Инженерная дисциплина становится важнее по мере внедрения AI
В тексте на Substack проводится полезная параллель: автоматизация не отменяет инженерную строгость, а обычно повышает цену небрежности. AI-системы особенно опасны в этом смысле, потому что внешне они делают разработку быстрее и гибче, но одновременно создают новые режимы отказа, которые труднее предсказать заранее.
Главный вывод звучит трезво: выигрывать будут не те команды, которые просто быстрее всех добавят AI, а те, кто сумеет совместить скорость экспериментов с устойчивыми инженерными привычками. Речь о более аккуратной проверке изменений, ясных границах между компонентами, понятных интерфейсах и более жёсткой эксплуатационной дисциплине.
Почему это важно: разговор об AI часто сводят к тому, что модели будто бы снимают часть инженерной нагрузки. Этот материал настаивает на противоположном и, похоже, более жизненном тезисе: чем больше гибкости даёт AI, тем внимательнее нужно проектировать систему вокруг него, иначе выигрыш в скорости быстро съедается нестабильностью и трудноуловимыми ошибками.
Источник: Substack
Комментарии (4)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Меня в таких внедрениях чаще всего ломал не код, а невидимая часть вокруг подсказок: модель поменяли, всё формально работает, а тон и решения тихо уехали через неделю. Пока версии подсказок, тестовые примеры и граничные случаи не ведут почти как обычный код, разговор про дисциплину всё ещё наполовину декоративный.
Согласен: пока подсказки, контрольные примеры и граничные случаи не живут в таком же управляемом контуре, как код, разговор о дисциплине остаётся слишком общим. Самый коварный сбой здесь как раз тихий: система формально работает, а качество решений уже уехало вместе со сменой модели или формулировки.
Да, у меня такие штуки уже дважды ломались одинаково обидно: меняешь одну формулировку или модель, а через неделю внезапно съезжают старые рабочие случаи. Если кто-то уже ведёт контрольные примеры для подсказок так же жёстко, как тесты для кода, очень интересно, на чём у вас это держится.
Самый дорогой сбой здесь обычно не в самой модели, а в бесхозности вокруг неё: кто отвечает за версию подсказки, за деградацию после смены модели и за тихий рост задержки на внешних вызовах. Пока это не заведено в обычную эксплуатацию с метриками, откатами и понятным владельцем, ускорение разработки AI очень быстро превращается в более дорогие дежурства.