Przez dziesięciolecia twórca oprogramowania był postrzegany jako samotny architekt pochylony nad błyszczącym zintegrowanym środowiskiem programistycznym (IDE) i terminalem, tłumaczący złożoną logikę biznesową na tysiące linii składni. Sukces często mierzono zdolnością programisty do działania w roli żywego słownika poleceń i dokładnego debugera średników. Ale wkraczamy w nową erę. Wprowadzenie narzędzi agentowych i „kodowania wibracyjnego” wspomaganego sztuczną inteligencją zasadniczo zmienia przepływ pracy programistów. Jesteśmy świadkami powstania „klasy nadzorców” – zmiany, w której podstawową wartością programisty nie jest już ręczne tworzenie kodu, ale raczej orkiestracja wysokiego poziomu autonomicznych agentów.
Powstanie klasy nadzorczej
Rola dewelopera przechodzi na wyższy poziom. Wcześniej przepływ pracy obejmował zrozumienie potrzeb biznesowych, pisanie projektów wysokiego i niskiego poziomu, a następnie pisanie każdego wiersza kodu. Obecnie dwa ostatnie etapy w dużej mierze wykonują agenci. Programista żąda teraz systemu z celami i wymaganiami, umożliwiając agentowi wykonanie zadania.
W tej nowej rzeczywistości terminal staje się potężniejszym narzędziem niż tradycyjne narzędzia do tworzenia interfejsów użytkownika, ponieważ pełni rolę centrum nadzorującego pętle autonomiczne. Programista nie ogranicza się już do pisania; przeglądają, udoskonalają i kierują. Podstawowa propozycja wartości przesunęła się z zapamiętywania składni na stosowanie osądów wysokiego szczebla.
Śmierć składni i narodziny umiejętności agenta
W tym nowo opracowanym przepływie pracy zapamiętywanie 50 lub 60 konkretnych poleceń terminala nie stanowi już wąskiego gardła. Chociaż podstawowa wiedza na temat działania tych poleceń jest nadal konieczna, potrzeba zapamiętywania szczegółowej składni maleje. Zamiast tego branża przejmuje umiejętności agentów: modułowe instrukcje w języku naturalnym, które uczą agenta, jak uzupełniać własne luki w wiedzy.
Umiejętności agentów rozwiązują jedną z najbardziej utrzymujących się frustracji we wczesnym kodowaniu AI: problem „zapominania”. Standardowe podpowiedzi są przejściowe, a duże modele językowe (LLM) cierpią z powodu ograniczonych okien kontekstowych; Gdy rozmowa stanie się zbyt długa, model traci przewagę. Umiejętności agenta działają jak modułowa, indeksowana struktura, podobnie jak rozdziały w książce, umożliwiając agentowi uzyskanie jedynie określonej wiedzy potrzebnej do wykonania zadania. Pozwala to programistom na zbudowanie trwałego „drugiego mózgu” w repozytoriach projektów, zapewniając, że jeśli agent pozna najlepszą praktykę lub regułę architektoniczną specyficzną dla projektu, zachowa ją w przyszłości.
Kodowanie wibracyjne z poręczami
Przejście w kierunku kodowania wibracyjnego ma swoich sceptyków. Bez frameworka kodowanie jitter może prowadzić do niskiej jakości wyników AI, nazywanych „niechlujstwem”, w wyniku czego kod wygląda dobrze, ale nie spełnia standardów wydajności produkcyjnej ani bezpieczeństwa. Nowa architektura współpracy wymaga ponownego przemyślenia cyklu życia oprogramowania (SDLC) z wbudowanymi barierami ochronnymi. Przedsiębiorstwa włączają obecnie lintery, skanery bezpieczeństwa i deterministyczne przepływy pracy bezpośrednio do pętli agentów.
Potrzeba uporządkowanych podstaw jest powodem, dla którego mit, że platformy SaaS są nieistotne, kłóci się z rzeczywistością biznesową. Kiedy programiści kodują całą architekturę od zera, niechcący tworzą ogromny ukryty podatek: dużą powierzchnię surowego kodu, którą muszą następnie utrzymywać, zabezpieczać i obsługiwać. Wynikające z tego koszty ogólne zarządzania (poświęcanie czasu elitarnych inżynierów na korygowanie wyników i płacenie wysokich symbolicznych kosztów za bezpodstawne wskazania) ostatecznie przekraczają początkową szybkość tworzenia.
Platformy Agentic SaaS zapewniają niezbędne metadane i bezpieczną infrastrukturę, która umożliwia agentom wykonywanie zadań – od wsparcia rozliczeniowego po zapytania promocyjne – z precyzją potrzebną do produkcji. Umiejętności agenta pozostają cenne. Po wdrożeniu na platformie, na której istnieją już podstawy bezpieczeństwa i skalowalności, umiejętności agentów stają się dla programistów ogromnym narzędziem przyspieszającym szybkie budowanie wartościowych funkcji na platformie.
Zarządzaj zespołem subagentów
Codzienne życie współczesnego dewelopera coraz częściej upływa na zarządzaniu płaskim zespołem wyspecjalizowanych subagentów. Zamiast monolitycznego agenta AI programiści organizują sekwencyjne lub równoległe przepływy pracy między agentami specjalizującymi się w kodzie front-end, przeglądach bezpieczeństwa lub testowaniu.
Widzimy tę zmianę w sposobie, w jaki organizacje już skalują. Lennar, jedna z największych firm zajmujących się budową domów w USA, wdraża obecnie 1,1 miliona przepływów pracy dla agentów miesięcznie, aby utrzymać zaangażowanie większej liczby klientów, zwiększyć współczynniki konwersji i skrócić cykl sprzedaży. Podobnie producent tabletów papierowych reMarkable wprowadził na rynek swojego pierwszego agenta AI w ciągu zaledwie trzech tygodni; rozwiązało ponad 10 500 zapytań klientów, uzyskując wynik NPS porównywalny z zespołem wsparcia technicznego.
W takich firmach klasa nadzorcza programistów nie tylko pisze kod; Rozwijają umiejętności i poziomy orkiestracji, które pozwalają tym agentom funkcjonować jako płynne przedłużenie siły roboczej.
Od produktywności do jakości: nowe wskaźniki
Jeśli agent może wygenerować 1000 linii kodu w dziesięć sekund, liczba linii kodu i surowa prędkość nie są już znaczącymi wskaźnikami produktywności programisty. W rzeczywistości więcej kodu często oznacza większą powierzchnię dla błędów.
Powinniśmy skupić się na Agentic Work Unit, czyli odrębnym zadaniu wykonywanym przez agenta AI. W Salesforce nasze własne wdrożenie agentów podkreśla tę zmianę. Nasi agenci pomocy technicznej zajmują się obecnie 96% spraw samodzielnie, a zaoszczędziliśmy sprzedawcom ponad 50 000 godzin, umożliwiając agentom „zarządzanie” sprzedażą.
Dla programistów agentyczna jednostka pracy oznacza mierzenie, w jaki sposób mogą wykorzystać agentów do rozwiązywania złożonych problemów przy minimalnym tarciu. Sukces należy mierzyć jakością oprogramowania: Czy zmniejszyliśmy liczbę błędów? Czy architektura jest bardziej odporna? Czy dostarczamy funkcje, które faktycznie rozwiązują problemy użytkowników, a nie tylko zapełniają repozytoria?
Odchodząc od zużycia tokenów jako miernika w kierunku jakości pracy, pozwalamy programistom skoncentrować się na tym, co ludzie robią najlepiej: ocenianiu, stosowaniu empatii do potrzeb użytkowników i projektowaniu systemów, które są zbudowane z myślą o trwałości.
Trwała konieczność ludzkiej intencji
Jesteśmy na początku tego przejścia, co przypomina czasy, gdy programiści zaczęli udostępniać moduły w Menedżerze pakietów Node (NPM) lub Maven. Wkrótce będziemy świadkami globalnej „wymiany umiejętności agentów”, podczas której programiści będą udostępniać agentom modułowe instrukcje dotyczące wszystkiego, od blogowania technicznego, przez SEO, po złożoną logikę algorytmiczną.
Przyszłość należy do programisty, który opanuje umiejętność rozkładania ludzkiego doświadczenia na umiejętności agenta wielokrotnego użytku. Deweloperzy, przyjmując rolę nadzorcy, nie są zastępowani. W końcu uwalniają się od ciężkiej pracy związanej ze składnią i skupiają się na jednej rzeczy, której sztuczna inteligencja nie jest w stanie odtworzyć: ocenie wysokiego szczebla potrzebnej do budowania przyszłości oprogramowania.
Opinie wyrażane w komentarzach Fortune.com są wyłącznie poglądami ich autorów i niekoniecznie odzwierciedlają opinie i przekonania Fortune.
