Die KI-Codegenerierung ist gerade deshalb nützlich, weil so viel Softwarearbeit Wiederholung, Übersetzung und Gerüstbau enthält. Sie kann Tests entwerfen, Typen zuordnen, Endpunkte skizzieren und routinemäßige Implementierungsmuster schnell ausfüllen.
Was sie nicht entfernt, ist die Verantwortung des Ingenieurs.
Worin KI tatsächlich gut ist
LLMs sind am stärksten, wenn die Aufgabe lokal und lesbar ist:
- Boilerplate-Generierung
- Code-Transformation
- Wiederholende Testeinrichtung
- Zusammenfassen unbekannter Code-Pfade
Das macht Teams schneller. Es automatisiert jedoch nicht die Architektur.
Was weiterhin seniorer Beurteilung bedarf
Die harte Arbeit, die menschlich bleibt, ist die Arbeit mit dem größten Auswirkungen:
- Grenzgestaltung
- Bewertung von Abwägungen
- Verifikation
- Verantwortung für Produktionsrisiken
- Entscheidung, was nicht gebaut werden soll
Das ist der Grund, warum die besten Ingenieure in einem KI-intensiven Workflow nicht nur gute Prompter sind. Sie sind gute Editoren, Reviewer und Systemdesigner.
Bessere Regel
Betrachten Sie KI als einen Beschleuniger für die Implementierung und nicht als Ersatz für architektonische Verantwortlichkeit. Der generierte Code muss immer noch im Kontext beurteilt werden:
- Passt er an die Systemgrenze?
- Bewahrt er Invarianten?
- Führt er zu versteckten Betriebskosten?
- Ist er tatsächlich verifiziert?
Der Ingenieur besitzt weiterhin diese Antworten.
Deshalb ist die nützlichste Gewohnheit nicht "mehr promptern." Es ist "härter überprüfen." Generierter Code sollte den gleichen architektonischen Prüfungen unterzogen werden wie handgeschriebener Code, insbesondere in Bezug auf Grenzen, Fehlerarten und langfristige Wartbarkeit.
Weiterführende Literatur