چرا ChatGPT کدنویس ها را نمی کشد؟

In
آیا ChatGPT کدنویس ها را می کشد؟، ما بسیاری از سرکوبگرهای تقاضا را که تهدید به کشتن مشاغل کدنویس ها بودند، بررسی کردیم. ما همچنین به DEMAND STIMULANTS اشاره کردیم که با افزایش تقاضا برای کدگذارها به عنوان وزنه تعادل عمل می کنند.

در این پست به بررسی عمیق آن خواهیم پرداخت محرک های تقاضا.

محرک‌های تقاضا که شامل پارادایم‌ها و بازارهای محاسباتی جدید می‌شوند، نه تنها از کاهش مشاغل کدنویسی جلوگیری می‌کنند، بلکه تعداد کارمندان را افزایش می‌دهند.

پارادایم های محاسباتی جدید

هرکسی که در دو دهه گذشته یا بیشتر صنعت فناوری اطلاعات را دنبال کرده باشد، امواج بسیاری از پارادایم‌های محاسباتی مانند وب، موبایل، اجتماعی، ابر و بلاک چین را در کنار رشد ERP، RAD، AI و سایر سرکوب‌کننده‌های تقاضا مشاهده کرده است. پست قبلی.

هر موج جدیدی از پارادایم محاسباتی تقاضای جدیدی برای کدنویس ها ایجاد می کرد.

• وب: بخش قابل توجهی از ERP مبتنی بر معماری مشتری-سرور باید برای پشتیبانی از تراکنش های مبتنی بر اینترنت با تامین کنندگان، مشتریان و سایر ذینفعان گسترش یابد.
• تلفن همراه: بسیاری از برنامه‌های کاربردی موجود مانند CRM باید «بسیج» شوند (یا اگر ترجیح می‌دهید «موبی‌شده» شوند).
• Cloud: برنامه‌های Onprem باید به ابرهای مقیاس‌پذیر مانند AWS، Azure و Oracle Cloud Infrastructure منتقل می‌شدند.

Gen AI آخرین موج است. با خودکار کردن کدگذاری تا حدی، تقاضا برای کدنویس ها را سرکوب می کند. با این حال، با نیاز به آموزش هوش مصنوعی در مورد داده های خاص صنعت و شرکت - همانطور که اوراکل آن را "آموزش آخرین مایل" می نامد - هوش مصنوعی ژنرال نیز تقاضا برای کدنویس ها را تحریک می کند.

بازارهای جدید

در طول دهه‌ها، ما شاهد رشد قارچ گونه شرکت‌های تولید نرم‌افزار و شرکت‌های SAAS، و امواج تحول دیجیتال و فناوری مصرف‌کننده بوده‌ایم.

آنها بازارهای جدیدی را برای مشاغل کدنویسی ایجاد کردند مانند:

• سازمان های مهندسی شرکت های COTS (تجاری خارج از قفسه) و SAAS
• فروشندگان ابزار (RAD / Low Code) از جمله نرم افزار منبع باز و افزونه های وردپرس.
• توسعه دهندگان پلتفرم هوش مصنوعی ژنرال
• تمرین DX Big 4 و سایر شرکت های مشاوره
• استارت‌آپ‌های اینترنتی مصرف‌کننده در صنایع فین‌تک، تحویل غذا، اشتراک‌گذاری وسایل نقلیه، اشتراک‌گذاری در اتاق، سفر و سایر صنایع.
• نرم افزار برند است. اصطلاح SITB که توسط Forrester ابداع شده است به تمرینی در بین بانک‌ها، مهندسی و سایر صنایع غیرنرم‌افزاری اشاره دارد تا خود را از طریق نرم‌افزار متمایز کنند. نمونه‌هایی از SITB عبارتند از Trade Finance و نرم‌افزار انتقال وجه با ارزش بالا در بانک‌ها و اینترنت اشیا (IoT) در شرکت‌های اتوماسیون تولید.

----

@mattturck: چه اتفاقی برای اینترنت اشیا افتاد؟ 10 سال پیش، اینترنت اشیا چیز بزرگ بعدی بود. هزاران استارت آپ جدید، پول VC و هیاهو. امروز به تولید تنها *یک* شرکت سهامی عام مستقل رسید، سامسارا.

@s_ketharaman: می‌توان ادعا کرد که اینترنت اشیا بیش از 40 سال است که در کارخانه‌های فرآیند شیمیایی و غیره در قالب حسگرها، DCS و PLC استفاده می‌شود. حداکثر، این محصولات باید به ZigBee و دیگر پروتکل‌های اینترنت باز ارتقا داده شوند تا IoT واقعی شوند. اما این فرصت‌ها احتمالاً توسط Honeywell، Schneider و سایر تامین‌کنندگان تجهیزات کنترل فرآیند موجود استفاده می‌شود و ممکن است فرصت‌هایی برای استارت‌آپ‌های جدید ایجاد نکند.

----

• تزریق هوش مصنوعی به محصولات شرکت های غیر نرم افزاری. به عنوان مثال کوپیلوت صنعتی زیمنس.

----

مایکروسافت و زیمنس دستیار تولیدی به نام Copilot صنعتی زیمنس ارائه کرده‌اند که به کارکنان تعمیر و نگهداری در تعمیرات کمک می‌کند. – @superglaze.

-------

اگر تاریخ اخیر راهنما باشد، من پیش بینی می کنم که ژنرال هوش مصنوعی مشاغل کدنویسی بیشتری ایجاد خواهد کرد. حداکثر ممکن است منجر به جابجایی مشاغل از مهندسی به سازمان های خدمات حرفه ای (PSO) شود. (برای افراد ناآشنا، کدنویسانی که محصول اصلی را بر روی نقشه راه یک شرکت COTS یا SAAS توسعه می‌دهند، در سازمان مهندسی هستند، و کدنویسانی که محصول را برای یک مشتری خاص چنین شرکتی یا شرکای پیاده‌سازی آن پیاده‌سازی یا پشتیبانی می‌کنند، در بخش حرفه‌ای هستند. سازمان خدمات)

با این حال، ما باید یک تفاوت عمده بین هوش مصنوعی Generative و سرکوبگرهای تقاضا را که قبل از آن معرفی شده اند تشخیص دهیم: ERP، RAD / Low Code و غیره که نیاز به کد را از بین می برد. آنها چیزی را که کدگذارها تولید می کردند تولید نکردند. در حالی که هوش مصنوعی ژنرال نیاز به کد را برطرف نمی کند. آن چیزی را تولید می کند که کدگذاران در غیر این صورت تولید می کردند.

----

@vkhosla: داستان سرگرم کننده - در یک هکاتون برنامه نویسی اخیر، برنده یک بازاریاب بود. نه یک کدنویس، بلکه یک بازاریاب. قبلا این بهترین کدنویس بود که برنده می شد، کمتر به ایده وابسته بود و بیشتر به اجرا و توانایی ساختن یک راه حل وابسته بود. اکنون این بهترین ایده است که برنده می شود زیرا ما معنای برنامه ریزی را دموکراتیزه کرده ایم و موانع ورود بسیار کمتر است (یعنی زبان طبیعی!)

----

تا این حد، ژنرال هوش مصنوعی برخلاف سرکوبگرهای تقاضا در گذشته، موضع رقابتی مستقیمی در برابر کدنویسان، طراحان و معماران دارد.

بر این اساس، می توان استدلال کرد که تقاضای جدید برای کدگذارها که توسط پارادایم ها و بازارهای محاسباتی جدید مورد بحث قرار گرفته است، می تواند توسط ChatGPT نیز برآورده شود.

با توجه به تجربه شخصی من از استفاده از ChatGPT برای دریافت کد آماده، هوش مصنوعی ژنرال ملزم به کاهش تقاضا برای مهارت های کدنویسی ساده HTML CSS است.

حرکت به سمت وب سایت ها و برنامه های پیچیده. بیایید مثال زیر را در نظر بگیریم:

---- 

Me: کد برای کلون اوبر؟
GPT چت: ایجاد یک کلون کامل Uber یک پروژه پیچیده و گسترده است که شامل چندین مؤلفه، از جمله برنامه های تلفن همراه برای مسافران و رانندگان، یک سرور پشتیبان، پردازش پرداخت، یکپارچه سازی نقشه و ناوبری و غیره است. این پروژه ای است که معمولاً به تیمی از توسعه دهندگان و منابع قابل توجهی نیاز دارد. من می توانم یک نمای کلی در سطح بالا از اجزای مورد نیاز و چند قطعه کد نمونه برای شروع به شما ارائه کنم، اما به خاطر داشته باشید که ساخت یک کلون کامل Uber فراتر از محدوده یک قطعه کد ساده است…

----

می توانید پاسخ کامل را ببینید
اینجا کلیک نمایید. در حالی که ChatGPT قطعات کد بسیاری از بلوک‌های سازنده برنامه Uber Clone را ارائه کرد، از عصاره بالا مشخص است که همچنان برای ساخت وب‌سایت‌ها و برنامه‌های پیشرفته به کدنویس‌ها نیاز است.

کاری که کدنویس ها می توانند انجام دهند استفاده از دستیارهای شخصی Gen AI برای نوشتن کد با کیفیت بهتر سریعتر است. در این ظرفیت، Gen AI به جای جایگزینی، کدگذارهای سطح متوسط ​​و ارشد را تکمیل خواهد کرد. گارتنر در این زمینه چند نکته حرفه ای برای آنها دارد:

• مهندسی نرم افزار به کمک هوش مصنوعی بهره وری توسعه دهندگان را بهبود می بخشد و تیم های توسعه را قادر می سازد تا به این تقاضای فزاینده برای نرم افزار برای اجرای تجارت رسیدگی کنند.
• ابزارهای توسعه مبتنی بر هوش مصنوعی به مهندسان نرم‌افزار اجازه می‌دهد زمان کمتری را برای نوشتن کد صرف کنند و تمرکز بیشتر روی فعالیت‌های سطح بالاتر، مانند طراحی و ترکیب برنامه‌های کاربردی تجاری قانع‌کننده را تسهیل می‌کند.

در حالی که فرصت استفاده از آن را نداشته ام، چیزهای خوبی در مورد دستیار برنامه نویسی Microsoft Github Copilot می شنوم.

اگر همه چیز شکست خورد، با روشی سبک تر، ضرب المثل قدیمی دره سیلیکون را به خاطر بسپارید:

یک شرکت فناوری که به خوبی اداره می شود، 2 برابر پرسنل اضافی دارد. یک شرکت فناوری بد 4 برابر پرکار است.

کد نویسان بیش از این به تضمین امنیت شغلی نیاز ندارند!

-------

من می‌شنوم که کدنویس‌ها غر می‌زنند که تولید محرک‌های تقاضا فراتر از مهارت‌های آنهاست.

درست می گویند. مانند گذشته، مدیران محصول و بازاریاب‌ها با نام‌های معمولی پارادایم‌های محاسباتی و بازارهای جدیدی را ایجاد خواهند کرد که باعث ایجاد تقاضای بیشتر برای کدنویس‌ها در عصر هوش مصنوعی می‌شود. با این حال، آنها در این تلاش باید توسط کدنویسان، طراحان و معماران معروف به گیک ها پشتیبانی شوند.

هوش مصنوعی Ergo Generative فرصتی منحصر به فرد برای گیک ها برای همکاری با نرمی ها فراهم می کند.

افشا: اوراکل کارفرمای سابق است.

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
• PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
• PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
• PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
• منبع: https://www.finextra.com/blogposting/25592/why-chatgpt-wont-kill-coders?utm_medium=rssfinextra&utm_source=finextrablogs