„Programiści zostaną zastąpieni przez AI” to hit numer 1 na liście Bilboard 2024. Czy w związku z tym inżynierów big data czeka koniec pracy? Czy inżynier danych to taki sam programista „jak każdy inny”? Jak powinniśmy podchodzić do sztucznej inteligencji? O tym wszystkim dzisiaj! Nie zapomnij ocenić i zostawić komentarza;-).

Notatki:

• Newsletter + Ebook „Szlakiem Big Data”: http://blog.riotechdatafactory.com/ebook-o-big-data/
• Akademia Big Data (FREE trial): https://akademia-bigdata.pl/ 
• Strona Big Data Po Polsku: https://bigdatapopolsku.pl/ 
• email: marek.czuma@riotechdatafactory.com
• Mentoring: https://kursy.riotechdatafactory.com/mentoring-big-data/ 

Proszę, oceń ten odcinek i podaj go dalej;-).

Ja nazywam się Marek Czuma. Jestem inżynierem oraz instruktorem Big Data. Jestem również założycielem Riotech Data Factory i Akademii Big Data.

Transkrypcja odcinka

[Transkrypcja automatyczna, mogą pojawić się błędy]

Rozwój sztuczny inteligencji przyspiesza. I wraz z tym rozwojem możemy się często natknąć na nagłówki w stylu „programiści zastąpieni przez sztuczną inteligencję”, „programiści, wyginą”. Pytanie, które my sobie musimy zadać, to czy inżynier danych to jest taki sam programista, jak każdy inny. Na tym będziemy dzisiaj zastanawiać w tym odcinku, czy inżynierów danych również, czeka wyginięcie, w jaki sposób my powinniśmy podejść do rewolucji, jak jest sztuczny inteligencja, czy możemy ją obrócić nawet na naszą korzyść. Tak jak powiedziałem, o tym wszystkim będzie w odcinku numer 39 Big Data Po Polsku, zapraszam, serdecznie. Cześć, witam dzisiaj w podkaście Big Data Po Polsku, poznajemy tu wspólnie jak działa świat, który jak wiadomo zbudowany jest z danych i rządzony jest przez algorytmy. Jesteś w dobrym miejscu, jeśli interesują cie technologię, biznes, społeczeństwo lub pogłębienie swojego potencjału i to wszystko w kontekście danych. Ja nazywam się Marek Czuma. Jestem założycielem platformy Akademia Big Data, która skraca droga do branży danych każdego dnia, pomagam innym i sobie zrozumieć dane i otaczający nas świat. Nalej do kubka solidną porcję swojej ulubionej kawy, pakuj swoje rzeczy i ruszaj ze mną w tu fascynującą przygodę. Witam, witam odcinek numer 39, ale dobrze wiemy, że to jest odcinek 40, czyli mamy okrągłą, kolejną okrągłą liczbę w naszym podkaście Big Data. Bardzo mnie to ciasz. Oby to był dopiero początek, oby to była dopiero rozgrzewka. Zanim zastanowimy się na tym czy sztucza inteligencja nam w jakiś sposób zagraża nam, czy inżynierom danych, inżynierom Big Data. Chciałbym, żebyśmy chwilę poświęcili na takie wyższe gównie nie, co to w ogóle znaczy sztucza inteligencja, ale nie w ramach jakichś akademickich rozważani. To już podczas ostatniego podkastu powiedziałem, nie ma żadnego znaczenia, czy dla jakiejś sztuki powiemy, że to, co dzisiaj jest, jest sztuczną inteligenciu, czy nie jest, akademickie rozważania zostawmy na boku, bo nie mają one dla nas żadnego znaczenia. Dlatego, że nie ważne jak nazwiemy te wszystkie czaty, te boty, te okienka, do których możemy wpisać, które nam wygenerują stronę logo muzykę cokolwiek, nie ważne jak to nazwiemy, przyjęło się nazywać to sztuczną inteligencją i tak zostaniemy przy tym. Jeżeli ktoś uważa, że to nie jest wedle fachu, wedle określonych sztuki sztuczna inteligencja, no to trudno, to musi z tym żyć, ale dlaczego nie wnosi to nie? Znaczy nie wnosi to nie do dyskusji. My zastanawiamy się, że cały ten zbiór, algorytmów czy cały ten zbiór narzędzi przede wszystkim, może realnie spowodować, że liczba miejsc pracy dla inżynierudanych, dla osób, które budują systemę oparte oddane, będzie mniejsza za rok, za dwa, za pięć lat. Oczywiście nie chcę tutaj wchodzić w to co będzie za 10 lat, za 20 lat, bo ta branża istnieje około 20-20 kilkuk lat, ale możemy się zastanowić, czy w ciągu najbliższych paru lat realnie się coś zmieni. Podczas ostatniego naszego spotkania w odcinku numer 38, mówiłem o tym, że ta branża ma przed sobą ogromną przyszłość, ogromny potencją. Ten odcinek jest pewnego rodzaju uzupełnieniem tego, o czym rozmawialiśmy po przedniu, bo mimo, że potencjał jest ogromny to co z tego, jeżeli większości te miejsca zostaną zastąpione przez sztuczną inteligencję. I żeby temu się dokładniej przyjrzeć, zastanówmy się, wymiejmy sobie takie punkty, w jaki sposób sztuczny inteligencja w ogóle dzisiaj pomaga w IT, w programowaniu konkretnie, bo najczęściej, kiedy mowa o zagrożeniu ze strony sztucznej inteligencji wymieniani są właśnie programiści w naszej działce. I pytanie, w jaki sposób my tu w ogóle posługujemy się tymi narzędziami, co nam przyspiesza pracę, albo co może nam zastąpić tych ludzi. Pierwsza rzecz najbardziej oczywista to przyspieszenie nauki i przyspieszenie zdobywania wiedzy. To jest najmniej, najmniejsza ingerencja, wreszby powiedział, że tu mamy bardzo czystą sytuację. I do tego wykorzystamy nawet chociażby nasz tradycyjny chat GPT. Możemy, chcąc zrozumieć jakąś materię szybko, spytać go, poprosić o straszczenie, tak żeby zrozumieć pigue wiedzy. Możemy poprosić o listę materiałów w długum mniejszych, nawet możemy poprosić, żeby przygotował nam taki krótki spis, ale u kurs, którym moglibyśmy przejść, a potem po prostu to należy już tylko implementować. Natomiast tu chyba nie ma co do tego żadnych wątpiuwości, to nie jest problem. Większa zabawa zaczyna się później, ponieważ mamy narzędzia między innymi tak jak kursor, które pozwalają nam zbudować całą aplikację od zera. Polecam zresztą ostatnio na akademii migleita Mateusz pokazał swój artykuł, taki skic, artykuł przed opublikowaniem jeszcze, gdzie pokazuje krok po kroku jak zuzbudował aplikację łybową, przeglądarkową. No ta benne, która łączy się też z bazą danych, czyli to nie jest jakieś tam tylko wizytówka, strona wizytówka, to jest pełno prawna aplikacja z logiką i ona została napisana bez grama kodu, to znaczy bez grama kodu ze strony Mateusza oczywiście. I ona wyglądała nieźle, naprawdę nieźle, działała dobrze z tego co wiem i on nie musiał tam nic poprawiać. To jest drugi sposób, jak możemy pomóc sobie w działce szerokupujątego programowania. Następny to fakt, że sztuczna inteligencja pomaga napisać bardzo wąskie kawałek kodu, ale dużo szybciej, czyli możemy albo zaczynamy pisać kod. I sztuczna inteligencja domyśla się co dalej chcemy zrobić, podpowiadałam funkcję, podpowiada nam kolejne wywołania i argumenty wykorzystanie wcześniejszych zmiennych. I po prostu klikniemy enter czy tam, tablu, cokolwiek trzeba i nagrać okazuje, że ten kod jest wpisany. To nie jest można powiedzieć z jednej strony taka bardzo duża ingerencja, ale z drugiej strony przyspiesza niesamowicie, bo jeżeli te podpowiedzi są naprawdę dobrze wstrzelone, to bardzo często pozwalają nam pominąć taki etap, który czasami mamy i wrócają głę mózgowej. Piszę kod i mam coś w ludzach umgły mózgowej. Mam na grę taką zacinkę. Wiem, nie by co powinienem zrobić, ale zazwacznę się zastanawiać. Zazwacznę nawet się jaka to jest funkcja, jaką zmienną mam użyć, a w ogóle to o co mi chodziło, bo się rozkojarzyłem. I zróżna ingerencja tutaj można bardzo, bardzo mocno pomóc, bo ona widzi co zaczynamy wywoływać na jakim obiekcie pracujemy, ona widzi nazwę funkcji i nagle mamy fru do końca kod napisany do końca linijki. To nie jest duża rzecz, ale czasami bardzo mocno przyspiesza, bo jest pewnego rodzaju dźwigniu. Natomiast może też napisać kod właśnie na bazie, chociażby komentarza, który chcemy nad metodą, nad funkcją zrobić. Może nam pomóc w kontekście na bazie nazwy metody i właśnie w tym kontekście, żeby napisać całą metodę już od ADOZ. To też jest jak najbardziej możliwe też z tego korzystałem. I do tego służą już specjalistycznie asystęci. To znaczy tutaj mamy nie tyle takie ogólne narzędzia do szczęśnę inteligencji, tak jak ChatGPT, ale do tego mamy już bardzo wyspecjalizowanych asystentów, którzy karmiono po prostu kodem, karmiono rozwiązaniami programistów. I to są narzędzia, które są bardzo mocno celowane w wykunkretną działkę. Dlatego są dużo lepsze niż to ogólne, generalne narzędzia. Kolejna rzecz, którą robią również specjalistycznie asystęci, to jest przeglądanie logów, ponieważ czasami jest tak, czasami tylko ci go ci programści mają, że jak piszą kod, to coś wyskakuje jakiś błąd. I może się okazać, że ten błąd jest gdzieś tam zaszczyty. To znaczy my zrobiliśmy jakiś problem, ale on dopiero my zrobiliśmy jakiś błąd, ale on wychodzi do piero gdzieś tam w głębi biblioteki. I logii, które dostajemy, a musimy je przejrzeć, b te logii mogą nie być bardzo czytelne. I asystent, który analizuje logii, analizuje kod, może nam dać dużo lepszą podpowiedź niż ta, która przychodzi nam w logach, która jest taka bezpośrednia. I ja też byłem wielokrotnie świadkiem korzystałem z tego, że czytałem logii, był problem, coś się wysypywało, nie wiedziałem co, czytałem logii, dalej nie wiedziałem, ale otworzyłem asystęta i on mi napisał odpowiedź, która była znakomita, która była fantastyczna. I po prostu klikałem, ok, zmiennikod, kompilowałem i nagle się okazywało, że program działa. Także w tym miejscu, w miejscu analizy kodu i logów ze sobą te narzędzia potrafią być już bardzo, bardzo skuteczne. I wreszcie taki ostatni element z tych, które ja wypisałem, to, że pomaga napisać naprawdę sporykawały kodu. I to również czynią specjalistycznie asystęci, którzy nawet mają pewnego rodzaju, są nauczeń pewnego rodzaju architektur całego systemu, także potrafią nie tylko napisać w wąskich kot logiki, ale także szersze rozwiązanie w stylu podłączenia do tabeli, zbudowanie logiki, władowanie do kolejnej tabeli. I możemy po prostu wydać policjenie, które jest naszym zadanie. Mamy task w dziżę, na przykład w systemie dla tych, którzy nie korzystają z dzielerzy, z zielerzy, z system do zarządzania projektami, bardzo złożony. No i zazwyczaj nasza rola się tam ogranicza do tego, że sprawdzamy, jakie mamy zadania, jakie mamy taski do zrobienia. I możemy po prostu takie otaska sobie wklebać do naszego specjalistycznego asystenta, widzić z żupto, a potem wziąć rozwiązanie i pójść z nim gdzieś dalej. I to jest chyba to miejsce, w którym najbardziej nam się urucham, ja wyobraźniam. Jeżeli zobaczymy, że asystent jest w stanie połączyć różne tabele, połączyć różne technologie w ramach naszego kodu i stworzyć rozwiązanie, które nie jest tylko do myśleniem się jaką funkcję chcemy użyć. Nie jest tylko napiszeniem w wąskiej logiki, ale zrozumieniem szerszego kontekstu o tutaj nam się może pojawić naprawdę, może nam się naprawdę rozwinąć wyobraźnia. I w taki sposób zgrubsza sztuczna inteligencja pomaga dzisiaj w IT-programistom. I jej teraz się zastanutmy, czy ona w związku z tym zagraża nam, zagraża nam inżynierom danych. Może zamiast rozwiązować na piłkim jest inżynier danych opowiem od razu, opowiem postawię tezę i postaram się dowodnieć właśnie poprzez rozpisanie naszego, naszego stylu życia inżynielskiego. Moim zdaniem sztucznej inteligencja nie zagraża inżynierom danych. I wiem, że to jest kontrowersyjna opinia, ale korzystałem z tych narzędzi, korzystam nadal na Akadeniem Big Data też rozmawialiśmy na temat rozmaitych opcji i rozmaitych możliwości. I moje zdanie jest jasne sztuczne inteligencja nie zagraża na ten moment i w przewidywalnej krótkiej przyszłości inżynierom Big Data. Dlaczego? Postaram się teraz to udowodnić. Pierwsza rzecz to specyfikę w fachu inżyniera danych. To nie jest taki sam programista jak każdy inny. To znaczy w ogóle ciężko rozróżnić programiste już w tym momencie jako osobny jeden zawód. Programista różni się zażność od tego, czy tworzy prak aplikację mobilne, aplikacje łebowe czy właśnie pracuje z danymi i nie można wszystkich wrzucić do tego samego wora. Ale jeżeli popatrzymy na takie proste albo dość proste aplikacje użytkowe, to to jest zupełnie, zupełnie inna bajka niż praca ze złożonymi systemami, które operują nadanych. Dlaczego? Pierwsza właściwie są trzy słowa, które można opisać. To jest złożność, złożność i złożność. Te trzy słowa dobrze charakteryzują naszą codzienność. Wąbiali sobie, że masz do zaprojektowania i zaimplementowania system. I ten system polega na tym, że wynik jest dość prosty, jest to jest jakiś dashboard, jakiś panel anityczny w ramach którego anitycy mogą poprzeglądać. Załóżmy dane, niech to będzie związane z załóżmy cenami energii. I pytanie w jaki sposób to zrobić. Na koniec patrzymy, złożycie energii, ceny przewidywane, złożycie nic szczególnego, nic wyszukanego. Ale jeżeli coś nie my się troszeczkę to złożymy, jak dużo złożonych rzeczy może być na początku. Jak dużo źródeł, rozmaitych może być na początku, jak dużo danych może wpływać. Może się okazać, że tej źródła różnią się między sobą nie tylko jeśli chodzi o rodzaj źródła, czyli np. energia ze słońca, energia, którą używamy w gniazdkach, energia z wody, jakieś dany dotyczące tarje, dany dotyczące różnych dostawców i tak dalej. To są różne rozmaite rodzaje, ale może się okazać nawet, że jeżeli weźmiemy nawet załóżmy dane z wiatraków i będziemy chcieli monitorować te dane, to nagle się okazać, że każda forma wiatrowa wiatrakowa dostarcza dane w innym formacie. A więc mamy rozmaite rozmaite źródła w sensie typy danych i rozmaite struktury danych na sam start. Często te struktury jeszcze wewnątrz siebie mogą się różnić w zarzności od tego, czy przyjdzie dzisiejszym, czy jutro. Więc to są wyzwania z którymi mierzymy już na start. Już tutaj wymieniałem dużo wyzwań dlatego, że trzeba te wszystkie dane jakoś złożyć w całość. Trzeba spowodować, że te wszystkie dane będą mogły ze sobą grać, a więc trzeba je najpierw systematycznie pobierać, trzeba utworzyć mechanizm dla każdego z tych źródeł, żeby był pobierany, żeby można było z tego czerpać. I potem trzeba coś z tymi danymi robić, a więc nie dość, że musimy obsługiwać w wszystkich źródła, to potem musimy je jakoś normalizować, musimy je ze sobą spiąć, sprzęgnąć. I dopiero na tym będziemy mogli bazować, żeby stworzyć logikę, która znów bardzo często nie jest prosta, która bardzo często wymaga pewnego szerszego zrozumienia, zarówno biznesu jak i danych. I dopiero po przejściu szerszego operacji możemy wydzielić dane do tego narzędzia biznesu Intel i Jones, gdzie mamy Dashboard, gdzie analitycy mogą usiąść i sprawdzić. Ale co więcej, samo zbudowanie takiego prototypu, o którym przed chwilą powiedziałem, to jeszcze nie wszystko, bo nie, ponieważ potem trzeba sprawić, że ten system będzie właśnie systemem, czyli będzie systematycznie mógł te dane podobać. Ten system będzie skoro systematycznie będzie to robił, to że będzie też monitorował te dane. Jeżeli coś się wysypało, to też będziemy mieli monitorięk tego, co się wysypało. Że będziemy mogli sprawdzać, analizować te dane na poszczególnych etapach, bo to też jest ważne. Takie system składa się bardzo często z ogromnej liczby elementów z przynajmniej kilku etapów i to jest codzienność inżynieradanych. Inżynierdanych nie jest osoba, która po prostu siada codziennie i ma do zrobienia jakąś bardzo wąską logikę wsparku, tylko inżynierdanych musi umieć spojrzeć szeroko. I to jest pierwszy powód dla którego te narzędzia nas nie zastąpił. Moim zdanie. Złożoność to wbrew pozorom nie jest jeszcze domena sztuczna inteligencji i wydaje mi się, że jeszcze długo, długo zanim będzie. Wspomniałem, przed chwilą o tym, że sztuczna inteligencja potrafi zbudować za nas złożonym mechanizm. Ale prawda jest taka, że kiedy próbowałem to zrobić kilka razy to zawsze to były bardzo szczątkowe ogólne mechanizmy, które zostały wygenerowane. I dla mnie to było pomocne. Ja to cenię i jestem pod wrażeniem tego, że jest w stanie już teraz coś takiego zrobić, ale przez kok, z miejsca, w którym sztucznej inteligencja umie wygenerować, jakiekolwiek ogólnym mechanizm, który ma jest pewnego rodzaju szkieletem bardzo często z błędami nawet dotyczącymi rozmaitych tabel. Do momentu, w którym samodzielnie potrafi podjąć całe wychiłek działanie, żeby to wszystko działało naprawdę bez zarzutu, bo dopiero wtedy możemy mówić o tym, żeby zwalniać inżynierów tanych. Kiedy to będzie działało z grubsza bez zarzutu, o, przez kok między jednym a drugim jest gigantyczny, jest ogromny i nie zanosi się w najbliższym czasie, żeby to mogło się stać. Sztucznej inteligencja jest w stanie zbudować właśnie operując na pewnej jednej płaszczyźnie, ale jeżeli dorzucimy do tego jeszcze te wszystkie płaszczyzny, od których przed chwilą rozmawiałem, zaczyna się głupić, zaczyna halucynować, bo przecież nie powieci, że nie jest w stanie tego zrobić, więc generuje po prostu głupoty. I to jest pierwszy taki fal ochron, który rozbija tą falę szlucznej tej gęcej, czyli złożoność naszych projektów bigdejtowych. Druga rzecz to te narzędzia potrafią bardzo przyspieszyć pracę, ale właśnie inżynierom danych to inżynierowie danych są ciągle poziom wyżej, czyli kiedy mówiliśmy o tym, że Wojtek pokazał, jak zbudować proste opiekacje webowu z przy użyciu sztucznej inteligencji, to samo w sobie jeszcze nie powoduje, że możemy nawet zwolnić programy z tełębowego, dlatego że ktoś musi nad tym dalej czuwać. Wojtek sam przyznał super, dla mnie na mój użyte, kto jest świetne, bardzo szybko stworzyłem coś, co mire nie pomaga w życiu, ale nigdy w życiu nie wypuszowałbym tego na produkcję. Nigdy w życiu nie wypusznąłbym tego jako produkt komercyjny, dlatego że nawet jeśli jakimś cudem to będzie działać, użytkowince potrafią naprawdę zaskoczyć, to bardzo szybko okarzy się, że jest jakiś błąd w pewnym momencie i nie będę widział co z tym zrobić. I to jest bardzo słuszne podejście. Jeżeli ja mam wypchnąć coś, za co wezmę pieniądze, to ja muszę wiedzieć jak to działa, bo ja muszę bardzo szybko umieć to poprawić. I tworząc kod, który już już dość złożony, czyli proste obiekacje webowu, ja nie wiem co tam się dzieje pod spodem, oczywiście mogę spędzić teraz godziny na analizie tego, jak najbardziej, ale żeby spędzić godziny na analizie tego, to ja muszę wiedzieć jak to się robi. Nie muszę idealnie wiedzieć, nie muszę tego robić perfekcyjnie, ale muszę to rozumieć, czyli znowu co nawet na tym etapie aplikacji webowych. Prostych, bardzo prostej aplikacji webowej musi być ktoś, kto umie spojrzeć na to z góry, kto na tym czuwa i wraz, kto jest programistą, żeby mógł kto naprawić. W przypadku systemów, które operują nadanych, mówimy o dużo bardziej złożonych mechanizmach. I tam, znów, tak właśnie, tam może przyspieszyć sztucznej tej gęcia, bo tam, mate wszystkie pomocy daje, te wszystkie pomocy, o których mówiłem wcześniej, ale tam sztucznej tej gęcia nie zastąpi inżynieradanych, bo inżynierdanych musi wczuwać nad nią, czyli na ten moment sztucznej tej gęcia staje się wspaniałem narzędziem, które przyspiesza nam pracę, bo właśnie wygeneruje taki ogólny szkieret, odkryj go ja potem mogę wyjść, żeby zbudować ten cały mechanizm, bo potem może być, bo potem może pomóc mi napisać jakieś kawałek kodu, ale nie napiszę całej dużej funkcjonalności, która obejmuje nie tylko ten, jeden notebook, nie tylko ten jenek kawałek kodu, ale także przejrzenie danych, próbki danych, zbudowanie tabeli, zbudowanie drugiej tabeli, sprawdzenie czy się łączy z, jakoś bazą danych, dotkuję spotkniętym business in tech, że nic albo api, to wszystko jest do zrobienia dla inżynieradanych, ale może się posługiwać sztuczną inteligencją, jak najbardziej. Kolejna rzecz i tu już schodzimy trochę z tych technicznych, to kolejne rzeczy, to kwestie kontaktu z klientem i źle opisanych zadań. Pozwól, że opałem ci mał historyz z początków mojej pracy jako inżynier Big Data. Przyszedłem do roboty, miałem tam chwilę okresu takiego problemu, żeby zrozumieć projekt, zainstalować wszystko i dostałem swoje pierwsze zadanie. Zadanie z grubsza brzmiało tak, że masz tutaj w tej ceswałce, ona była podlinkowana coś tam i z tej ceswałki trzeba dokonać jakiś tam transformacji i coś przetworzyć z grubsza. I podane były szybkie nazwy, takie, które były używane między programistami, podana była ta ceswałka i jakiś skrót myślowy tego, jak to ma być wykonany na końcu. Oczywiście nie miałem bladego pojęcia, o co chodzi, otworzyłem tą ceswałkę, tam było bardzo skompo, wyglądało na to, że te dane nie są w żadne sposób związane z tym co robić, ale przede wszystkim ja nie rozmiem też z tego żargonu, nie rozmiem tych wszystkich elementów jeszcze, a co gorsza człowiek, który to zlecił poszedł właśnie na udlop. Po dłuższym czasie męki płaczu i bólu okazało się, że ceswałka, która została podlinkowana, to nie ta ceswałka miała być podlinkowana inna. I tak te wszystkie skrótowe nazwy można rozwinąć w taki sposób, żeby to było bardziej czytelnie opisane i w zasadzie można napisać dobry opis taska, ale niestety został opisany w taki sposób, żeby to zajęło opisujące mu możliwie mało. Czyli z grubsza jednym czy dwoma zdaniami. I to jest bardzo często nasza rzeczywistość. Niestety, a może staty właśnie, bo sztuczna inteligencja tutaj wysiądzie, po prostu nie da rady pracować z czymś, co nie jest dobrze opisane. Nie da rady dlatego, że musiała by ciągle dopytywać, żeby dopytywać, to musiała by umieć operować na całej masie kontekstów, na całej masie płaszczyzn, takich, które nie należy uscikty do jej domeny. I do tego miejsca jest jeszcze bardzo, bardzo daleko, naprawdę. Ale co gorsza, jeżeli byśmy uznali dobrze, to zrobimy takie otaska i po prostu zastąpimy inżynierów danych, sztuczna inteligencja będzie realizować te projekty. Mamy taski i opisujemy. I okaże się, że opisaliśmy jej źle, ale sztuczna inteligencja to jak najbardziej może zrozumieć, co my opisaliśmy. I co gorsza, ona może to zainplementować. A potem po prostu da nam rozwiązanie, które działa. Probem polega na tym, że ono nie działa tak jak my w naszej głowie byśmy tego chcieli. Ono działa tak jak to napisaliśmy albo zgrubsza tak jak to napisaliśmy. I nie będzie, to jest to, żeby sztuczna inteligencja domyściła się, że to jest źle napisane, będzie bardzo, bardzo ciężkie. To będzie wymagało być może jakiś przemodelowania podejścia do tworzenia tych algoritmów. To jest jeden z tych elementów tego punktu, bo drugim punktem jest kontakt z klientem i wszelkiego rodzaju nieporozumienia na linii programista klient, ale też programista i drugi programista w zespole. Bardzo, bardzo, bardzo często jak świat stary. Problemy z komunikacją to nie jest coś, co jest nowe. Problemy z komunikacją to nie jest coś, co mogłoby się przydarzyć raz na jakiś czas. To jest coś, co dzieje się ciągle i w projektach też to jest coś, co dzieje się ciągle. Więc kiedy idziemy na rozmowę z klientem, która trwa godziny klient opowiada nam różne rzeczy, a potem wychodzimy i zastanawiamy się, co tam po co, gdzie właściwie byłem, po konkretnie nic nie zrozumiałem, to spokojnie, to jest normalna rzeczywistość programistów. Więc nie wyobrażam sobie szczerze mówiąc, żeby na tym etapie sztucznej tej gęcia również mogła się odnaleźć. I te problemy z komunikacją, problemy z wszelkiego rodzaju umiejętnościami mienkimi to jest coś, co jest podnoszone w branży IT-i. Co my go początku, bo jaki stereotyp jest człowieka, który siedzi w IT-informatyka? No właśnie. On już w tym momencie jest trosk<|ar|> jest trochę nieaktualny, ale bardzo długo wyglądało to tak, że to był właśnie fach dla pt. pivniczaków i to, że my musieliśmy się zaczęć otwierać na pracę ze spowową na kontakt z klientem, to nie było łatwe. Ale nam to przyszło dużo łatwiej niż sztuczenie tej gęcji, bo my mimo wszystko komunikujemy się z ludźmi na co dzień. I to być może jest ten punkt, w którym wymieniąc, czyli kontakt z klientem problemy, rozmaitynie porozmienia i źle opisane zadania, to jest być może kiler znacznie, znacznie większy niż te wcześniejsze punkty techniczne. Ale jest jeszcze jeden punkt, który nawet jeśli te wszystkie poprzednie zostaną rozwiązane, sweudrugu zastanów się teraz, ile czasu będzie trzeba, żeby te poprzednie punkty rozwiązać. Moim zdaniem to jest kwestia na lata, ale nawet jak to one zostaną rozwiązane, to Dijszba tych stanowisk nie spadnie nagle drawstycznie nie zacznie pikować do zero. Dlaczego? Z bardzo prostego powodu znów ludzkiego, znów związanego z naturą człowieka i naturą naszych organizacji. Chodzi o to, że w tym momencie są projekty, które są, są projekty, które się toczą, są projekty, które już od dłuższego czasu są rozwijane. I jeżeli odne są rozwijane od lat, to żeby wdrożyć tam nagle te nowe mechanizmy sztucznej tej ingencje, które wymienią całą ekipę i będą samodzielnie działać przy użyciu po prostu meneżerów i wętualnie jakiegoś jednego architekta, to jest bardzo dużo czasu, znów. Bo trzeba kto pracował w korporację ten wie, jak dużo jest rozmaitych regulacji, birokracji, niektóre korporacje na serio bez żartu przypominają po prostu urzędy i idą w tym bardzo daleko. Wszystkiego rodzaju birogradyczne obostrzenia, które tam są, ale nawet przewalenie w głowach meneżerów, że to byłby dobyl pomysł, opór taki swoisty pęd, że siło bezwładności, proszę mężąc, bo nie było bezwładności jeszcze te korporacje idzie według starych zasad, to jest bardzo mocne. Więc jeżeli przyjdą już te narzędzia będą idealnie stworzone, będą zbudowane także naprawdę zastąpią inżynieru danych, to żeby one weszły do projektu, żeby przekonać tych ludzi w korporacjach, żeby wpchnęli je w projekt, to jest dużo czasu, ale potem jeszcze jest dużo czasu, żeby testować i testować, czy inżynierowiada na prawdę można zwolnić, czy można zwolnić, czy ten narzędzia, którzy tej gęci kszepenie będą bardzo drogie, czy one, aby nie popsuju nam na gę wszystkiego, bo jak nam popsują wszystko, a zostanie jeden architekt, albo przy większym rozmachu bez żadnego technicznego człowieka, i pojawi się problem w systemie, to nie pogadamy sobie za bardzo. I to są problemy, które ja widzę, właściwie nie wiem czy problemy, bo lubię swe udziałkę i lubię inżyniery danych, więc może to nie są problemy. Natomiast teraz pytanie dodatkowe do dzisiejszego podcastu, jak podchodzić do korzystania, że zesztuż tej gęci. Szczególnie w pisze, mówię, to będę mówił do osób, które się uczą, które zaczynają pracę, zaczynają naukę z biglata, z inżyniery udanych, jak my mamy podchodzić do szczynnej tej gęcji, korzystać czy nie. Nadchną mnie do tego jeden z osób, które właśnie od to zapytały, czy warto, już od początku, czy może sobie na razie udawać, że tego nie ma. Uwaga, moje odpowiedź nie jest binarna, o moje odpowiedź nie jest tak korzystać, nie nie korzystać. Podzieliłem to na trzy różne etapy. Wzażności od tego, gdzie się znajduje, to tak korzystać lub nie korzystać. Pierwszy etap, jeśli mówimy o samej czystej nauce, szczególnie nauce programowania, to absolutnie nie korzystać z asystentów do osób, czyli tej gęcji. Absolutnie nie korzystać z narzędzi, który ci podpowiedzą, jaki kot masz napisać. Dlaczego? Bo na tym etapie, w tym etapie, twój mózg jest jeszcze gładki jak mózg myszy. I na tym etapie ty masz te zwoje sobie trochę sfaldować. Na tym etapie ty masz wypracować połączenia między neuronami, skojarzenia w mózgu. I nie zrobisz tego, jeżeli szlucz tej gęce cię będzie wyręczać. Ty masz zbudować swoją osobistą bazę wiedzy, najlepiej nie tylko w głowie, ale w głowie przede wszystkim. Więc na tym etapie absolutnie odrzucamy szluczną inteligencję i wszelkie rodzaju pomocy, takie, które mają nam zautomatyzować do faktu pracę, przyspieszyć pracę. Bo tu nie chodzi o wydajność, a właściwie chodzi o wydajność, ale wydajność nauki. Ok, ale możemy być na ciut w dalszym etapie i umieć już trochę, ale chcieć się uczyć dalej i chcieć już trochę bardziej zaawansowane rzeczy robić, budować. I na tym etapie polecam sięć to po prostu pod rozwami. Zastanów się czy wymyślenie danej rzeczy, czy przeanalizowanie na przykład logów, jest dla ciebie bardziej rozwijające, czy to jest powiele niczegoś, którzy absolutnie znasz i robiłeś tysiąc razy. Jeśli to jest ta druga opcja, to śmiało korzystaj. Jeżeli to jest ta pierwsza opcja, to jest coś nowego, wyskoczyło ci coś, czego nigdy w życiu nie widziałeś, albo nie widziałeś, to nie korzystaj. To przyanalizuj samo dzielnie. Zobacz, jak w ogóle wyglądają logi. Zobacz, że może jakieś są możliwości przearanżowania twoja architektura, bo ta jest nie wydajna. Nie korzystaj wtedy. Ale jeżeli to jest coś, co już robiłeś to już kilka razy, kilkanaście, kilkadziesiąt, a teraz chcesz po prostu na tym zbudować nową wiedzę, to jak najbardziej śmiało korzystaj. I wreszcie trzecie etap to jest mowa o pracy korporacyjnej, komercyjnej i nauki, ewentualnie jeśli nauki to na takim naprawdę już wysokim poziomie, gdzie np. tworzymy swój projekt, gdzie już włączemy różne technologie, jesteśmy dość zaawansowani. I tutaj warto przejść też na pewien wyższy poziom abstrakcji i korzystanie z asystentów może nam w tym przejściu na wyższy poziom abstrakcji jak najbardziej pomóc, może nas krnąć mocno do przodu. I polecam po prostu, co to doróżegadać tutaj jak najbardziej polecam, ale odnosi tego punktu jest kilka uwag. Pierwsza jest taka, że jeśli chcesz, żeby asystent zróżne inteligencji podpowiedział na bazie komentarza nazwy funkcji i podpowiedział ci i widzi rządzi podpowiedział to poświęć chociaż chwilę, żeby sprawdzić czy to rozwiązanie jest optymalne czy jest sensowne czy w ogóle się nada. Bo sam osobiście widziałem, czasem dostawałem kot, który defakto od kot, od asystenta, który defakto odwywał się do siebie samego kilka razy, z kompletnie niepotrzebnie był bardzo niewydajny i to nie był niewydajny w jakiś taki wymyślony sposób, tylko on po prostu był głupi, więc warto jest przejrzeć to co dostanę i tak pójdziesz szybciej do przodu, ale przejrzeż zobaczysz. Druga rzecz, jeśli chcesz, żeby znalazł błąd to bądź uważny, albo uważna. Niekiedy takie rozwiązanie może być pomocne, ale innym razem może dać absurdalne wyniki i na przykład zacząć przebudowywać cały koty dlatego, że niby gdzieś tam jest jakiś problem wzmienne i np. która powinna być z streamiem intidzerem, więc on ją zmienia na intidzera, ale jeżeli tu jest na intidzerem to z kolei zaczynamy iść poziomy wyżej. I wszystko przebudowywać, więc jeżeli chcesz to jak najbardziej, ale bądź uważny, czy ten błąd nie psuje ci bardziej całego systemu. I kolejna uwaga polecam próbować tworzenie całych rozwiązań. Tak jak powiedziałem wcześniej mamy mechanizm duży cały funkcjonalność spróbuj stworzyć, żeby zaproponować asystentowy, żeby to stworzył, znaczy dać mu kontekst, czyli np. chcę zrobić to i to mam takie tabele, powiedz mi jak to zrobić, daje ci nazwę kształt taska. I zacząć krytyczną analizę potem. Część, często gdy zaczynamy pracę na odnowu funkcjonnością, to nie wiemy gdzie ręce wsadzić. Często kiedy mam doza implementowania stworzenie nowych, jakichś filtry, alech, cokolwiek, to zastanawiam się jak w ogóle do tego ruszyć. I tutaj rozwiązanie, które podpowiem nam asystent na 90% raczej nie będzie tym finalnym i spójnym, ale może jak najbardziej ruszyć na z miejsca i może sprawić, że pójdziemy z tego miejsca szybciej. Zobaczymy, no tak, to po prostu teraz trzeba ruszyć od tego, że wyciągniemy te dane i że połączymy z tymi i z tymi danymi i będziemy tam coś dalej robić. I nagle widzimy, ok, to jest głupie w tym miejscu, ale z gruchem on ma rację, więc będę to robił samodzielnie. I wreszcie całość oczywiście należy przetestować, ale to podobnie, gdybyśmy my samodzielnie coś pisali. To znaczy chodzi o tutaj o to, żeby nie popatrzeć w drugą stronę, czyli nie zacząć ufać zbyt skrajnie sztucznej reigencji, nie uznać, że ona jest mądrzejsza od nas. Po prostu przetestuj, dostałeś, ok, odpale zobaczy, czy to działa tak jak powinno. Nie rozleniwijmy się, sprawmy, żeby ta sztuczna inteligencja dała nam jeszcze większe jeszcze lepsze narzędzia do rozwoju. I co? I tyle warto przejść teraz do podsumowania. Podsumowując właśnie sztucznej inteligencja nie zabierze nam pracy. Ja jeszcze przez bardzo długo nie wyeliminuję, inżynierow danych, a moim zdaniem nawet nie ograniczę za bardzo ich liczby. Ale ona może być dla nas absolutnie fajnym busterem. Tylko co? Tylko trzeba się nauczyć z niej korzystać. Te wszystkie rzeczy o których przed chwilą mówiłem. I warto do tego podchodzić z głową. Jeżeli chcesz podchodzić do tego z głową zapraszam do newslettera na szlaku Big Data. Tam dostanie całkiem sporo wiedzy co tydzień, ale oprócz tego tam dostanie też ebuka, prawie 140-stron opisu branży i wprowadzający kult mójlowe. Co tydzień, czy nawet kilka dni nowy mail dotyczący tego odsłonieniający kolejny element naszej branży. To będzie przez kilka tygodni. I gwarantuje, jeżeli jeszcze nie wiesz za dużo branży to na koniec będzie wiedzieć. A jeżeli chcesz zanurzyć się w tą branżę chcesz wejść do niej chcesz się w niej rozwijać, zostać inżynierem danych, to zapraszam na akademię Big Data. Sąca, że tam znajdziesz całkiem sporo fajnego konentu. Teraz dziękuję ci za dzisiejsze spotkanie. Dzięki ci za dzisiejszy odcinek życzę ci powodzenia, trzęłam za ciełkciuki i koniecznie daj znać się w komentarzu, jeżeli w twoim medymiu strumingu mam jest taka możliwość. Daj znać, czy ty korzystasz z tych asystantów, z tych narzędzi w swojej pracy, widzisz tu zagrożenie i czy zgadzasz się ze mną. Jeżeli się nie zgadzasz to tym napisz, ale napisz o tym komentarzu. Trzymaj się do zobaczenia, jeszcze raz mówię, trzymam za Ciebie kciuki, tu Maro. Hej!