Ο κώδικας είναι το μοναδικό εγχειρίδιο
Η γνώση βρίσκεται σκόρπια σε αρχεία, σχόλια, ονόματα πεδίων, εξαιρέσεις, scripts και ανθρώπινες αναμνήσεις.
Μην το πειράξεις.
Γιατί τόσο ισχυρό AI;
Όταν κάποιος ακούει ότι οι μεγαλύτερες εταιρείες του κόσμου ξοδεύουν δισεκατομμύρια για όλο και ισχυρότερα μοντέλα AI, η πρώτη σκέψη είναι συνήθως απλή:
Θέλουν να αντικαταστήσουν τον άνθρωπο.
Δεν είναι παράλογο να υπάρχει αυτός ο φόβος.
Πολλές δουλειές θα αλλάξουν. Πολλές διαδικασίες θα αυτοματοποιηθούν. Κάποια επαγγέλματα θα πιεστούν και ορισμένες εργασίες θα εξαφανιστούν.
Αλλά αυτή δεν είναι όλη η εικόνα.
Υπάρχει ένας πολύ μεγαλύτερος, πολύ πιο αθόρυβος και πολύ πιο επικίνδυνος λόγος για τον οποίο ο κόσμος χρειάζεται ισχυρό AI.
Η μεγάλη απάντηση
Ο κόσμος πρέπει να ξανακαταλάβει τον ίδιο του τον κώδικα.
Οι σημαντικότερες υποδομές μας δεν γράφτηκαν χθες. Χτίστηκαν σταδιακά, για δεκαετίες, από ανθρώπους, ομάδες και οργανισμούς που πολλές φορές δεν υπάρχουν πλέον με την αρχική τους μορφή.
Το AI δεν κατασκευάζεται μόνο για να γράφει email, να δημιουργεί εικόνες, να απαντά σε πελάτες ή να φτιάχνει παρουσιάσεις.
Κατασκευάζεται και για να διαβάσει, να χαρτογραφήσει και να βοηθήσει στην ανακατασκευή της ψηφιακής μηχανής πάνω στην οποία λειτουργεί ολόκληρη η σύγχρονη κοινωνία.
Ο κόσμος λειτουργεί πάνω σε παλιό κώδικα
Όχι σε ένα ξεχασμένο πρόγραμμα που βρίσκεται σε έναν παλιό υπολογιστή και κανένας δεν χρησιμοποιεί.
Μιλάμε για λογισμικό που κρατά σε λειτουργία τράπεζες, ασφαλιστικές εταιρείες, πληρωμές, κρατικές υπηρεσίες, εφοδιαστικές αλυσίδες, αεροπορικές εταιρείες, τηλεπικοινωνίες, εργοστάσια και τεράστια εταιρικά συστήματα.
Κώδικας γραμμένος σε COBOL, Assembly, PL/I, παλιές εκδόσεις Java, mainframes, ιδιόκτητα συστήματα και βάσεις δεδομένων που δημιουργήθηκαν πριν το Internet αποκτήσει τη μορφή που γνωρίζουμε σήμερα.
Τραπεζικά και χρηματοοικονομικά συστήματα
Πληρωμές, εκκαθάριση και λογιστικές εγγραφές
Αεροπορικές κρατήσεις και μεταφορές
Βιομηχανία, παραγωγή και εφοδιαστική
Τηλεπικοινωνίες και δικτυακή υποδομή
Κρατικά, ασφαλιστικά και κανονιστικά συστήματα
Και το πραγματικό πρόβλημα δεν είναι ότι ο κώδικας είναι παλιός.
Ένας παλιός κώδικας μπορεί να λειτουργεί εξαιρετικά, να είναι γρήγορος, σταθερός και δοκιμασμένος μέσα σε πραγματικές συνθήκες για δεκαετίες.
Το πραγματικό πρόβλημα είναι ότι πολλές φορές κανένας δεν γνωρίζει πλέον ολόκληρο το σύστημα.
Η γνώση δεν χάθηκε. Έσπασε.
Η γνώση σπάνια εξαφανίζεται ολόκληρη μέσα σε μία ημέρα.
Συνήθως διαλύεται σε μικρά κομμάτια.
Ένα κομμάτι βρίσκεται σε έναν developer που συνταξιοδοτήθηκε.
Γνωρίζει γιατί μία παράξενη γραμμή κώδικα υπάρχει ακόμη, αλλά η εξήγηση δεν γράφτηκε ποτέ σε κανένα επίσημο έγγραφο.
Ένα άλλο βρίσκεται σε ένα παλιό Excel.
Ένα αρχείο που κανένας δεν θεωρεί σημαντικό, αλλά περιέχει αντιστοιχίσεις, εξαιρέσεις και κανόνες χωρίς τους οποίους μία διαδικασία δεν μπορεί να επαναληφθεί σωστά.
Ένα άλλο κρύβεται μέσα σε εκατοντάδες χιλιάδες γραμμές κώδικα.
Η πραγματική επιχειρησιακή λογική δεν βρίσκεται σε ένα καθαρό διάγραμμα. Έχει χτιστεί σταδιακά μέσα από διορθώσεις, εξαιρέσεις και αποφάσεις δεκαετιών.
Και το τελευταίο υπάρχει μόνο ως φόβος.
«Μην το πειράξεις. Κάτι σημαντικό συνδέεται εκεί μέσα.»
Αυτός είναι ο πραγματικός εφιάλτης των μεγάλων οργανισμών.
Δεν φοβούνται απλώς ότι το λογισμικό είναι παλιό, αργό ή άσχημο.
Φοβούνται ότι αν το αλλάξουν χωρίς να το καταλάβουν πλήρως, μπορούν να σταματήσουν πληρωμές, να αλλοιώσουν λογιστικές εγγραφές, να διακόψουν κρίσιμες υπηρεσίες, να δημιουργήσουν κανονιστικές παραβάσεις ή να καταστρέψουν επιχειρησιακή γνώση δεκαετιών.
Ο παλιός κώδικας δεν είναι πάντα το πρόβλημα. Το πρόβλημα είναι ο κώδικας που κανένας δεν τολμά να αγγίξει.
Πριν από το rewrite έρχεται η αρχαιολογία
Ένα παλιό σύστημα δεν αντικαθίσταται απλώς με ένα νέο interface, ένα σύγχρονο dashboard ή μία εφαρμογή στο cloud.
Πρέπει πρώτα να γίνει αρχαιολογία.
Χαρτογράφηση εξαρτήσεων
Αναγνώριση δεδομένων και ροών
Διαχωρισμός τεχνικών και επιχειρησιακών κανόνων
Διάκριση κρίσιμου από άχρηστο
Σύγκριση παλιού και νέου αποτελέσματος
Rollback όταν κάτι δεν συμφωνεί
Πρέπει κάποιος να βρει τι κάνει κάθε κομμάτι κώδικα.
Πρέπει να καταλάβει ποιες βάσεις δεδομένων συνδέονται μεταξύ τους.
Πρέπει να ανακαλύψει ποιοι κανόνες είναι τεχνικοί και ποιοι είναι επιχειρησιακοί.
Πρέπει να ξεχωρίσει το άχρηστο από το κρίσιμο.
Πρέπει να βεβαιωθεί ότι το νέο σύστημα θα δίνει το ίδιο σωστό αποτέλεσμα με το παλιό, ακόμη και στις εξαιρέσεις που κανένας δεν θυμάται πλέον ότι υπάρχουν.
Η πραγματική εργασία πριν από το modernization
Δεν ξαναγράφεις πρώτα τον κώδικα.
Ξαναχτίζεις πρώτα την κατανόηση του συστήματος. Χωρίς αυτήν, το rewrite δεν είναι εκσυγχρονισμός. Είναι ένα μεγάλο στοίχημα πάνω σε άγνωστες συνέπειες.
Το AI διαβάζει τον παλιό κόσμο
Εδώ αρχίζει να φαίνεται ο πραγματικός ρόλος του AI.
Το AI δεν είναι μόνο ένα εργαλείο που γράφει κείμενα, απαντά σε ερωτήσεις ή δημιουργεί εικόνες.
Μπορεί να διαβάζει τεράστιους όγκους παλιού κώδικα.
Μπορεί να χαρτογραφεί εξαρτήσεις.
Μπορεί να δημιουργεί τεκμηρίωση εκεί όπου δεν υπάρχει.
Μπορεί να εξηγεί έναν παλιό κώδικα σε μία νέα ομάδα developers.
Μπορεί να βοηθά στη μετατροπή εφαρμογών σε σύγχρονες γλώσσες και αρχιτεκτονικές.
Μπορεί να δημιουργεί tests, να συγκρίνει αποτελέσματα και να επισημαίνει σημεία που απαιτούν ανθρώπινο έλεγχο.
Το σύστημα αποκτά ξανά χάρτη
Οι εξαρτήσεις, οι ροές, οι κανόνες και τα σημεία υψηλού ρίσκου αρχίζουν να γίνονται ορατά και ελέγξιμα.
Τώρα ξέρουμε τι αγγίζουμε.
Το AI καλείται να βοηθήσει τον κόσμο να ξαναδιαβάσει τον ίδιο του τον εαυτό.
Και αυτή η ανάγκη δεν εμφανίστηκε απλώς επειδή οι άνθρωποι έγιναν ξαφνικά λιγότερο έξυπνοι.
Εμφανίστηκε επειδή χτίσαμε συστήματα τόσο μεγάλα, τόσο παλιά και τόσο κρίσιμα, ώστε η συνολική τους γνώση δεν χωρά πλέον στο μυαλό ενός ανθρώπου ή μιας μικρής ομάδας.
Δύο γενιές εκτέλεσης
Για δεκαετίες, η εκπαίδευση και η εργασία επιβράβευαν κυρίως την εκτέλεση.
Κάνε το ticket σου
Ολοκλήρωσε το task σου
Μην πειράξεις αυτό που λειτουργεί
Μην κοιτάς πέρα από το τμήμα σου
Μην αναζητάς ολόκληρη τη σύνδεση
Παράδωσε γρήγορα και προχώρα
Έτσι γεννιούνται οργανισμοί που ξέρουν να χρησιμοποιούν εργαλεία, αλλά δεν γνωρίζουν πάντα την υποδομή πάνω στην οποία στηρίζονται.
Κάθε εργαζόμενος γνωρίζει ένα μικρό τμήμα.
Κάθε ομάδα προστατεύει ένα μικρό subsystem.
Κάθε προμηθευτής γνωρίζει μία συγκεκριμένη διασύνδεση.
Και όταν αποχωρήσουν οι άνθρωποι που δημιούργησαν το αρχικό σύστημα, μένει πίσω ένα τεράστιο κτίριο χωρίς ολοκληρωμένα αρχιτεκτονικά σχέδια.
Το κρυφό τεχνικό χρέος
Ο οργανισμός λειτουργεί, αλλά δεν γνωρίζει πλέον πλήρως γιατί λειτουργεί.
Η μεγαλύτερη απειλή δεν είναι πάντοτε η άμεση αστοχία. Είναι η σταδιακή απώλεια της ικανότητας να εξελίξεις, να διορθώσεις και να ξαναχτίσεις αυτό που ήδη έχεις.
Το AI δεν έρχεται να αντικαταστήσει μαγικά αυτή τη χαμένη ανθρώπινη κατανόηση.
Έρχεται να λειτουργήσει ως επιταχυντής ανάκτησης, σύνδεσης και τεκμηρίωσης της γνώσης, πριν η απόσταση ανάμεσα στο σύστημα και στους ανθρώπους που το συντηρούν γίνει αδύνατον να γεφυρωθεί.
Το Apollo δεν είναι μύθος. Είναι μάθημα.
Υπάρχει μία ιστορία που συχνά λέγεται με λάθος τρόπο:
Πήγαμε στο φεγγάρι τη δεκαετία του ’60 και μετά χάσαμε την τεχνολογία.
Η πραγματικότητα είναι πιο ενδιαφέρουσα.
Δεν χάθηκαν όλα τα σχέδια.
Δεν ξεχάστηκε η φυσική.
Δεν εξαφανίστηκε η τεχνολογία μέσα σε μία νύχτα.
Χάθηκε όμως κάτι εξίσου σημαντικό.
Οι ομάδες που είχαν καθημερινή εμπειρία
Τα εργαλεία και οι μέθοδοι παραγωγής
Οι προμηθευτές και η αλυσίδα κατασκευής
Οι δοκιμές και η εμπειρία των αποτυχιών
Η άρρητη γνώση που δεν μπήκε στα σχέδια
Η ζωντανή δυνατότητα άμεσης αναπαραγωγής
Ένα σχέδιο μπορεί να σου πει τι πρέπει να κατασκευάσεις.
Δεν μπορεί πάντα να σου εξηγήσει όλα όσα έμαθε μία ομάδα μέσα από χιλιάδες ώρες δοκιμών, αποτυχιών, διορθώσεων και αλλαγών.
Ο κινητήρας F-1 του Saturn V δεν ήταν ένα μαγικό αντικείμενο που απλώς ξεχάσαμε πώς λειτουργεί.
Ήταν το αποτέλεσμα τεράστιας ανάπτυξης, συνεχών δοκιμών και επίλυσης προβλημάτων καύσης που απαιτούσαν πραγματική πειραματική μηχανική.
Ακόμη και η μνήμη των υπολογιστών Apollo αντιπροσώπευε μία διαφορετική φιλοσοφία τεχνολογίας: σύρματα, μαγνητικοί πυρήνες, φυσικά υφασμένος κώδικας, ακραία βελτιστοποίηση και σχεδόν μηδενικό περιθώριο λάθους.
Δεν χάθηκε η δυνατότητα να τα μελετήσουμε.
Χάθηκε η καθημερινή, ζωντανή ικανότητα να τα ξαναπαράγουμε άμεσα, με την ίδια αλυσίδα ανθρώπων, εργαλείων και εμπειρίας.
Αυτό ακριβώς μπορεί να χαθεί και στο λογισμικό.
Ο source code μπορεί να υπάρχει. Η ζωντανή όμως κατανόηση του γιατί γράφτηκε έτσι, ποιες εξαιρέσεις προστατεύει και τι θα σπάσει αν αλλάξει, μπορεί να έχει ήδη απομακρυνθεί από τον οργανισμό.
Το πρόβλημα είναι ο ακατανόητος κώδικας
Ένας παλιός κώδικας που είναι τεκμηριωμένος, ελεγμένος και κατανοητός μπορεί να συνεχίσει να λειτουργεί για πολλά χρόνια.
Ένας ολοκαίνουργιος κώδικας που κανένας δεν καταλαβαίνει μπορεί να γίνει καταστροφή μέσα σε έξι μήνες.
Νέο, μοντέρνο και αόρατο
Έχει πολλά επίπεδα abstraction, dependencies και αυτοματισμούς, αλλά κανένας δεν μπορεί να εξηγήσει ολόκληρη τη συμπεριφορά του όταν κάτι αποτύχει.
Δουλεύει. Μην ρωτάς πώς.
Παλιό, ελεγμένο και χαρτογραφημένο
Οι είσοδοι, οι έξοδοι, οι κανόνες, οι εξαιρέσεις και οι ασφαλείς καταστάσεις του είναι γνωστές και μπορούν να επαληθευτούν.
Ξέρουμε τι κάνει και γιατί.
Γι’ αυτό το ζητούμενο δεν είναι να πάρει κάποιος ένα AI και να του πει:
Ξαναγράψε μου την τράπεζα.
Αυτό θα ήταν ανεύθυνο.
Το σωστό μοντέλο είναι διαφορετικό.
Το μοντέλο συνεργασίας
Το AI προτείνει. Ο άνθρωπος παραμένει υπεύθυνος.
Το AI χαρτογραφεί. Ο άνθρωπος ελέγχει. Το AI δημιουργεί tests. Η ομάδα επιβεβαιώνει. Το νέο σύστημα τρέχει παράλληλα με το παλιό. Τα αποτελέσματα συγκρίνονται. Υπάρχει rollback. Υπάρχει απόδειξη. Υπάρχει ανθρώπινη ευθύνη.
Ο γρηγορότερος βοηθός μηχανικού
Το AI δεν πρέπει να γίνει ο αυτόματος πιλότος μίας κρίσιμης υποδομής.
Πρέπει να γίνει ο γρηγορότερος βοηθός μηχανικού που είχαμε ποτέ.
Διαβάζει εκατομμύρια γραμμές κώδικα
Συνδέει εξαρτήσεις και υποσυστήματα
Παράγει τεκμηρίωση
Εντοπίζει μοτίβα και ασυνέπειες
Δημιουργεί tests και σενάρια
Σταματά εκεί όπου απαιτείται ανθρώπινη απόφαση
Ένας βοηθός που δεν κουράζεται να διαβάζει τεράστιους όγκους κώδικα.
Που μπορεί να κρατήσει ορατές περισσότερες εξαρτήσεις από όσες μπορεί να διαχειριστεί ένας άνθρωπος.
Που μπορεί να εξηγήσει παλιές λειτουργίες σε νέες ομάδες.
Που μπορεί να βοηθήσει στη μεταφορά γνώσης πριν χαθεί ολοκληρωτικά.
Που μπορεί να επιταχύνει την εργασία, χωρίς να αποκτήσει την ευθύνη του αποτελέσματος.
Το AI μπορεί να μας βοηθήσει να ξαναβρούμε τη γνώση. Δεν μπορεί να αναλάβει την ευθύνη για το τι θα κάνουμε με αυτήν.
Οι διακοπές είναι προειδοποιήσεις
Όταν μία αλλαγή πολιτικής, μία λάθος ρύθμιση ή ένα απρόβλεπτο αρχείο επηρεάζει υπηρεσίες παγκόσμιας κλίμακας, δεν σημαίνει ότι ένας developer είναι άχρηστος.
Σημαίνει ότι ο κόσμος έχει γίνει υπερβολικά συγκεντρωμένος και υπερβολικά εξαρτημένος από αλυσίδες συστημάτων που ελάχιστοι άνθρωποι μπορούν να δουν ολόκληρες.
Μία αλλαγή σε ένα κεντρικό quota-management σύστημα μπορεί να επηρεάσει υπηρεσίες σε ολόκληρο τον κόσμο.
Ένα configuration file που μεγαλώνει περισσότερο από όσο προβλέπει το σύστημα μπορεί να προκαλέσει αλυσιδωτή αποτυχία σε υποδομές που εξυπηρετούν τεράστιο μέρος του Internet.
Δεν χρειάζεται ένας κακόβουλος hacker.
Δεν χρειάζεται μία κινηματογραφική επίθεση.
Αρκεί μία αλληλουχία εξαρτήσεων που κανένας δεν είχε δει να συγκρούεται με αυτόν ακριβώς τον τρόπο.
Η προειδοποίηση
Ο κόσμος στηρίζεται σε αόρατο λογισμικό.
Όσο περισσότερο ψηφιοποιείται η κοινωνία, τόσο πιο πολύτιμο γίνεται κάθε εργαλείο που μπορεί να βοηθήσει να καταλάβουμε, να ελέγξουμε και να ξαναχτίσουμε αυτή την υποδομή χωρίς να τη διαλύσουμε.
Θα μας πάρει το AI τις δουλειές;
Κάποιες δουλειές θα αλλάξουν.
Κάποιες θα μειωθούν.
Κάποιες θα γίνουν πολύ γρηγορότερες.
Κάποιες εργασίες που σήμερα απαιτούν μεγάλες ομάδες θα μπορούν να ολοκληρώνονται από πολύ λιγότερους ανθρώπους.
Αλλά το μεγάλο παιχνίδι δεν είναι μόνο αυτό.
Το AI δεν χτίζεται μόνο για να γράψει διαφημίσεις, να απαντήσει σε πελάτες ή να κάνει έναν junior developer γρηγορότερο.
Χτίζεται και επειδή ο κόσμος έχει μπροστά του ένα τεράστιο τεχνικό χρέος.
Χρέος σε παλιό κώδικα
Χρέος σε υποδομές
Χρέος σε χαμένη τεκμηρίωση
Χρέος σε ανθρώπους που αποχώρησαν
Χρέος σε συστήματα που κανένας δεν αγγίζει
Χρέος σε άγνωστες εξαρτήσεις
Το AI δεν είναι εδώ μόνο για να αντικαταστήσει εργασίες.
Είναι εδώ για να βοηθήσει να ξανακάνουμε εργασίες που ο κόσμος άφησε πίσω του για δεκαετίες.
Να διαβάσουμε τον παλιό κόσμο.
Να καταλάβουμε πώς λειτουργεί.
Να κρατήσουμε ό,τι αξίζει.
Να αντικαταστήσουμε ό,τι είναι επικίνδυνο.
Να ξαναγράψουμε ό,τι πλέον δεν μπορεί να συντηρηθεί.
Ο βασικός λόγος για τον οποίο αναπτύσσεται το AI δεν είναι μόνο για να κάνει τη δουλειά σου. Είναι και για να κάνει τη δουλειά που ο κόσμος δεν μπορεί πλέον να εκτελέσει στην απαιτούμενη κλίμακα.
Η ευθύνη παραμένει ανθρώπινη
Το AI μπορεί να γράψει κώδικα.
Μπορεί να εξηγήσει κώδικα.
Μπορεί να προτείνει αρχιτεκτονική.
Μπορεί να δημιουργήσει tests.
Μπορεί να συγκρίνει αποτελέσματα.
Μπορεί να εντοπίσει μοτίβα που ένας άνθρωπος ίσως δεν προλάβαινε ποτέ να δει.
Δεν μπορεί όμως να αναλάβει την ευθύνη του αποτελέσματος.
Το όριο που δεν πρέπει να χαθεί
Η ταχύτητα μπορεί να γίνει μηχανική.
Η κρίση, η ευθύνη, η έγκριση, η αποδοχή του ρίσκου και η απόφαση να περάσει μία αλλαγή σε πραγματική παραγωγή παραμένουν ανθρώπινη δουλειά.
Ίσως αυτή να είναι η σημαντικότερη δουλειά της επόμενης δεκαετίας.
Όχι να ανταγωνιστούμε το AI στην ταχύτητα.
Αλλά να μάθουμε να το χρησιμοποιούμε για να επαναφέρουμε την κατανόηση, χωρίς να του παραδώσουμε την ευθύνη.
Επόμενη καρτέλα · AI Trap
Τι συμβαίνει όταν η νοημοσύνη πάνω στην οποία χτίσαμε την επιχείρησή μας είναι νοικιασμένη;
Αφού είδαμε γιατί ο κόσμος χρειάζεται τόσο πολύ AI, πρέπει τώρα να δούμε την οικονομική παγίδα, το χάσμα ανάμεσα στο chat και το API και το ρίσκο μιας επιχείρησης που δεν μπορεί πλέον να λειτουργήσει χωρίς τον provider της.
Σημειώσεις τεκμηρίωσης
Οι αναφορές σε legacy συστήματα δεν αποτελούν θεωρητική υπερβολή. Δημόσιοι οργανισμοί, τράπεζες και μεγάλες επιχειρήσεις εξακολουθούν να διαχειρίζονται κρίσιμες εφαρμογές δεκαετιών, των οποίων η αντικατάσταση απαιτεί μακροχρόνιο σχεδιασμό, τεκμηρίωση και έλεγχο.
Η GAO έχει καταγράψει κρίσιμα legacy συστήματα στις ομοσπονδιακές υπηρεσίες των ΗΠΑ, μαζί με δυσκολίες που αφορούν παλιές γλώσσες, κυβερνοασφάλεια, κόστος, εξάρτηση από εξειδικευμένο προσωπικό και ελλιπή σχέδια εκσυγχρονισμού.
Η Τράπεζα της Αγγλίας έχει επίσης αναγνωρίσει ότι χρηματοοικονομικές εταιρείες μπορεί να χρειαστεί να επανασχεδιάσουν ή να αντικαταστήσουν κρίσιμα legacy συστήματα, παρά το ρίσκο και την πολυπλοκότητα αυτής της μετάβασης.
Google Cloud, AWS και IBM προσφέρουν ήδη εργαλεία για ανάλυση mainframe και COBOL εφαρμογών, χαρτογράφηση εξαρτήσεων, παραγωγή τεκμηρίωσης, δημιουργία migration plans και υποστήριξη μετασχηματισμού κώδικα.
Στην ιστορία του Apollo, η ακριβέστερη διατύπωση δεν είναι ότι «χάθηκε όλη η τεχνολογία». Χάθηκε η ενεργή παραγωγική αλυσίδα, μεγάλο μέρος της άρρητης γνώσης, οι ομάδες, οι προμηθευτές, τα εργαλεία και η καθημερινή δυνατότητα άμεσης αναπαραγωγής του ίδιου συστήματος.
Τα περιστατικά μεγάλης κλίμακας σε Google Cloud και Cloudflare δείχνουν επίσης ότι μία φαινομενικά περιορισμένη αλλαγή σε κεντρικό subsystem μπορεί να προκαλέσει εκτεταμένες αλυσιδωτές επιπτώσεις. Αυτό δεν αποδεικνύει ότι «ένας junior έριξε το Internet». Αποδεικνύει πόσο βαθιές και δύσκολα ορατές έχουν γίνει οι εξαρτήσεις.
Η βασική θέση του άρθρου
Το AI δεν είναι ο αυτόματος αντικαταστάτης της ανθρώπινης τεχνικής ευθύνης. Είναι το εργαλείο που μπορεί να επιταχύνει την ανάκτηση γνώσης, τη χαρτογράφηση και τον ασφαλή εκσυγχρονισμό υποδομών που κανένας άνθρωπος ή μικρή ομάδα δεν μπορεί πλέον να κατανοήσει μόνος του σε ολόκληρη την κλίμακά τους.