Το Πρόβλημα των Προδιαγραφών Δεν Είναι Καινούργιο – Η Τεχνητή Νοημοσύνη Απλά το Έκανε Φανερό

Υπάρχει μια άβολη αλήθεια στην ανάπτυξη agentic: το εμπόδιο δεν ήταν ποτέ το γράψιμο κώδικα. Ήταν η απόφαση για το τι κώδικα να γράψεις εξαρχής.

Ο Fred Brooks το κατάλαβε από το 1986, στο No Silver Bullet. Είδε ότι οι καινοτομίες όπως το object-oriented design ή το structured programming έδωσαν μικρά οφέλη. Γιατί; Αντιμετώπισαν την accidental complexity – την ταλαιπωρία του κώδικα – όχι την essential complexity – τη δυσκολία της σκέψης. Στην πραγματικότητα, το δύσκολο στην ανάπτυξη software είναι πάντα η φάση προδιαγραφών: να συντονίσεις ενδιαφερόμενους, να λύσεις συμβιβασμούς και να ορίσεις απαιτήσεις για κάτι ανύπαρκτο ακόμα.

Τώρα δώσαμε τη δημιουργία κώδικα στην AI. Και όλοι νομίζουν ότι οι προδιαγραφές θα λυθούν μαγικά. Λάθος.

Γιατί "Λεπτομερείς Περιγραφές" και "Φυσική Γλώσσα" Δεν Είναι Ισοδύναμα

Πολλά εργαλεία σήμερα – από AI PRD generators μέχρι validators – πιστεύουν ότι αν η AI ρωτήσει τα σωστά, τα κενά θα κλείσουν μόνα τους.

Λάθος προϋπόθεση. Η φυσική γλώσσα είναι ασαφής. Γι' αυτό φτιάξαμε formal notation. Μπορείς να γράψεις υπέροχη product spec που ρέει σαν ιστορία και όλοι να συμφωνούν. Αλλά λείπει η ακρίβεια που χρειάζεται η AI για σταθερό κώδικα. "Το dashboard να φορτώνει γρήγορα" δεν είναι το ίδιο με "P95 latency <2000ms, 99th percentile max 5000ms". Το δεύτερο είναι προδιαγραφή. Το πρώτο, ευχή.

Δίνεις ασαφή spec σε AI agent; Παίρνεις δύο κακά σενάρια:

1. Η ασάφεια βγαίνει σε περίεργο κώδικα. Λειτουργεί, αλλά χρειάζεται refactors για μήνες.

2. Η AI γεμίζει κενά μόνη της. Βάσει training data από χιλιάδες projects. Στέλνει assumptions που δεν ήθελες.

Κανένα δεν σώζει.

Πού Λειτουργεί η Agentic Ανάπτυξη (και Πού Όχι)

Η agentic coding λάμπει σε στενά πεδία. Landing pages, CRUD apps, boilerplate integrations, e-commerce flows. Είναι προβλήματα με έτοιμες λύσεις στα training data. Η AI κάνει pattern matching, όχι καινοτομία.

Αυτό δίνει αξία. Ένας solo founder πολλαπλασιάζει παραγωγικότητα. Μικρή ομάδα φτιάχνει tools σε ώρες, όχι εβδομάδες.

Προϋπόθεση; Υψηλή σαφήνεια προδιαγραφών. Το πεδίο είναι γνωστό, η spec σχεδόν αυτονόητη.

Σε custom logic, novel integrations, αρχιτεκτονικές επιλογές; Εκεί σκέφτεσαι για ανθρώπους. Η AI επιταχύνει το γράψιμο. Όχι τη σκέψη. Δεν λέει "μη το κάνεις έτσι, καλύτερα αλλιώς". Εφαρμόζει ό,τι της λες.

Όπως είπε developer: "Η AI γράφει κώδικα, αλλά δεν αρνείται αν δεν της πεις πρώτα γιατί το Χ είναι καλύτερο." Αυτό είναι product thinking. Απαραίτητο.

Το Πραγματικό Εμπόδιο: Η Τριβή Ανάμεσα σε Ανθρώπους

Αν οι προδιαγραφές είναι το δύσκολο και η AI δεν τις λύνει, τι μένει;

Μείωση τριβής στην ανθρώπινη επικοινωνία.

Όταν PM δίνει brief σε engineer και χάνετε εβδομάδα σε meetings για edge cases; Πρόβλημα spec. Όταν designs συγκρούονται με backend limits; Πρόβλημα spec. Όταν AI βγάζει κώδικα με λάθος assumptions; Ίδιο.

Η λύση δεν είναι καλύτερη AI. Είναι ακρίβεια πριν τρέξει agent.

Πώς;

• Spec ως βασικό artifact. Σαν contract για τον κώδικα.
• Καταγραφή tradeoffs. Γιατί eventual consistency; Γιατί αυτό το data model;
• Formal tools όπου μετράει. SQL schemas, API contracts, performance targets.
• Γρήγορα feedback loops. Τρέξε μικρό κομμάτι κώδικα, δες ασάφειες, διόρθωσε spec.

Τι Σημαίνει για τη Δική σου Ροή Ανάπτυξης

Χρησιμοποιείς AI για production; Επένδυσε περισσότερο σε spec, όχι λιγότερο.

Ακούγεται παράξενο στην εποχή του "move fast". Αλλά γρήγορα με κακή spec σημαίνει λάθος στόχους ταχύτερα. Οι επιτυχημένες ομάδες σκέφτονται πρώτα σκληρά. Χρησιμοποιούν agents για execution.

Για startups: Το πλεονέκτημα σου δεν είναι η AI code gen. Είναι η καθαρή spec. Αν την ορίσεις ώστε η AI να την υλοποιήσει σωστά, έχεις κερδίσει. Ο κώδικας είναι το εύκολο πια.

Το Καίριο Συμπέρασμα

Ο Brooks είχε δίκιο το 1986. Έχει δίκιο και το 2025. Η ουσία του software είναι η σύλληψη ιδέας, όχι η κατασκευή. Η AI το έκανε πιο προφανές.

Η επόμενη παραγωγικότητα δεν θα 'ρθει από καλύτερες agents. Από ομάδες που πειθαρχούν στις spec, βλέπουν requirements engineering ως core discipline και ενισχύουν AI με σαφήνεια, όχι θόρυβο.

Εκεί κρύβεται η ευκαιρία AI + software. Χρειάζεται κάτι που καμιά agent δεν κάνει: βαθιά σκέψη για το τι χτίζεις.