חברות מתנסות ביכולת של AI Generative ליצור קוד מחשב כבר כמה שנים. אז איך זה הולך? חברות כמו Meta רמזו כי תוך מספר שנים, ככל הנראה, מהנדסי תוכנה ברמה הבינונית יוחלפו על ידי אוטומציה.
אז האם הטכנולוגיה באמת כל כך טובה, או האם מהנדסי תוכנה צריכים למקד מחדש את מערכות המיומנות שלהם כדי לעבוד עם AI Generative? אנו הולכים לדון בעתיד הקידוד בפרק זה של היום ב- Tech.
אני חושב שרצינו לעשות את הפרק הזה מכיוון ששמענו הרבה חדשות-במיוחד עם מארק צוקרברג שעולה לאחרונה לכותרות על כל נושא המהנדס הבינוני הזה. אני רוצה לקרוא לזה שטויות, אבל נראה מה כולכם חושבים.
ורציתי לבדוק את מצב הקידוד מבחינת חברות ועסקים. אז האם יש לרוב החברות שעבדת איתן אימצה AI Generative AI בתהליכים שלהן? או שיש עדיין הרבה ניסויים? בואו נקבע את קו הבסיס.
מורלי, אני אתחיל איתך - מה אתה רואה?
Murali: אז יש הרבה חברות המאמצות AI Generative, זה בטוח. זה נתפס כבעלת ברית עוצמתית. אבל קית ', אני רוצה להתייחס לשאלה שהעלאת תחילה. יש נרטיב הולך וגובר כי AI הגנריטיבית תפחית את הביקוש לכישורי טכנולוגיה מסורתיים.
אבל אם אתה מסתכל על מגמות היסטוריות - ומחקר השוק שלנו - הנתונים מספרים סיפור אחר לגמרי. אם אתה חושב חזרה למהפכת המחשבים או לעליית האינטרנט, שניהם נעולים לחלוטין תעשיות ותפקידים חדשים. אנו מאמינים ש- AI הגנריטיבית הולכת לעשות את אותו הדבר.
למעשה, אנו חושבים שזה יגביר באופן אקספוננציאלי את הביקוש לאנשים עם כישורים טכניים חזקים ככל שמתעוררים מודלים והזדמנויות עסקיות חדשות.
וכאן ב- Missionoft - אנו בונים תוכן למידה ועובדים בשיתוף פעולה הדוק עם מפעלים גדולים ברחבי העולם. אנו מבצעים הרבה מחקר סביב מיומנויות, משכורות ומגמות. מרחב זה הוא אחד הקריטיים ביותר בענף, עם כמה מהמרוויחים הגבוהים ביותר שם.
מה שמספר עוד יותר הוא שלארגוני ה- IT רבים יש צורך דחוף להעלות את הצוותים שלהם, מה שמדגיש את הערך ואת הביקוש לכישרון טכני. אנו מאמינים מאוד שזה לא ישתנה בקרוב.
ארן, מה אתה רואה בחלק שלך בענף?
כן, אני חושב שיש אי הבנה בתפקיד של מהנדס תוכנה ואיזה עבודה באמת כרוכה. זה אף פעם לא היה רק על כתיבת קוד. התפקיד הוא לפתור בעיות עסקיות באמצעות תוכנה. זה לא הולך להשתנות.
בין אם אנו משתמשים בעזרה מסוכני AI או כלי אוטומציה כדי ליצור חלק מהקוד הזה - זה בסדר. זה הופך אותנו לפרודוקטיביים יותר. אבל תפקידו של מהנדס התוכנה חי וקיים, וכפי שאמר מוסרי, נצטרך עוד יותר מהם.
כרגע עלינו לפקח על AIS אלה שיכולים ליצור קוד. האם יש הבדל בין מה שאני חושב עליו כקידוד ברמת כניסה לבין מהנדס תוכנה? לדוגמה, אם אתה פשוט מחוץ לקולג ', אתה בטח מתחיל כקידוד ברמת כניסה.
אנו מכסים את מרחב עבודות ה- IT ושמענו, באופן אנקדוטי, שחברות אינן שוכרות או מחליפות קודנים רבים ברמת כניסה.
לכן, בעוד שעדיין נדרשים מהנדסי תוכנה לכל העבודות ברמה הגבוהה יותר, נראה כי חברות מאמינות שהן יכולות לדלג על שכירות קודרים על ידי כך שהמהנדסי התוכנה ישתמשו ב- AI כדי לייצר קוד בסיס ואז לנקות אותו. או שאתה רואה משהו שונה? לא, תודה.
אז, שכרנו הרבה אנשים ב- Clessionoft. פתחנו תפקידים רבים בצוותי הטכנולוגיה שלנו. אני רואה חברות אחרות שעושות אותו דבר. כן, יש קצת פחד ש- AI גנריטיבית תחליף מקומות עבודה, ואני חושב שחברות מסוימות האטו את הגיוס, במיוחד לתפקידים ברמת הכניסה.
למעשה, לאחרונה פרסמנו כמה עמדות סטאז ', ותוך יום אחד קיבלנו כ -700 מועמדים. זה מעולם לא קרה לפני כן. אני חושב שזה נובע מהנרטיב הנוכחי. אנשים עדיין מנסים להבין את כל זה.
אבל אני חושב שיהיה ברור שלמידה לקוד היא מיומנות בסיסית - כמו לימוד מתמטיקה. למרות שאנו משתמשים במחשבים ובגיליונות אלקטרוניים עכשיו, לא הפסקנו ללמד מתמטיקה. זה אותו דבר עם קידוד.
כן, כלי AI יכולים ליצור קוד אפקטיבי, אך אתה עדיין זקוק למהנדסים שיכולים להשתמש בקוד זה כמו שצריך - שחושבים באופן הגיוני, לפתור בעיות ולהבין כיצד מערכות עובדות. ואם אתה לא שוכר מהנדסים זוטרים, איך הם יקבלו ניסיון? איך הארגון שלך יגדל? הכל מחובר.
אני חושב שקורה גם שינוי הלך הרוח. אפילו מהנדסים זוטרים צריכים להתחיל לחשוב כמו מנהלי צוות או מנהלי DEV, מכיוון שהם בעצם מנהלים צוות של סוכני AI. הם מתכננים משימות, מפרקים אותם לחתיכות קטנות יותר עבור ה- AI לטפל ואז בוחנים את התוצאות.
זה בהחלט אתגר, במיוחד עבור מהנדסים זוטרים שמקבלים קוד מכלים כמו טבנין - איך הם יכולים לסמוך על מה שנוצר אם הם לא מבינים את זה לגמרי? זהו שינוי הלך הרוח החול על פני הלוח, אך מהנדסים בכירים מוכנים אליו יותר.
הציפייה החדשה היא שאפילו מהנדסים ברמת הכניסה צריכים להתחיל לחשוב כך. האם רוב המהנדסים שאתה מדבר איתם אימוץ הלך הרוח הזה? האם הם מחבקים את הטכנולוגיה, או שהם עדיין רואים ב- AI הגורטיבי כאיום?
היה לנו פחד דומה בצד התקשורתי, במיוחד עם כתיבה - ייצור מאמרים, פוסטים בבלוג וכן הלאה. אבל אני חושב שרובנו עכשיו קיבלנו את זה. אנו משתמשים בו כנקודת מוצא ומעודדים משם.
הרבה מהתכנים שנוצרו על ידי AI-במיוחד לדברים כמו פוסטים במדיה החברתית-הם למעשה די טובים ומסייעים להפחתת משימות חוזרות ונשנות. האם זה אותו דבר בצד הקידוד? או שיש עדיין פחד או התנגדות? ארן, נתחיל איתך. לא, אני לא חושב שיש מערכת יחסים ירידה - רק ההפך.
אנשים שורשים לכלים אלה להצליח ולדחוף את גבולותיהם. ממש כמו בכתיבה, האנשים שמקבלים את הערך הכי הרבה הם אלה שהבינו איפה הכלים עובדים טוב ואיפה הם לא.
מהנדסים טובים יודעים מתי להשתמש ב- AI ומתי לכתוב קוד בעצמם. הם מפתחים סוג של אינטואיציה - לדעת כשמשהו יכול להיות אוטומטי וכאשר הוא לא יכול. המהנדסים הטובים מחבקים זאת ומשתמשים בו בצורה יעילה.
מורלי, אתה רואה את אותו הדבר - אנשים מחבקים אותו, או עדיין בוחרים ובוחרים מתי להשתמש בו?
זו מיומנות חזקה, ממש כמו כל אחד אחר. בתחילה היה היסוס כלשהו. כשאתה כותב קוד פיתוח מוצר, אתה עושה את זה על סמך המפרט שלך, הדרישות שלך, בסיס הקוד שלך - יש לו סגנון מסוים. אולם כלים אלה הפכו טובים יותר באופן משמעותי בתקופה האחרונה.
ובכל זאת, כמו רוב הדברים, זו חרב פיפיות. כלי AI יכולים לעזור לאנשים לעבוד מהר יותר וללמוד מהר יותר. אבל יש אתגרים וסיכונים - אבטחה, ציות, דיוק - אז אתה צריך להיות מודע לאלה בעת השימוש בכלים אלה.
אז נראה כי ההתפתחות הבאה במרחב זה היא דיוק. האם חברות מרוצות עד כמה כלים אלה מדויקים? ראיתי ביקורות בכל המפה - יש אומרים ש- LLM מסוים הוא נהדר, אחרים אומרים שזה עדיין רע בקידוד.
אולי לא נורא, אבל אתה עדיין צריך אנושי כדי לבדוק את התוצאות. אין ספק שאף אחד לא אומר שהקוד שנוצר על ידי AI מושלם ואינו זקוק לבדיקה, נכון? איפה אנחנו עם דיוק? יָמִינָה.
בכל יום יש מודל חדש או שיפור - מבוסס על חוקי קנה מידה, היכולות של מערכות אלה ממשיכות להתפתח במהירות. אבל האופי המהותי של LLM פירושו שאם הקלט הראשוני אינו מספיק טוב, אתה יכול בסופו של דבר עם משהו מאוד לא מדויק או אפילו פגום ביסודו.
אתה יכול לבנות מוצר שלם שיש לו פגמים עמוקים - לא רק שורה של קוד או פונקציה פשוטה. אז כן, יש סיכון עצום. וזה חוזר למפתחים. אתה זקוק לניהול שינויים והדרכה חזקים כדי להשתמש בכלים אלה ביעילות.
לעתים קרובות אני משתמש באנלוגיה זו: אם מישהו נותן לי פרארי או מכונית F1, אני לא אוכל לנהוג בזה טוב. זה אותו דבר עם AI. אתה יכול לקבל את המערכת הכי מתוחכמת, אבל היא טובה רק כמו "הנהג" - המפתח המשתמש בה.
אז כן, תפקידי המפתחים ימשיכו להתפתח. האם זה הוגן לומר אז ש- AI הגנריטיבית משמשת בצורה הטובה ביותר כנקודת מוצא? זה מייצר קוד, ואז סוקר אנושי ומציין אותו?
וככל שהדברים הופכים מורכבים יותר, האם AI עובר רק מיצירת קוד לבדיקתו בפועל - חידוש באגים או מיטוב הביצועים? בְּהֶחלֵט.
יש כאן כמה היבטים. ראשית, הזכרת דיוק. אבל דיוק LLM הוא רק חתיכה אחת מהפאזל. LLMs הם חלק ממערכת רחבה יותר התומכת במפתחים.
הרבה מההצלחה של המערכת תלויה במתן ההקשר הנכון ל- LLM - מה שהופך אותה למודעת ארגונית כך שהיא עוקבת אחר הסטנדרטים שלך, משתמשת בספריות שלך וכותבת קוד שמתאים לסגנון שלך.
בימים הראשונים - אולי לפני 18 חודשים - זה היה מספיק מרשים כדי שה- AI יוכל לכתוב קוד בכלל. עכשיו, אנו שואלים שאלות עמוקות יותר: האם הקוד טוב? מי ישמור על זה? אנו מייצרים קוד רב מתמיד. אז מי הולך לסקור את זה? וודא שהוא נבדק כראוי?
מי הולך לתקן את זה כשזה נכשל בייצור בערב שישי? אז כן, צוואר הבקבוק עבר מייצור קוד לביקורת קוד. עלינו לקבוע את התהליך הזה גם באמצעות AI. אחרת, הפרודוקטיביות עדיין מוגבלת.
לאחרונה היה מאמר ב"גרדיאן "בו ביקשו מ- AI דנקי לשחזר את משחק ה- PAC-Man. זה פשוט, נכון? קוד שנות השמונים. אבל רבים מה- LLMs נכשלו כישלון חרוץ. האם אנחנו עדיין לא מוכנים לרמה זו של יצירת קוד? או שזה יותר כותרת ClickBait?
כֵּן.
בניית מוצר שונה מאוד מבניית משהו כמו פאק-מן. יש מגמה ביוטיוב שנקראת כעת "קידוד Vibe", שם אנשים מבקשים מ- AI לבנות משחקים כמו סימולטורים טיסה או נחשים וסולמות. זה כיף ומבדר - אבל זה רק מימד אחד.
אם הקוד שנוצר אינו עומד בדרישות שלך לביצועים, מדרגיות או תחזוקה, הוא לא שימושי במיוחד. עם זאת, AI של Generative מצוין במשימות כמו סקירת בקשות משיכה, מציאת באגים, תיעוד קוד או כתיבת מבחני יחידות. עבור המשימות הללו, זה יעיל ביותר. זה פותח הזדמנויות ענק.
עם כלים טובים יותר, נוכל לבנות מוצרים טובים יותר מהר יותר. ועבור אנשים שלא תפסו את זה קודם - קראת לזה "קידוד אווירה". אתה יכול להסביר את זה קצת? בַּטוּחַ. הקלדתי אותו ל- AI של גוגל וקיבלתי תגובה.
זה הטרנד האחרון בו אנשים מתארים את מה שהם רוצים בשפה רגילה, וה- AI מייצר את הקוד. למפתח מיומן באופן מסורתי, זה אולי נשמע כמו סיוט. אבל זה פותח קידוד לבלתי מתכנתים. האם זה רק ניסוי מהנה, או שיש מאחוריו משהו רציני?
עדיין לא בטוח. כרגע זה בעיקר רק בשביל הכיף. אולי ארן ראה שהוא משמש בייצור, אבל ממה שראיתי, זה בעיקר אבות -טיפוס. ארן, אתה מקבל ויברציות טובות מקידוד Vibe?
אני חושב ש"קידוד האווירה "פירושו במקור קידוד מבלי להסתכל על הקוד - פשוט כתיבת הנחיות ומקווה שזה יעבוד. לא ככה הייתי רוצה שקוד ייצור ייעשה. אבל לפרויקטים של אבות -טיפוס או תחביב? בַּטוּחַ. זה שימושי. המונח נסחף.
עכשיו זה משמש לכל פיתוח AI בסיוע, גם אם אתה מסתכל על הקוד. זה נהדר לאפשר לחובבים או שאינם מפתחים לבנות דברים מגניבים. אולם בניית מערכות ארגוניות עדיין דורשות ארכיטקטורה אמיתית והבנה עמוקה - קידוד האווירה אינו מתייחס.
כמו כן, קידוד Vibe לא עוזר כשמשהו נשבר בייצור. ניפוי באגים דורש רמת הקפדה שונה לחלוטין. יָמִינָה.
ובצד העסקי דיברנו בעבר על "מפתחי אזרחים". אבל זה מרגיש כאילו "מפתח אזרחים" הפך כעת ל"קודם האווירה ". זה נשמע מאוד Gen Z. אם נגיע לנקודה בה "קידוד Vibe" הופך להיות "קידוד Rizz", אולי אצטרך לקפוץ מבניין.
אני גם לא מוכן ל"ניפוי באגים של Vibe. " עם זאת, יש כאן נקודה אמיתית: מפתחי אזרחים יוכלו לעזור להתמודד עם פרויקטים קטנים יותר שלנדסים בכירים אין להם זמן. זה יכול לעבוד, נכון? בְּהֶחלֵט.
קידוד Vibe נהדר לאב -טיפוס. חלק גדול מתפקידו של כל מהנדס תוכנה - ג'וניור או בכיר - מגלה מה המפרט בפועל. מנהלי מוצרים נותנים יעדים ברמה גבוהה, והמהנדס צריך לשחק סביב, לדמיין פתרונות ולהבהיר את הדרישות. קידוד Vibe יכול לעזור לשם.
השתמש בו כדי לבנות אב -טיפוס, ראה מה עובד ואז חזור ובנה אותו כראוי. זה שימוש נהדר בטכנולוגיה. וזה מוביל אותי לשאלה גדולה יותר לגבי הדור הבא של המפתחים.
בשנות ה -80, אנשים במדעי המחשב נאלצו ללמוד שפות תכנות מרובות. הם בילו שעות במעבדת המחשבים. האם הכל נעלם עכשיו? האם אנחנו פשוט הולכים ללמד את התלמידים כיצד להשתמש ב- AI? האם הם בכלל צריכים ללמוד שפות יותר?
מורלי, בואו נתחיל איתך. שאלה נהדרת.
אחזור על מה שאמרתי קודם: קידוד זה כמו מתמטיקה. כאשר אנו מלמדים קידוד, אנו מלמדים כיצד לפרק בעיות באופן הגיוני, לפשט אותן ולפתור אותן. מכונות עדיין חסרות שכל ישר - הם לא מבינים את העולם כמו שבני אדם עושים.
אז אתה זקוק לבני אדם שמבינים הקשר עסקי, חשיבה מערכות וכיצד לקשור יצירות שונות יחד. כן, השפה הספציפית עשויה להיות חשובה פחות. אבל אתה עדיין צריך ללמוד לפחות באר אחת - אולי פייתון - אז אתה יכול לקרוא ולהעריך קוד, במיוחד כאשר AI מייצר אותו.
אתה צריך להבין מה זה עושה והאם זה נכון.
אז אתה אומר שתכנית הלימודים אולי לא תשתנה כל כך? או שנמשיך ללמד את היסודות ופשוט לסמוך על מכונות לתרגום בין שפות במידת הצורך? בְּדִיוּק.
ואני יכול לדבר עם זה ישירות - מתרחש ב- CTO בטאבנין, אני גם פרופסור למדעי המחשב ב- Techbeyond בישראל. הנה האמת: באוניברסיטה, אנחנו כמעט לא מלמדים קידוד בכלל. אנו מלמדים יסודות-חשיבה קריטית, מתמטיקה, פתרון בעיות, חשיבה אדריכלית. הדברים האלה לא הולכים לשום מקום.
אנחנו לא ממש מלמדים תחביר שפה. אנו עשויים למסור לתלמידים ספר תכנות C ולומר, "להבין את זה." אנו מלמדים אותם לקרוא את הספר ולא את הספר עצמו. אז כן, פרטי השפה הופכים פחות חשובים.
הייתי פעם מומחה ב- C ++, אבל עכשיו אני לא צריך לדאוג לכל פרטי התחביר הקטנים - איי יכול לעזור בזה. אבל השאר-ארכיטקטורה, היגיון, פתרון בעיות-זה לא נעלם. טוב אמר.
ואני פשוט אוסיף - התקשורת הופכת להיות חשובה עוד יותר. אם אינך מבטא את ההנחיות שלך בבירור, ה- AI עלול להבין אותך לא נכון. אפילו מבנה דקדוק ומשפט יכולים להשפיע על התוצאות. לכן, תשומת הלב לפרטים הקטנים ומיומנויות התקשורת החזקות הולכות להיות מכריעות.
אז אם נתחיל להדגיש את התחביר השפה ונעביר את זה ל- AI, אנשים הולכים לשאול: "האם AI הולך לגרום לנו לטפל?" שמענו טיעונים דומים על גוגל - האם השימוש בה כדי למצוא תשובות הופכות אותנו לחכמים יותר או לעזירים יותר?
זו נקודה נהדרת. יש לי שני ילדים, וכן, אולי אני יכול לעשות מתמטיקה מהר מהם - אבל הם חכמים יותר בדרכים אחרות. יש להם סוגים שונים של מיומנויות - כמו יצירתיות או אינטואיציה. זה לא קשור להיות מטופש או חכם יותר. זה על פיתוח מערך המיומנות.
ולהוסיף - קומפניות כמו מיומסופט עדיין מלמדות שפות תכנות. כך שגם אם אוניברסיטאות לא מתמקדות בזה, אנשים עדיין לומדים שפות כמו פייתון או צומת דרך קורסים, YouTube או אנחנו. יש עדיין ביקוש חזק. כן, וזה לא נעלם במהירות.
מישהו עדיין צריך לבדוק את מה שה- AI מייצר. אתה צריך להבין את זה, לשמור עליו ולשפר אותו. אם אתה בכלל לא מכיר את פייתון, איך אתה מתכוון לספר ל- AI מה אתה רוצה? או לבדוק אם זה עשה את זה נכון? בְּדִיוּק.
מפתחים צריכים כעת לפתח מיומנויות מנהיגות וניהול. תקשורת, סקירה ביקורתית, תשומת לב לפרטים - אלה חיוניים. גם אם AI כותב את הקוד, אתה צריך להבין מה הוא עושה.
ובאופן אידיאלי, AI תבדוק את הקוד שלך וייתן אגודל, נכון? אבל זה לא יכול לעשות זאת אלא אם כן יש לו מפרט ברור - ואף אחד לא כותב אף פעם. יצירת המפרט המלא הזה לרוב קשה יותר מכתיבת הקוד עצמו.
לכן, מפתחים עדיין צריכים להבין את ההתנהגות, לסקור את התפוקה ולחזור. הבנת מה נבנה - ומדוע - היא עדיין מיומנות ביקורתית.
אז זה נשמע כאילו הגענו לקונצנזוס כללי: AI Generative הוא נהדר לייצר ולסקור קוד, אבל אתה עדיין זקוק לאדם בלולאה. ככל שהטכנולוגיה מתפתחת, אנו מתחילים לראות AI סוכן - מערכות שאינן רק מבצעות משימה אחת, אלא יכולות להשלים רצפים שלמים.
האם אנו רואים שגם בצד הקידוד? כלים שיכולים ליצור קוד, לבדוק אותו, אולי אפילו לפרוס אותו? כן - אנחנו כבר שם. בטבנין, סוכנים עושים דברים מתוחכמים מאוד. אתה באמת יכול להאיץ את ההתפתחות שלך איתם.
אבל בסופו של דבר, רק האדם יודע מה צריך לעשות. אתה עדיין מנחה את הסוכנים האלה. האתגר הוא במפרט - מתאר את מה שאתה רוצה בבירור ושכלל אותו באופן איטרטיבי עם ה- AI.
זה לא כאילו שאתה כותב מפרט בן 200 עמודים, לחץ על כפתור וכל האפליקציה בנויה. זה הרבה יותר תהליך הלוך ושוב.
מורלי, אתה רואה את אותו הדבר? בְּהֶחלֵט. אנו בונים סוכנים בשנה וחצי האחרונים, ואנחנו משתמשים בהם במשימות שונות - מתכנות ליצירת תוכן. אבל כן, אדם עדיין צריך להיות בלולאה.
אנו קוראים לזה "אינטליגנציה משותפת." השבוע אני נמצא ברוצ'סטר שנפגש עם הצוות, ודיברנו על איך סוכנים אלה יכולים לשתף פעולה כדי להשיג יעדים עסקיים. פיתוח תוכנה עדיין נוגע לרעיון, שיתוף פעולה ופתרון בעיות יחד. קידוד הוא רק חלק קטן מהתפקיד.
בסדר, אז בואו נחזור להערותיו של צוקרברג על מהנדסים ברמה הבינונית. אתה חושב שהוא פשוט ניסה לנער את העניינים ולעורר שיחה? או שזה באמת לאן פונים אלינו? ישנן הצהרות דומות שמגיעות גם מחברות גדולות אחרות.
אבל מישהו ציין - אם סוכנים מחליפים מהנדסים, מדוע לחברות אלה עדיין יש אלפי פרסומי עבודה? הם חותכים כמה עבודות, כן, אבל הם עדיין שוכרים באגרסיביות. מטא ואחרים ממשיכים להעסיק מהנדסים.
אז במרחב הזה, האם אתה עדיין רואה מחסור בעבודה? בְּהֶחלֵט.
הסקרים שלנו מראים כי למעלה מ- 50% מהארגונים נאבקים עם חוסר כישרון טק. אפילו עם כלים של AI, עדיין יש פער מיומנויות ענק - והזדמנות גדולה לשימוש ולהתמיד מחדש.
אפילו עדיין לא דיברנו על התאוששות מחדש. אבל זה הולך להיות מגמה גדולה - אנשים המשתמשים ב- AI כדי להפוך 50% מהעבודה שלהם ואז ללמוד מיומנויות חדשות כדי להישאר בעלות ערך. כֵּן!
בעוד כמה שנים, מפתח התוכנה הטיפוסי עשוי להקדיש זמן רב יותר לשיחות עם לקוחות, בתיאום בין צוותים ולתפוס כמו בעל מוצר. תפקידים חדשים ייווצרו בין מנהלי מוצרים למפתחים בכירים. הקווים האלה כבר מתחילים לטשטש.
אז אולי כותרת התפקיד החדש שלי תהיה "מנהל פרויקטים של קידוד VIBE." אני אשב בכיסא טרקלין עם משקה, ומכוון את צוות ה- AI שלי. פשוט לזרוק ויברציות. חום!
שדרן VIBE. או אולי ... "גלגלי האווירה." זה יכול להיות התפקיד החדש. רבותיי, תודה רבה שהיית בתוכנית. זו הייתה שיחה נהדרת. אני מאוד מעריך שאתה נותן לנו את התובנה הזו לגבי מצב הקידוד ו- AI.
תודה שיש לנו אותנו. אהבתי את זה!
זה הולך לעשות את זה לפרק השבוע של היום ב- Tech. הקפד לאהוב את הסרטון, להירשם לערוץ ולהשאיר את המחשבות שלך למטה. הצטרפו אלינו כל שבוע לפרקים חדשים של היום בטק. אני קית 'שו - תודה על הצפייה!
