Czy tradycyjne inżynieria oprogramowania umarła? „Czy to oznacza, że tradycyjna inżynieria oprogramowania umarła? Absolutnie nie. Inżynierowie oprogramowania — nawet ci, którzy niekoniecznie dostrajają lub trenują modele AI — są teraz jednymi z najbardziej wykorzystywanych ludzi na ziemi. Oczywiście, ci, którzy trenują i dostrajają modele, są jeszcze bardziej wykorzystywani, ponieważ budują zestaw narzędzi, z którego korzystają inżynierowie oprogramowania. Ale inżynierowie oprogramowania wciąż mają dwie ogromne przewagi nad tobą. Po pierwsze, myślą w kodzie, więc naprawdę wiedzą, co się dzieje pod spodem. A wszystkie abstrakcje są nieszczelne. Więc kiedy masz komputer programujący za ciebie — kiedy masz Claude Code lub równoważne programowanie za ciebie — popełni błędy. Będzie miał błędy. Będzie miał suboptymalną architekturę. Więc nie będzie do końca poprawny. A ktoś, kto rozumie, co się dzieje pod spodem, będzie w stanie załatać nieszczelności, gdy się pojawią. Więc jeśli chcesz zbudować dobrze zaprojektowaną aplikację, jeśli chcesz być w stanie nawet określić dobrze zaprojektowaną aplikację, jeśli chcesz, aby działała z wysoką wydajnością, jeśli chcesz, aby dawała z siebie wszystko, jeśli chcesz wcześnie wychwytywać błędy, to będziesz chciał mieć tło inżynierii oprogramowania. Tradycyjny inżynier oprogramowania będzie w stanie lepiej korzystać z tych narzędzi. A wciąż istnieje wiele rodzajów problemów w inżynierii oprogramowania, które są poza zakresem tych programów AI dzisiaj. Najłatwiej myśleć o tych problemach jako o problemach, które są poza ich rozkładem danych. Na przykład, jeśli muszą wykonać sortowanie binarne lub odwrócić listę powiązaną, widzieli niezliczone przykłady tego, więc są w tym niezwykle dobrzy. Ale kiedy zaczynasz wychodzić poza ich domenę — gdzie musisz pisać bardzo wydajny kod, kiedy działasz na architekturach, które są nowe lub zupełnie nowe, kiedy faktycznie tworzysz nowe rzeczy lub rozwiązujesz nowe problemy, to wciąż musisz tam wejść i ręcznie to zakodować. Przynajmniej do momentu, gdy będzie tak wiele tych przykładów, że nowe modele można na nich trenować, lub do momentu, gdy te modele będą w stanie wystarczająco rozumować na jeszcze wyższych poziomach abstrakcji i rozwiązać to samodzielnie… I pamiętaj: nie ma popytu na przeciętność. Przeciętna aplikacja — nikt jej nie chce, przynajmniej dopóki nie wypełnia jakiejś niszy, która jest zajęta przez lepszą aplikację. Aplikacja, która jest lepsza, wygra praktycznie sto procent rynku. Może jest jakiś mały procent, który przejdzie do drugiej najlepszej aplikacji, ponieważ robi jakąś małą funkcję lepiej niż główna aplikacja, lub jest tańsza, lub coś w tym stylu. Ale ogólnie rzecz biorąc, ludzie chcą tylko najlepszego ze wszystkiego. Więc zła wiadomość jest taka, że nie ma sensu być drugim lub trzecim — jak w słynnej scenie z Glengarry Glen Ross, gdzie Alec Baldwin mówi: „Pierwsze miejsce dostaje Cadillaca Eldorado, drugie miejsce dostaje zestaw noży do steków, a trzecie miejsce jesteś zwolniony.” To absolutnie prawda w tych rynkach, gdzie wygrywa najlepszy. To zła wiadomość: musisz być najlepszy w czymś, jeśli chcesz wygrać. Jednak zestaw rzeczy, w których możesz być najlepszy, jest nieskończony. Zawsze możesz znaleźć jakąś niszę, która jest idealna dla ciebie, i możesz być najlepszy w tej rzeczy. To wraca do mojego starego tweeta, w którym powiedziałem: „Zostań najlepszym na świecie w tym, co robisz. Nieustannie redefiniuj to, co robisz, aż to będzie prawdą.” I myślę, że to wciąż ma zastosowanie w tej erze AI.