Что пилить, когда запилить можно что угодно? .... или размышления после просмотра выступления Теренса Тао про математику 2.0 И, правда, что тогда пилить? Или делать? Куда направить свое внимание? Теренс в своем докладе использует интересный подход: он принимает рабочую гипотезу, что

AI тулы достаточно скоро смогут выполнять существенный набор сложных математических задач с приемлемым уровнем успеха, качества, супервизии и затрат

и дальше предлагает порассуждать, что будет с математикой, если гипотеза окажется верной. В итоге приходит к тому, что он назвал Математикой 2.0 В этом же стиле давайте сформулируем нашу гипотезу:

AI тулы достаточно скоро смогут выполнять значительную часть задач по разработке software продуктов с приемлемым уровнем скорости, качества, супервизии и стоимости

Тогда как изменится мир software продуктов? Мои мысли на этот счет ниже + еще 2 поста в ближайшую неделю Что такое успех? Я думаю, что первый вопрос, на который надо ответить: что такое успех в разработке продукта? Продукт работает как надо? Или продукт зарабатывает деньги? Или продуктом пользуется много людей? Тао в докладе говорит, что в математике доказательства были способом достигать множество коррелирующих целей - решение проблем как таковых, прикладное применение, развитие коммьюнити и тп (лучше посмотрите доклад) Есть ли такое же в software индустрии? Мне кажется, что да: когда разработка была сложной и дорогой, это создавало стимул заранее разобраться, кому нужен продукт, какую пользу он принесет и за что люди будут платить. Это не гарантировало успеха, но высокая стоимость реализации заставляла серьезнее относиться к вопросу: а зачем мы вообще это делаем? Проблема vs полезная функция 😉 Но если запилить можно что угодно, не вкладывая достаточного количества ресурсов, то работающий продукт может появиться раньше, чем мы выясним, кому и насколько он полезен. Сам факт его создания все меньше говорит о достижении остальных целей... Тут в тему мой любимый вопрос про разницу между verification и validation: - verification - продукт работает в соответствии с требованиями - validation - продукт выполняет ту цель и в тех условиях, которые ставились перед ним Попробую пояснить: для меня успех продукта определяется тем, скольким людям он улучшил жизнь и насколько сильно. Финансовый результат тоже важен, и он, по-моему, обычно следует из предыдущего определения. AI все лучше и лучше делает софт, который работает как надо (читай verification) - ну, или точнее, как сформулировал (или оставил на усмотрение AI) этот софт его создатель. НО работающая программа сама по себе еще не гарантирует, что пользователь достигнет нужного результата (validation). Тогда как же меняется бизнес software продуктов? Очевидно, что: 1) Мы можем делать временный софт - как одноразовые фотоаппараты - под 1 конкретную задачу 1го конкретного юзера. Например, игра для открытого вебинара 😉 И это будет целесообразно. То есть мы должны ожидают длинный хвост продуктов, которых никогда не существовало, как поисковых запросов. И скорее всего в ближайшие годы эти продукты будут скорее писаться на лету (см пост про нейрософт) 2) Мы можем делать больше вариаций одного продукта под разные условия: другой сегмент пользователей, неполнота данных, немного другой процесс. Например, CRM-ку, которую можно подстроить под специфику бизнеса и менять вместо с его [бизнеса] развитием. А не загонять нас и наши сейлз процессы в стандартные рамки и/или заставлять нанимать дорогих консультантов для этой адаптации, при этом повышая нашу зависимость от оных. Получается, мы можем искать пользу там, где раньше разработка просто не оправдывала затрат - вплоть до одной задачи одного человека. А как выбирать, какие из этих возможностей стоит пробовать? Как проверять пользу и чему учиться в процессе? Что изменится в самой разработке, какие навыки понадобятся, какие исчезнут, и куда направлять свое внимание? Останется и нужно ли понимание того, что написано? Как изменятся стандарты качества? И чем мы и продукты будем "болеть" в эпоху изобилия кода? Об этом - в следующих постах.