A Personal Journal of Learning and Discovery

42y⁝ Okres przejściowy - Nachodzi era ekspertów

5 min read

Połączenie specjalisty z głęboką wiedzą w swojej wąskiej branży oraz nowoczesnego AI (takiego jak Claude Code) powoli zdeklasuje generyczne oprogramowanie.

Inżynier z Houston, który zawstydził programistów

Natknąłem się na interesujący przykład, który to obrazuje. Chodzi o Coryego LaChance, inżyniera mechanika z Houston, który na co dzień zajmuje się budową rurociągów przemysłowych dla rafinerii i zakładów chemicznych. Z programowaniem nie miał wcześniej nic wspólnego.

Co zrobił Cory? Zauważył problem w swojej codziennej pracy i postanowił go rozwiązać. W zaledwie 8 tygodni stworzył od zera pełnoprawną aplikację, z której teraz codziennie korzystają wykonawcy przemysłowi i jego własny warsztat. W tym czasie musiał nauczyć się wszystkiego: obsługi terminala, edytora kodu i współpracy ze sztuczną inteligencją.

Stworzony przez niego program automatycznie analizuje rysunki rurociągów. Zlicza spoiny, wyciąga specyfikacje materiałowe i kody towarowe. Ręczna praca, która zajmowała 10 minut na jeden rysunek, teraz trwa… 60 sekund. Aplikacja potrafi “przemielić” 100 takich projektów w 5 minut, co oszczędza firmie dni żmudnej pracy.

“I literally did this with zero outside help other than the AI. My favorite tools are screenshots, step by step instructions and asking Claude to explain things like I’m five. […] Every trades worker with deep expertise and a willingness to sit down with Claude Code for a few weekends is now a potential software founder.”

Przyszłość w dużej mierze należy do ekspertów, którzy potrafią wykorzystać AI.

Oczywiście, ten zachwyt ma swoje granice. Tradycyjni programiści wciąż mają w ręku jeden potężny atut jak np skalowanie

Zbudowanie narzędzia, które działa na laptopie to jedno. Ale przekształcenie go w globalną platformę SaaS, która obsługuje tysiące użytkowników, zarządza bazami danych i dba o bezpieczeństwo w chmurze – to wciąż czarna magia dla kogoś spoza branży IT. Nawet z pomocą AI, zarządzanie infrastrukturą potrafi szybko przytłoczyć.

Czy to jednak problem? Niekoniecznie. Zjawisko, o którym mówimy, może zapoczątkować nowy trend powrót do aplikacji odpalanych lokalnie na komputerze.

Dla eksperta branżowego, który chce zautomatyzować pracę swojego zespołu lub sprzedać narzędzie kilku firmom w branży, aplikacja działająca lokalnie jest wręcz zaletą. Nie generuje kosztów serwerów. Nie wymaga skomplikowanego logowania. A co najważniejsze dla firm (np. w przemyśle czy prawie) - wrażliwe dane, plany czy umowy, nigdy nie opuszczają komputera użytkownika i nie lecą do chmury nieznanego startupu.

Może zamiast budować kolejne wielkie platformy w przeglądarce, być może wejdziemy w erę tysięcy małych, lokalnych, ultra-specjalistycznych programów na nasze desktopy.

Jest też druga strona medalu.

Ekspert od rurociągów chce budować rurociągi, a nie spędzać 20 godzin tygodniowo na łataniu błędów (bugów) w swojej własnej aplikacji, bo koledzy z biura dzwonią, że “coś im nie działa”

  • Co się stanie, ktoś zmieni format rysunków PDF?
  • Co, jeśli aktualizacja Windowsa “rozsypie” lokalne środowisko?
  • (…)

Powrót do lokalnych plików brzmi bezpiecznie i tanio, ale ignoruje powód, dla którego świat w ogóle przeszedł do chmury (SaaS). Tym powodem jest wersjonowanie i aktualizacje. Jeśli Cory znajdzie w swoim kodzie krytyczny błąd, który sprawia, że program źle liczy spoiny (co w inżynierii przemysłowej może skończyć się katastrofą), w modelu SaaS naprawia to na jednym serwerze w 5 minut i wszyscy mają nową wersję. W modelu lokalnym musi upewnić się, że 100 inżynierów w różnych warsztatach pobrało, zainstalowało i nadpisało starą wersję nową łatką. W praktyce połowa z nich nadal będzie pracować na zepsutej wersji programu.

Docelowo aplikacje mogą w ogóle nie być nam potrzebne.

Bardzo możliwe, że cały ten trend budowania lokalnych narzędzi z pomocą AI to tylko krótki, przejściowy etap. Dlaczego? Bo docelowo aplikacje mogą w ogóle nie być nam potrzebne.

Zastanówmy się, czym w ogóle jest “aplikacja”. To po prostu zbiór przycisków, formularzy i okienek, stworzonych po to, by człowiek mógł wytłumaczyć maszynie, czego od niej chce. To tłumacz między naszymi intencjami a kodem.

Ale co się stanie, gdy “tłumacz” przestanie być potrzebny?

Wróćmy do naszego inżyniera z Houston. Dziś zbudował dla swoich kolegów aplikację, w której muszą kliknąć “Wgraj plik”, a potem “Analizuj spoiny”. Ale w niedalekiej przyszłości żaden z nich nie będzie odpalał żadnego programu.

Ekspert po prostu zaznaczy 100 plików PDF na swoim pulpicie i powie do wbudowanego w system asystenta: “Wyciągnij mi z tych rysunków wszystkie spoiny i wrzuć zestawienie do Excela, podzielone według kodów towarowych”.

Sztuczna inteligencja w kilka sekund napisze w tle jednorazowy skrypt, wykona zadanie, wygeneruje plik i… usunie skrypt. Oprogramowanie powstanie, wykona swoją pracę i przestanie istnieć w ciągu 5 sekund. Zero interfejsu. Zero utrzymania. Zero skalowania. Czysta realizacja intencji.

Dlaczego ten etap przejściowy jest konieczny?

Sądzę jednak, że ten obecny, przejściowy okres - w którym wciąż budujemy klasyczne narzędzia czy lokalne programy - będzie musiał trochę potrwać. Istnieje on choćby w sposób naturalny po to, aby sztuczna inteligencja zdążyła się tej eksperckiej wiedzy nauczyć.

Modele takie jak Claude nie rodzą się z gotową wiedzą o niuansach rurociągów z Houston. Zdobywają ją właśnie teraz - poprzez to, że tysiące ekspertów jak Cory “siedzi z nimi przez weekend”, uczy ich, tłumaczy specyfikacje krok po kroku i koryguje ich kod. Ten etap budowania małych aplikacji to gigantyczny poligon treningowy dla AI. Dopiero gdy sztuczna inteligencja “wchłonie” tę wiedzę ekspercką od ludzi, będziemy mogli zrezygnować z interfejsów.

I prawdziwe trzęsienie ziemi nadejdzie wtedy, gdy zdamy sobie sprawę, że nadejdzie moment nikt z nas nie będzie już musiał używać żadnych aplikacji.

Źródła

42 AI

Backlinks

Graph View