Aloitin sovelluskehittäjänä vuonna 2008. Kolme yhdeksän vuoden välein otettua tilannekuvaa kertoo, kuinka paljon työ on muuttunut ja mihin kokeneen kehittäjän arvo on siirtymässä.
2008: käsityötä palvelinhuoneessa
Sovellukset käännettiin kehittäjän koneella ja asennettiin käsin Linux-palvelimille. Ne saattoivat sijaita fyysisesti käyttöpaikoilla, esimerkiksi teollisuussahoilla. Jos sahan palvelin lakkasi yllättäen vastaamasta, kehittäjä joutui parhaimmillaan ajamaan itse paikan päälle ja selvittämään laitteen komentokehotteelta, mikä oli hajonnut. DevOps oli tuntematon termi, sillä ensimmäiset DevOpsDays pidettiin vasta vuonna 2009. GitHub oli juuri julkaistu, eikä versionhallinta ollut itsestäänselvyys. Joskus muutokset tehtiin suoraan tuotantoon. Apua haettiin internetistä mutta myös kirjoista ja ennen kaikkea työkavereilta. Suurin osa ajasta kului toteuttamiseen ja manuaaliseen testaamiseen, koska ihmisen tekemään työhön luotettiin enemmän kuin automaatiotesteihin.
2017: kaikki pilvessä
Koodi oli GitHubissa, CI-putket käänsivät sovellukset ja asennukset tehtiin pilveen. Moni tänäkin päivänä käytössä oleva hyvä käytäntö vakiintui. Apu löytyi nopeammin keskustelupalstoilta, oppaista ja blogeista kuin kirjoista tai työkavereilta. Silti suurin osa ajasta meni yhä toteuttamiseen, testaamiseen ja työkavereiden koodin katselmointiin. Määrittelyt ja ideat olivat valmiina, ne piti vain saada tehtyä. Testausta oli siirretty automaatiolle, mutta ihmisen tekemää testausta arvostettiin edelleen.
2026: iltapäivässä tuotantoon
Asiakas tilaa muutoksen sovellukseen, jota on viimeksi kehitetty vuonna 2017. Koodikanta on vanha, mutta AI-agentit toteuttavat, testaavat ja asentavat muutoksen iltapäivään mennessä. Samaan aikaan kuka tahansa voi ostaa agentin, myös ihminen, joka ei ole koskaan katsonut riviäkään koodia. Agentti rakentaa hänelle alle päivässä sovelluksen, johon aiemmin kului usealta ihmiseltä viikkoja tai kuukausia.
Myös avun hakeminen on muuttunut. Tutut oppaat ja blogit käsittelevät teknologioiden sijaan tekoälyn valjastamista. Oppaita luetaan ja työkavereilta kysytään apua edelleen, mutta enää ei kysytä, miten jokin tehdään tietyllä teknologialla. Nyt keskustellaan siitä, millä tekoälymallilla ja millä ohjeilla saa parhaan tuloksen.
Nopeus on kuitenkin siirtänyt pullonkaulat muualle.
Ennen toteutusta pullonkaula on ideointi. Toteutuksen jälkeen suurin pullonkaula on kokonaisuus, joka muodostuu testauksesta, koodikatselmoinnista ja asiakkaan hyväksynnästä. Manuaalinen testaus on yllättäen sama pullonkaula kuin vuonna 2008: emme vielä täysin luota siihen, että tekoäly tekee tunneissa työn, johon ihmiseltä kuluisi useita päiviä. Koodikatselmointi vie entistä enemmän aikaa, koska koodia syntyy enemmän ja katselmoitavana on tekoälyn tuotos ihmisen koodin sijaan. Parhaimmillaan tekoäly toteuttaa toiminnot hyvin järkevästi. Pahimmillaan koodikanta alkaa vähitellen poiketa siitä, mihin tiimi on tottunut, ja sen ylläpito vaikeutuu. Lopuksi asiakkaan on vielä hyväksyttävä muutos, eikä hyväksyntä nopeudu samaa tahtia toteutuksen kanssa.
Hyvä esimerkki tästä on tapaus viime kesältä. Omaa konehuoltoyritystään pyörittävä sukulaiseni oli pitänyt asiakas- ja huoltotietonsa paperilla. Hän pyysi minua tekemään digitaalisen huoltokirjan, josta hänen asiakkaansa voivat tilata huollot verkossa. Näyttävä prototyyppi syntyi yhdessä illassa ja tuotantokelpoinen järjestelmä muutaman päivän lisätyöllä. Se odottaa kuitenkin vieläkin sukulaisen testausta ja hyväksyntää.
Sama näkyi Opetushallituksen ePerusteet-palvelun käyttöliittymäuudistuksessa, jonka toteutin:
Tekoäly tuotti noin 90 prosenttia yli 100 000 koodirivin muutoksista, mutta ennen käyttöönottoa Opetushallituksen asiantuntijat testasivat kokonaisuuden huolellisesti.
Kilpailu ratkeaa ideassa
Kun kuka tahansa voi rakentaa sovelluksen, kilpailu siirtyy siihen, kuka rakentaa parhaan idean. Tekoäly tuottaa sitä, mitä joku on jo joskus kirjoittanut. Kehotteella ”luo asiakashallintajärjestelmä” tai ”luo tasoloikkapeli” syntyy toimiva sovellus, mutta samanlaisen saa kuka tahansa. Ilman omaa ideaa lopputulos ei erotu massasta.
Toisaalta oma idea ei enää jää toteutuksen jalkoihin. Ideoimme muutama vuosi sitten kavereiden kanssa lautapelin, kun tekoälyavusteinen kehitys oli vielä älykästä automaattitäydennystä. Prototyyppi jäi ajanpuutteen ja laiskuuden vuoksi tekemättä. Hiljattain kokeilin, saisivatko agentit siitä tietokoneella pelattavan version. Muutamassa illassa peli oli niin valmis, että se saattaa toimia digitaalisena jopa paremmin.
Asiakasprojekteissa ainutlaatuisuus syntyy harvoin keksimällä jotain täysin uutta. Se syntyy asiakkaan omasta liiketoiminnasta: prosesseista, poikkeuksista ja asioista, joita kukaan ei ole kirjoittanut internetiin. Sukulaiseni digitaalinen huoltokirja ei ole uusi keksintö, mutta koska se on rakennettu hänen yrityksensä tapaan toimia, siinä on parempia ominaisuuksia kuin kilpailijoiden järjestelmissä. Siksi tekninen konsultointi siirtyy koodista liiketoiminnan ymmärtämiseen ja sen kääntämiseen sovelluksiksi.
Mitä tämä vaatii kokeneelta kehittäjältä
18 vuoden kokemus ei ole menettänyt arvoaan, mutta sen käyttötapa on muuttunut. Tiedän, miltä hyvä arkkitehtuuri näyttää, mitkä ratkaisut kestävät vuosia ja mistä kohdasta vanha järjestelmä tyypillisesti hajoaa. Sen avulla osaan ohjata agentteja ja arvioida niiden tuotoksia. Osaan myös kysyä asiakkaalta oikeat kysymykset ennen kuin riviäkään koodia syntyy.
Mitä tämä mahdollistaa asiakkaalle
Kun toteutus on nopeaa ja edullista, asiakas voi kokeilla useampaa ideaa ja hylätä huonot ajoissa. Budjetti kuluu oikean ratkaisun löytämiseen eikä yksittäisen version rakentamiseen. Asiakas maksaa yhä vähemmän koodiriveistä ja yhä enemmän siitä, että lopputulos tukee hänen liiketoimintaansa.
Oletko kiinnostunut Goforesta työpaikkana?
Grow with AI
Artikkeli on osa Goforen Grow with AI -teemaa, jossa tarkastelemme tekoälyn vaikutusta asiantuntijatyöhön ja nostamme esiin goforelaisten kokemuksia työn muutoksesta ja uuden oppimisesta.
Lue myös teeman aiemmat sisällöt:
Mitä asiantuntijuus tarkoittaa AI-aikakaudella?
Miten ohjelmistokehittäjä kehittää osaamistaan, kun AI muuttaa työtä?
Miten tekoäly muuttaa ohjelmistokehittäjän arkea?
