.”
Lita på flytsanden
Vi har sett det tidigare med sociala medier, digital kompetens och AI, där läroanstalter och företag vid en viss tidpunkt måste vidareutveckla sina läroplaner och utbildning för att ge studenter och yrkesverksamma möjlighet att utveckla sina färdigheter och anamma nya karriärvägar.
”Mjukvaruutveckling håller på att utvecklas från en handel till ett kreativt yrke. De som kan orkestrera AI-system och tänka strategiskt kring produktutveckling kommer att ha stor efterfrågan. Precis som bankomater frigjorde bankanställda att fokusera på tjänster med högre värde, kommer AI-utvecklingsverktyg att göra det möjligt för ingenjörer att ta sig an mer ambitiösa projekt medan automatiserade system hanterar rutinoptimering och underhåll.”
Men för Li kommer hur organisationer och institutioner närmar sig AI-kompetensutveckling hos mjukvaruingenjörer vara nyckeln till dess övergripande effektivitet. Han anser att, när de väl fått verktygen och de grundläggande grunderna, bör utvecklare uppmuntras att vara kreativa, bygga sina egna processer och att lägga strategier.
”Det är som att försöka genomdriva utbildning i den exakta ordningen någon ska lösa ett kodningsproblem, olika människor kommer att vara mer kreativa och ha olika tillvägagångssätt. Även om du kan lära människor att använda verktygen, kan du inte standardisera hur de ska utnyttja dem kreativt. Nyckeln är att ge åtkomst och låta utvecklare hitta sina egna sätt att vara effektiva med dessa verktyg.”
I slutändan förutspår Li ett seismiskt skifte i mjukvaruindustrin, där företag kommer att vara beroende av en elitgrupp av ingenjörer med en djupgående förståelse för avancerade AI-verktyg.
”De flesta mjukvaruutvecklingsteam som vi känner dem idag kommer att förändras. Istället för att ha stora team med hundratals utvecklare kommer vi att se små grupper på 10 till 20 personer som använder AI för att göra samma mängd arbete. Dessa team kommer att fokusera på att vägleda och kontrollera AI:s arbete snarare än att själva skriva kod.”
I slutändan, när det kommer till anställningar, bedömningar, arbetsplatsanciennitet, HR-frågor och vidareutveckling av kompetens, kanske de traditionella metoderna inte längre är funktionella eller relevanta och organisationer kan behöva tänka om hela den ekonomiska modellen för karriärer inom mjukvaruteknik.
