Mitä tietokantatiimit voivat opettaa kehittäjille tekoälyagenttien käytöstä

Ollaan rehellisiä: joka viikko julkaistaan uusi otsikko siitä, miten tekoälyagentit kirjoittavat koodia nopeammin kuin ihmiskehittäjät. Cursor rakensi SQLiten päivissä. Ohjelmistotehtaat pumppaavat pull requesteja massoittain. Tämä saa monet kehittäjät miettimään, onko heidän työpaikkansa jo käytännössä historiaa.

Mutta mitä nuo otsikot jättävät huomiotta: nopeus on se helppo osuus. Saada agentit kirjoittamaan koodia nopeasti? Triviaalisti ratkaistu ongelma. Saada ne kirjoittamaan koodia, johon oikeasti luottaisi tuotantojärjestelmissä? Se on se vaikea ongelma, josta kukaan ei halua puhua.

Cockroach Labs jakoi hiljattain oman lähestymistapansa tähän haasteeseen, ja se kannattaa purkaa auki – varsinkin jos olet pieni tiimi tai kehittäjä, joka pohtii tekoälyagenttien sisällyttämistä työnkulkuunsa.

160 000 dollarin kysymys

Vuonna 2024 Cockroach Labs lisäsi Oracle-tietokannan tuen siirtotyökaluunsa, MOLTiin. Projekti kesti yhdeksän kuukautta ja maksoi noin 160 000 dollaria insinöörityötä. Kunnollista, ammattimaista työtä kokeneilta insinööreiltä.

Sitten tuli huhtikuu. Tiimin piti lisätä tuki IBM Db2:lle – tietokannalle, jolla on rikas SQL-dialekti, monimutkainen tyyppijärjestelmä ja natiivi wire-protokolla. Teknisesti vastaava laajuus.

He tekivät sen alle kahdessa päivässä. Kokonaiskustannus oli 4 172 dollaria.

Piilotettu catch? Yhtään koodia ei kirjoittanut ihminen.

Ennen kuin alatdraftaamaan eroilmoitustasi mielessäsi, pysähdy miettimään, mikä mahdollisti tämän: kyse ei ollut vain fiksummista agenteista. Kyse oli järjestelmästä, joka rakennettiin radikaalin premisin ympärille – siitä, että pullonkaula ei ole koodin kirjoittaminen, vaan luotettavan koodin kirjoittaminen.

MOLT Sinai: Koodaus-sairaala

Cockroach Labs ei vain heittänyt agenteja ongelman kimppuun. He rakensivat jotain, jota kutsuvat MOLT Sinai -järjestelmäksi: putkeksi, joka on mallinnettu opetussairaaloiden mukaan, jossa ongelmat ovat "potilaita", yhdistetty koodi on "kotiutusta" ja ihmisarvioijat ovat "ylilääkäreitä".

Sanasto on charmantti, mutta taustalla oleva filosofia on vakava:

• Ongelmat ovat potilaita: Jokainen tehtävä tulee järjestelmään dokumentaation kanssa, triageidaan ja seuraa määriteltyä hoitopolkua
• Purkaminen on diagnosointia: Suuret ongelmat pilkotaan aliongelmiksi, joilla on eksplisiittiset riippuvuuskaaviot. Perustyö ennen tyyppijärjestelmiä. Tyyppijärjestelmät ennen rivi-iterointia. Parantumista ei voi kiirehtiä.
• Arviointi on kierrosta: Jokainen työnäyte tarkastetaan, lähetetään takaisin tarkistettavaksi (joskus 55 kertaa per emo-ongelma) ja eskaloituu tarvittaessa
• Ihmiset ovat ylilääkäreitä: Lopullinen päätösvalta pysyy kokeneilla insinööreillä, jotka voivat ottaa ongelmia itselleen, kun jokin näyttää pieleen

Tämä ei ole korvaamassa lääkäreitä – kyse on järjestelmän rakentamisesta, jossa oppipojilla, apteekeilla ja erikoislääkäreillä kaikilla on selkeästi määritellyt roolit.

Suoritusteho on väärä mittari

Tässä kohtaa useimmat tekoälykokeilut menevät pieleen: ne optimoivat "PR:ää tunnissa" tai "koodiriviä päivässä" -metriikoille. Nämä mittarit tuntuvat jännittäviltä demoissa. Ne tuottavat loistavia otsikoita. Ne ovat melkein hyödyttömiä oikeasti toimivan ohjelman toimittamiseen.

Cockroach Labs sanoo suoraan: heidän mielestään on parempi, että agentit ottavat kymmenenkertaisen ajan kuin että väärä data päätyy asiakkaan siirtoon. Yritykselle, jonka koko arvolupaus on datan oikeellisuus, tämä ei ole vain filosofiaa – se on selviytymistä.

Heidän kysymyksensä ei ollut "kuinka monta PR:ää voimme yhdistää?" Se oli "kuinka monesta näistä PR:istä häpeisimme yhdistämistä?"

Tämä on kysymys, jota useampien tiimien pitäisi pohtia – tekipä tekoälyagentteja tai ei.

Mitä oikeasti tapahtui

Kun Db2-tuki laskeutui MOLTiin:

• 32 aliongelmaa avattiin emo-ongelman alle
• 27 pull requestia yhdistettiin putken läpi
• 55 kertaa arvioijat lähettivät työn takaisin tarkistettavaksi
• 9 ongelmaa eskaloitui, joista 2 vaati ihmisen väliintuloa
• Testikattavuus vastasi heidän parhaiten testattua dialektiaan (PostgreSQL)

Agentit eivät olleet täydellisiä. Ne ilmoittivat ongelmista omaa työtään vastaan: fixture-aukoista, tyyppikartoitus-bugeista, eristystason korjauksista. Ne tarvitsivat valvontaa. Mutta valvonta oli rakenteellista, tarkoituksenmukaista ja skaalautui työn monimutkaisuuteen.

Vertaa tähän ohjelmistotehdasta, jossa agentit pyörivät rinnakkain ja yhdistämiskäsittelijä hoitaa tulokset. Sellainen arkkitehtuuri on järkevä, kun pullonkaula on kirjoitusnopeus. Oikeellisuuskriittiselle työlle? Tarvitset jotain sairaalan kaltaista, ei tehdassalia.

Mitä tämä tarkoittaa sinun tiimillesi

No, useimmat teistä ette rakenna tietokantasiirtotyökaluja. Rakennatte web-sovelluksia, API-rajapintoja, sisäisiä työkaluja, MVP-prototyyppejä seuraavalle isonel­le jutulle. Panokset ovat erilaisia.

Mutta opetus pätee: tekoälyagentit loistavat volyymissa, ihmiset loistavat harkintakyvyssä. Tiimit, jotka saavat oikeasti arvoa tekoälykoodauksesta, eivät vain kysele ChatGPT:ltä ja toimita tulosta. He rakentavat järjestelmiä, jotka hyödyntävät kumpaakin siinä, missä kumpikin on hyvä.

Tämä voi tarkoittaa:

• Agenttien käyttöä boilerplate-koodiin, testaukseen ja rakenteiden luontiin
• Arviointiputkien rakentamista, jotka havaitsevat sen, mitä agentit jättävät väliin
• Agenttien tuotoksen kohtelua "ensimmäisenä luonnoksena" eikä "toimitusvalmiina"
• Ihmisten pitämistä mukana kaikessa, mikä koskee asiakasdataa tai ydintä liiketoimintalogiikkaa

Kehittäjät, jotka menestyvät tekoälyagenttien rinnalla, eivät ole niitä, jotka oppivat kirjoittamaan nopeammin. He ovat niitä, jotka oppivat arkkitehtuuri­maan järjestelmiä, jotka tekevät tekoälystä voimankertoimen eivätkä vastuun.

Lopputulos

MOLT Sinai käsitteli vastaavan yhdeksän kuukauden insinöörityön kahdessa päivässä, 2,5 prosentilla kustannuksista, ja laatu vastasi ihmisten kirjoittamaa koodia.

Mutta tuo otsikko peittää alleen sen, mitä oikeasti tapahtui: joukko ihmisiä rakensi tiukan järjestelmän, määritteli selkeät roolit, loi merkityksellisiä tarkistuspisteitä ja sitten luotti agenteihinsa toimimaan tuon kehyksen sisällä.

Agentit eivät korvanneet insinöörejä. Ne vahvistivat heitä.

Tämä ei ole tarina tekoälyn korvaamista kehittäjiä. Tämä on tarina kehittäjistä, jotka rakentavat järjestelmiä tarpeeksi kehittyneitä käyttääkseen tekoälyä hyvin.

Ja rehellisesti? Siitä versiosta tässä tarinassa kannattaa olla kiinnostunut.

Koetko, että infrastruktuuri jarruttaa sinua? Vibe Hosting yhdistää tekoälypohjaisen käyttöönoton luotettavuuteen, jota tarvitset nopeaan toimittamiseen ilman pelkoa. Domain-rekisteröinti, SSL-varmenteet ja pilvihosting – kaikki samassa paikassa.