ჩვენ ვართ პროგრამული განვითარების გადატანის წერტილზე. განხილვა ხშირად ეხება რომელი AI საუკეთესო კოდის დაწერა (Claude vs. ChatGPT) ან სად სად უნდა ცხოვრებოდეს AI (IDE ან CLI). მაგრამ ეს არ არის სწორი კითხვა.
პრობლემა არა გენერირება კოდის. იგი არის ვალიდაცია ამის
თუ ჩვენ AI-ს მივიღებთ როგორც “Vibe Coders” – როდესაც ჩვენ მიზანს აღნიშნავთ და AI შესრულებას აკეთებს – ჩვენ ქმნით უზარმაზარ ახალ პროგრამული უზრუნველყოფის ნაკადს. AI-აგენტების სვეტი ერთ წუთში შეიძლება მეტი კოდი გენერიროს, ვიდრე უფროსი დეველოპერი კვირაში შეიძლება გადახედოს. ადამიანი გახდა ბოტლენქი.
გადაწყვეტა არა მეტი ადამიანები. გადაწყვეტა არის AI დიზაინის ავტორიტეტი.
ტრადიციულად “Design Authority” არის არქიტექტორების ჯგუფი, რომელიც ყოველ კვირა ან თვეში იკრიბება, რათა პროექტის დამტკიცება ან უარყოფა მოხდეს. სამყაროში, სადაც მაღალი სიჩქარის AI განვითარების ეს მოდელი ბედნიერად მოძველებულია. იგი ძალიან ნელია და რეაქტიულია.
თუ გადავდივართ “Disposable Code” – პროგრამაზე, რომელსაც ჩვენ უსასრულოდ არ გადამუშავებთ, არამედ ვგდება და თავიდან ვქმნით, როდესაც მოთხოვნები იცვლება – მაშინ ჩვენი როლიც ფუნდამენტალურად იცვლება. ჩვენ აღარ ვართ ქარხნის მშენებლები, რომლებიც ქვა ქვას აყენებენ. ჩვენ ვართ ქარხნის არქიტექტორები, რომლებიც ბირთვების პრინტირებით ქმნიან კედლებს.
მაგრამ ვინ აკონტროლებს, რომ ეს კედლები სწორად დდგას?
AI Design Authority ადამიანი არა, არამედ პაიპლაინია. “Gauntlet”, სადაც თითოეული გენერირებული კოდის ხაზმა უნდა იბრძოლოს, რათა წარმოებაში გადადის. ეს პროცესი არ შეცვლის ადამიანურ კოდის მიმოხილვას არაფერი, არამედ რამე უკეთესი.
ის მუშაობს სამი ფენით:
1. შესრულების ძალა (გენერაცია)
ჩვენ არ ვთხოვთ ერთ AI-ს გადაწყვეტის, ჩვენ ვთხოვთ სამს. ჩვენ გვაძლევთ Gemini 3, GPT‑5 და ღია წყაროს მოდელს (მაგალითად Llama) ერთდროულად იმუშაონ იგივე პრობლემაზე. ეს აცილებს ტუნელურ ხედვას და გატაცებს “ლოლობას”, რომელსაც LLM‑ებმა ზოგჯერ აქვთ. ეს მიდგომა ასევე სამეცნიეროდ გამოკვლეული და აჩვენებს, რომ შეგიძლიათ AI‑ის ჰალუცინაციები თავიდან აიცილოთ და ძალიან გრძელ შრანგები შექმნათ შეცდომის გარეშე
2. მყარი ფილტრი (კანონი)
აქ განხილვა შეუძლებელია. კოდი უნდა კომპილირდეს. ლინტერებმა არ უნდა ბოდიშის გამო. და კრიტიკულად: შავი ყუთის ტესტები წარმატება უნდა. ჩვენ არ ვტესტავთ, ფუნქცია შიდა დონეზე მუშაობს თუ არა (ეს შეიძლება AI-ს მანიპულიროს), ჩვენ ვტესტავთ, სისტემა გარედან აკეთებს თუ არა ის, რაც უნდა. ტესტი ვერ მოხერხდა? პირდაპირ სანაგვე ყუთში.
3. ნაზი ფილტრი (AI ჟურია)
ეს არის რეალური ინოვაცია. დარჩენილი გადაწყვეტები წარმოდგენილია სპეციალიზირებულ “Voting AI”-ს. ეს აგენტი კოდი არ იწერებს, არამედ კითხულობს კოდი. იგი ტრენირებულია ჩვენს არქიტექტურული პრინციპებზე, უსაფრთხოების მოთხოვნებზე (OWASP, ISO) და შესაბამისობის წესებზე (EU AI Act).
ის ხმის მიცემა: “გადაწყვეტა A უფრო სწრაფია, მაგრამ გადაწყვეტა B უფრო უსაფრთხოა და უკეთესად მიჰყევით ჩვენს მიკროსერვისების არქიტექტურას.”
გამარჯვებული გადადის წარმოებაში.
ეს მოდელი იძულებს ძალის განყოფილებას, რომელიც მრავალ გუნდში არ არსებობს.
project-description.md, rules.md, skills.md en principles.md), მკაცრი მოთხოვნები. არქიტექტორი განსაზღვრავს რა ჩვენ ვაშენებთ, ვინ აემშენებს, როგორ და რატომ.
ეს გვათავისუფლებთ სინტაქსის შეცდომების ტირანისგან და გვაძლევს შესაძლებლობას დავამახვილოთ ყურადღება იმაზე, რაც ჩვენ კარგად ვიცით: სისტემური აზროვნება. სიმართლის პოვნა. სტრუქტურა და გადაწყვეტილების მიღება.
კითხვა არაა, შეიძლება AI ჩვენი კოდი დაწეროს. ეს საკითხი უკვე დასრულებულია. კოდი ძირითადად გადატანადი პროდუქტი გახდება.
კითხვა არის: გინდათ თუ არა კონტროლზე კოდი გათავისუფლოთ, რათა იმით კონტროლზე ხარისხი თავიდან დავიღალოთ?
მომახსენეთ