குறியீட்டாளர்கள், நிறுவனர்கள் மற்றும் ஒரு மர்மமான பிழையை உற்றுப் பார்த்த எவருக்கும் இடையே இரவு நேர ஸ்லாக் அரட்டைகள் மற்றும் காபி எரிபொருளான விவாதங்களில் இது ஊர்ந்து செல்லும் எரிச்சலூட்டும், சற்று தொந்தரவான கேள்விகளில் ஒன்றாகும். ஒருபுறம், AI கருவிகள் குறியீட்டை எவ்வாறு துப்புகின்றன என்பதில் வேகமாகவும், கூர்மையாகவும், கிட்டத்தட்ட விசித்திரமாகவும் மாறி வருகின்றன. மறுபுறம், மென்பொருள் பொறியியல் ஒருபோதும் தொடரியலை மட்டும் சுத்திகரிப்பதாக இல்லை. வழக்கமான டிஸ்டோபியன் "இயந்திரங்கள் எடுத்துக்கொள்ளும்" அறிவியல் புனைகதை ஸ்கிரிப்ட்டில் சறுக்காமல் - அதை மீண்டும் தோலுரிப்போம்.
இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:
🔗 மென்பொருள் சோதனைக்கான சிறந்த AI கருவிகள்
QA-ஐ சிறந்ததாகவும் வேகமாகவும் மாற்றும் AI-இயங்கும் சோதனைக் கருவிகளைக் கண்டறியவும்.
🔗 ஒரு AI பொறியாளராக எப்படி மாறுவது
AI இல் வெற்றிகரமான வாழ்க்கையை உருவாக்குவதற்கான படிப்படியான வழிகாட்டி.
🔗 சிறந்த குறியீடு இல்லாத AI கருவிகள்
சிறந்த தளங்களைப் பயன்படுத்தி குறியீட்டு முறை இல்லாமல் AI தீர்வுகளை எளிதாக உருவாக்குங்கள்.
மென்பொருள் பொறியாளர்கள் முக்கியம் 🧠✨
அனைத்து விசைப்பலகைகள் மற்றும் ஸ்டேக் ட்ரேஸ்களுக்குக் கீழே, பொறியியல் என்பது எப்போதுமே சிக்கல் தீர்த்தல், படைப்பாற்றல் மற்றும் அமைப்பு அளவிலான முடிவெடுத்தல் ஆகியவையாகவே. நிச்சயமாக, செயற்கை நுண்ணறிவால் நொடிகளில் சிறு துணுக்குகளை உருவாக்கவோ அல்லது ஒரு செயலியை கட்டமைக்கவோ முடியும், ஆனால் உண்மையான பொறியாளர்கள், இயந்திரங்களால் முழுமையாகச் செய்ய முடியாத விஷயங்களைக் கொண்டு வருகிறார்கள்:
-
புரிந்துகொள்ளும் திறன் சூழலைப்.
-
சமரசம் செய்து கொள்வது (வேகம் vs. செலவு vs. பாதுகாப்பு... எப்போதும் ஒரு ஏமாற்று வேலை).
-
பணிபுரிதல் மக்களுடன்குறியீட்டுடன் மட்டுமல்லாமல்,
-
ஒரு நேர்த்தியான வடிவத்திற்கு பொருந்தாத வினோதமான விளிம்பு வழக்குகளைப் பிடிப்பது.
AI-ஐ ஒரு அபத்தமான வேகமான, சோர்வடையாத பயிற்சியாளராக நினைத்துப் பாருங்கள். உதவியாக இருக்கிறதா? ஆமா. கட்டிடக்கலையை வழிநடத்துகிறீர்களா? இல்லை.
இதை கற்பனை செய்து பாருங்கள்: ஒரு வளர்ச்சிக் குழு, விலை நிர்ணய விதிகள், பழைய பில்லிங் தர்க்கம் மற்றும் விகித வரம்புகளுடன் தொடர்புடைய ஒரு அம்சத்தை விரும்புகிறது. ஒரு செயற்கை நுண்ணறிவால் அதன் சில பகுதிகளை வடிவமைக்க முடியும், ஆனால் தர்க்கத்தை எங்கே வைப்பது, எதை நீக்குவது, மற்றும் இடமாற்றத்தின் நடுவில் விலைப்பட்டியல்களை எப்படிச் சிதைக்காமல் இருப்பது போன்ற அதிகாரம் ஒரு மனிதருக்கே உரியது. அதுதான் வித்தியாசம்.
தரவு உண்மையில் என்ன காட்டுகிறது 📊
எண்கள் வியக்கத்தக்கவை. கட்டமைக்கப்பட்ட ஆய்வுகளில், GitHub Copilot ஐப் பயன்படுத்தும் டெவலப்பர்கள் ~55% வேகமாக தனியாகக் குறியிடுபவர்களை விட 2 மடங்கு வரை வேகமாக [2]. தத்தெடுப்பும் மிகப்பெரியது: 84% டெவலப்பர்கள் AI கருவிகளைப் பயன்படுத்துகிறார்கள் அல்லது பயன்படுத்த திட்டமிட்டுள்ளனர், மேலும் பாதிக்கும் மேற்பட்ட தொழில் வல்லுநர்கள் அவற்றை தினசரி பயன்படுத்துகின்றனர் [3].
ஆனால் ஒரு சிக்கல் உள்ளது. AI உதவியுடன் குறியீட்டாளர்கள் அதிக வாய்ப்புள்ளது வெளியேறுகிறார்கள் என்று அதிக நம்பிக்கையுடன் [5]. அதனால்தான் கட்டமைப்புகள் பாதுகாப்பு வழிமுறைகளை வலியுறுத்துகின்றன: மேற்பார்வை, சோதனைகள், மனித மதிப்பாய்வுகள், குறிப்பாக முக்கியமான களங்களில் [4].
விரைவான பக்கவாட்டு: AI vs. பொறியாளர்கள்
| காரணி | AI கருவிகள் 🛠️ | மென்பொருள் பொறியாளர்கள் 👩💻👨💻 | அது ஏன் முக்கியம்? |
|---|---|---|---|
| வேகம் | துண்டுகளை கிராங்கிங் செய்வதில் மின்னல் [1][2] | மெதுவாக, அதிக கவனமாக | வேகம் என்பது பரிசு அல்ல |
| படைப்பாற்றல் | அதன் பயிற்சித் தரவுகளால் பிணைக்கப்பட்டுள்ளது | உண்மையில் கண்டுபிடிக்க முடியுமா? | புதுமை என்பது மாதிரி நகல் அல்ல |
| பிழைத்திருத்தம் | மேற்பரப்பு திருத்தங்களை பரிந்துரைக்கிறது | என்பது புரிகிறது. ஏன் அது | மூல காரணம் முக்கியம் |
| ஒத்துழைப்பு | தனி ஆபரேட்டர் | கற்பிக்கிறது, பேச்சுவார்த்தை நடத்துகிறது, தொடர்பு கொள்கிறது | மென்பொருள் = குழுப்பணி |
| செலவு 💵 | ஒரு பணிக்கு மலிவானது | விலை அதிகம் (சம்பளம் + சலுகைகள்) | குறைந்த செலவு ≠ சிறந்த பலன் |
| நம்பகத்தன்மை | மாயத்தோற்றம், ஆபத்தான பாதுகாப்பு [5] | அனுபவத்துடன் நம்பிக்கை வளர்கிறது | பாதுகாப்பு மற்றும் நம்பிக்கை எண்ணிக்கை |
| இணக்கம் | தணிக்கைகள் மற்றும் மேற்பார்வை தேவை [4] | விதிகள் மற்றும் தணிக்கைகளுக்கான வடிவமைப்புகள் | பல துறைகளில் பேச்சுவார்த்தைக்கு உட்பட்டது அல்ல |
AI கோடிங் சைடுகிக்குகளின் எழுச்சி 🚀
கோபிலட் மற்றும் எல்எல்எம்-இயங்கும் ஐடிஇக்கள் போன்ற கருவிகள் பணிப்பாய்வுகளை மறுவடிவமைக்கின்றன. அவை:
-
உடனடியாக பாய்லர் பிளேட்டை வரைவு செய்யுங்கள்.
-
மறுசீரமைப்பு குறிப்புகளை வழங்குங்கள்.
-
நீங்கள் இதுவரை தொடாத APIகளை விளக்குங்கள்.
-
சோதனைகள் கூட (சில நேரங்களில் செதில்களாக, சில நேரங்களில் திடமாக) துப்புகின்றன.
திருப்பம் என்ன? ஜூனியர்-டையர் பணிகள் இப்போது அற்பமானவை. இது தொடக்கநிலையாளர்கள் கற்றுக் கொள்ளும் விதத்தை மாற்றுகிறது. முடிவில்லாத சுழல்களை அரைப்பது குறைவான பொருத்தமானது. புத்திசாலித்தனமான பாதை: AI வரைவை அனுமதிக்கவும், பின்னர் சரிபார்க்கவும்: கூற்றுகளை எழுதவும், லிண்டர்களை இயக்கவும், தீவிரமாக சோதிக்கவும், மற்றும் ஒன்றிணைப்பதற்கு முன் ரகசிய பாதுகாப்பு குறைபாடுகளை மதிப்பாய்வு செய்யவும் [5].
ஏன் AI இன்னும் முழுமையான மாற்றாக இல்லை
வெளிப்படையாகச் சொல்லப் போனால்: AI சக்தி வாய்ந்தது, ஆனால்... அப்பாவியாகவும் இருக்கிறது. அது பின்வருவனவற்றைக் கொண்டிருக்கவில்லை:
-
உள்ளுணர்வு - முட்டாள்தனமான தேவைகளைப் பிடிப்பது.
-
நெறிமுறைகள் - நியாயம், சார்பு, ஆபத்து ஆகியவற்றை எடைபோடுதல்.
-
சூழல் - ஏன் இருக்க வேண்டும் அல்லது இருக்கக்கூடாது என்பதை அறிதல்.
நிதி, சுகாதாரம், விண்வெளி போன்ற முக்கியமான மென்பொருளுக்கு - நீங்கள் ஒரு கருப்புப் பெட்டி அமைப்பில் சூதாட மாட்டீர்கள். கட்டமைப்புகள் தெளிவுபடுத்துகின்றன: சோதனை முதல் கண்காணிப்பு வரை மனிதர்கள் பொறுப்புக்கூற வேண்டியவர்களாக இருக்கிறார்கள் [4].
வேலைகளில் "நடுத்தர" விளைவு 📉📈
திறன் ஏணியின் நடுவில் AI கடுமையாக தாக்குகிறது:
-
தொடக்க நிலை டெவலப்பர்கள்: பாதிக்கப்படக்கூடியது - அடிப்படை குறியீட்டு முறை தானியங்கிமயமாக்கப்படுகிறது. வளர்ச்சி பாதையா? சோதனை, கருவி, தரவு சரிபார்ப்புகள், பாதுகாப்பு மதிப்புரைகள்.
-
மூத்த பொறியாளர்கள்/கட்டிடக் கலைஞர்கள்: பாதுகாப்பானது - வடிவமைப்பு, தலைமைத்துவம், சிக்கலான தன்மை மற்றும் AI ஐ ஒழுங்கமைத்தல்.
-
முக்கிய நிபுணர்கள்: இன்னும் பாதுகாப்பானது - பாதுகாப்பு, உட்பொதிக்கப்பட்ட அமைப்புகள், ML உள்கட்டமைப்பு, டொமைன் தனித்தன்மைகள் முக்கியத்துவம் வாய்ந்த விஷயங்கள்.
கால்குலேட்டர்களைப் பற்றி யோசித்துப் பாருங்கள்: அவை கணிதத்தை அழித்துவிடவில்லை. எந்தத் திறன்கள் இன்றியமையாதவை என்பதை அவை மாற்றின.
மனிதப் பண்புகள் AI மறைந்து போகின்றன
AI-க்கு இன்னும் இல்லாத சில பொறியாளர் வல்லரசுகள்:
-
கரடுமுரடான, ஸ்பாகெட்டி-மரபு குறியீட்டுடன் மல்யுத்தம்.
-
பயனர் விரக்தியைப் படித்து வடிவமைப்பில் பச்சாதாபத்தைக் காரணியாக்குதல்.
-
அலுவலக அரசியல் மற்றும் வாடிக்கையாளர் பேச்சுவார்த்தைகளை வழிநடத்துதல்.
-
இன்னும் கண்டுபிடிக்கப்படாத முன்னுதாரணங்களுக்கு ஏற்ப மாற்றியமைத்தல்.
முரண்பாடாக, மனிதப் பொருட்கள் கூர்மையான நன்மையாக மாறி வருகின்றன.
உங்கள் தொழில் எதிர்காலத்தை எவ்வாறு சிறப்பாக வைத்திருப்பது 🔧
-
ஒருங்கிணைக்கவும், போட்டியிட வேண்டாம்: செயற்கை நுண்ணறிவை ஒரு சக ஊழியரைப் போல நடத்துங்கள்.
-
மதிப்பாய்வில் இரட்டிப்பு: அச்சுறுத்தல் மாதிரியாக்கம், சோதனைகளாக விவரக்குறிப்புகள், கவனிக்கத்தக்க தன்மை.
-
கள ஆழத்தைக் கற்றுக்கொள்ளுங்கள்: கொடுப்பனவுகள், சுகாதாரம், விண்வெளி, காலநிலை - சூழல் எல்லாமே.
-
தனிப்பட்ட கருவித்தொகுப்பை உருவாக்குங்கள்: லிண்டர்கள், ஃபஸர்கள், தட்டச்சு செய்யப்பட்ட APIகள், மீண்டும் உருவாக்கக்கூடிய கட்டமைப்புகள்.
-
ஆவண முடிவுகள்: ADRகள் மற்றும் சரிபார்ப்புப் பட்டியல்கள் AI மாற்றங்களைக் கண்டறியக்கூடியதாக வைத்திருக்கின்றன [4].
சாத்தியமான எதிர்காலம்: ஒத்துழைப்பு, மாற்றீடு அல்ல 👫🤖
உண்மையான நிலைமை என்பது “செயற்கை நுண்ணறிவுக்கும் பொறியாளர்களுக்கும் இடையிலான மோதல்” அல்ல. அது பொறியாளர்களுடன் இணைந்த செயற்கை நுண்ணறிவு. இதில் முழுமையாக ஈடுபடுபவர்கள் வேகமாகச் செயல்படுவார்கள், பெரிய அளவில் சிந்திப்பார்கள், மேலும் கடினமான வேலைகளைப் பிறரிடம் ஒப்படைப்பார்கள். இதை எதிர்ப்பவர்கள் பின்தங்கிவிடும் அபாயத்தை எதிர்கொள்வார்கள்.
உண்மை சரிபார்ப்பு:
-
வழக்கமான குறியீடு → AI.
-
உத்தி + முக்கியமான அழைப்புகள் → மனிதர்கள்.
-
சிறந்த முடிவுகள் → AI-வளர்ச்சியடைந்த பொறியாளர்கள் [1][2][3].
சுருக்கமாக 📝
அப்படியானால், பொறியாளர்கள் மாற்றப்படுவார்களா? இல்லை. அவர்களின் வேலைகள் உருமாறும். கற்றுக்கொள்பவர்களே வெற்றியாளர்களாக இருப்பார்கள் வழிநடத்தக் .
இது ஒரு புதிய வல்லரசு, ஒரு பிங்க் ஸ்லிப் அல்ல.
குறிப்புகள்
[1] GitHub. “ஆராய்ச்சி: டெவலப்பர் உற்பத்தித்திறன் மற்றும் மகிழ்ச்சியில் GitHub Copilot இன் தாக்கத்தை அளவிடுதல்.” (2022). https://github.blog/news-insights/research/research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/
[2] மெக்கின்சி & கம்பெனி. “உருவாக்கும் AI மூலம் டெவலப்பர் உற்பத்தித்திறனை வெளிக்கொணர்தல்.” (ஜூன் 27, 2023). https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/unleashing-developer-productivity-with-generative-ai
[3] ஸ்டாக் ஓவர்ஃப்ளோ. “2025 டெவலப்பர் கணக்கெடுப்பு — AI.” (2025). https://survey.stackoverflow.co/2025/ai
[4] NIST. “AI இடர் மேலாண்மை கட்டமைப்பு (AI RMF).” (2023–). https://www.nist.gov/itl/ai-risk-management-framework
[5] பெர்ரி, என்., ஸ்ரீவஸ்தவா, எம்., குமார், டி., & போனே, டி. “AI உதவியாளர்களுடன் பயனர்கள் அதிக பாதுகாப்பற்ற குறியீட்டை எழுதுகிறார்களா?” ACM CCS (2023). https://dl.acm.org/doi/10.1145/3576915.3623157