Imposter sindrom – sumnjati u svoje sposobnosti do tačke da se osećate kao prevarant – je tema koja uvek izaziva pažnju među programerima. Za mnoge programere, eksplozija GenAI i alata za kodiranje sa AI podrškom čini osećaj da su prevaranti još neizbežnijim nego ikad. Mnogi ljudi koji se profesionalno bave programiranjem trče da dodaju veštine AI inženjeringa i druge srodne veštine u svoj repertoar i brinu se da će njihove osnovne poslovne funkcije biti preuzete od strane veštačke inteligencije.
U ovom trenutku, kako mogu vođe u tehnološkoj industriji da osnaže svoje programere? Gradeći kulturu koja prepoznaje i nagrađuje kontinuirano učenje i tretira GenAI kao moćan dodatak programerskom alatu: način da se automatizuje dosadni rad i ubrza sticanje novih veština, omogućavajući programerima da rade sa većom sposobnošću i kreativnošću.
Zašto se mnogi programeri osećaju kao prevaranti na poslu?
Ni jedna industrija nije imuna na imposter sindrom, ali određeni aspekti rada programera mogu ih ostaviti posebno ranjivima na osećaj prevarantstva.
Uvek ima nešto novo za naučiti
Tehnologija i najbolje prakse se neprestano razvijaju, što znači da programeri moraju biti otvoreni za sticanje novih veština ili usavršavanje postojećih, umesto da veruju da nemaju više šta da nauče. Uvek postoji nešto novo što treba naučiti – što znači da uvek postoji nešto što ne znate kako da uradite.
Može biti teško naučiti postepeno
Ljudi obično stiču više samopouzdanja u svoje sposobnosti kada mogu postepeno sticati nove veštine, prema doktorki Keti Hiks, direktorki Pluralsight Flow – Developer Success Lab. Međutim, softverski inženjering ne uvek nagrađuje ili čak dozvoljava postepeno učenje. „Samo ‘nauči Python’ ili ‘nauči React’“, kaže Hiks.
Industrija može biti kao lonac pod pritiskom
Mnogi programeri takođe osećaju ogroman pritisak da se usavršavaju i uče nove veštine u preostalom vremenu koje imaju od svog osnovnog posla. Provode vreme van posla učenjem novih jezika, doprinoseći projektima otvorenog koda i prikupljanjem portfolioa – drugim rečima, radeći. Za mnoge programere, čini se da izbor stoji između žrtvovanja vremena za punjenje baterija i obaveza mimo posla ili posustajanja u karijeri.
Posebno sa tehničkim uticajima koji dele svoje sporedne poslove ili projekte iz hobija na društvenim mrežama, neki programeri počinju da se osećaju kao da svi rade na nečemu što je kompleksnije, kreativnije ili inovativnije od onoga na čemu rade. I s obzirom na to da mnogi programeri rade na daljinu, teško je programerima da stvore realnu sliku o tome kako njihove kolege rade ili kako stvarno provode vreme.
Učenje je deo posla
Ogroman pritisak na programere da stiču nove veštine, jezike i okvire za razvoj softvera može ih zarobiti u ono što Hiks opisuje kao ciklus stresa, „oblik fiziološkog uslovljavanja u kojem povezujete učenje sa visokim nivoom stresa.“ Kada učenje deluje kao stresno, skupo i ne donosi dovoljno nagrade, ljudi izbegavaju situacije u kojima su izazvani da razvijaju nove veštine: zao krug koji pojačava osećaj prevarantstva.
Godišnje istraživanje Stack Overflowa je pokazalo da pristup mogućnostima za učenje na poslu je vrlo važan programerima. Međutim, iako mnoge organizacije pominju želju programera da uče na poslu, često demotivišu učenje fokusirajući se samo na kvantitativne rezultate programera: kodove, izmene i PR-ove.
U jednom istraživanju koje je obuhvatilo više od dvadeset programera i inženjera softvera, Hiks je otkrila da „pregled koda često nije prepoznavan kao napor koda pišućih, kada to ne rezultira u linijama koda.“ Uprkos „izraženim idealima o deljenju znanja“, Hiks piše, „ovaj rad je često bio protivrečan negativnim znakovima kolega o onome što je ‘stvarno’ vrednovano.“ Kao rezultat toga, programeri su se osećali usamljeni i izgubljeni, kao da „rade kodiranje u mraku.“
Era GenAI
Nastanak AI alata za kodiranje ima potencijal da pogorša ovu neravnotežu. Umesto da stvaraju vreme i pružaju resurse neophodne za učenje programera na poslu, neki poslodavci će pokušati da premoste jaz u veštinama uz pomoć AI alata za kodiranje, koji u suštini nude samo kvantifikovane rezultate. GenAI ne pati od imposter sindroma, mada bi možda trebalo. Jasno je pokazano da velike jezičke modele (LLM),
obučene na nekompletne, netačne ili zastarele informacije vode do pogrešnih i obmanjujućih rezultata. Upravljanje znanjem je jednako važno za AI kao i za ljude.
Umesto da gledaju na implementaciju AI alata kao zamenu za ljudsko učenje, vođe u tehnološkoj industriji koji žele da daju moć programerima trebalo bi da razmišljaju o AI kao moćnom alatu za ubrzavanje učenja i usavršavanje, dok se istovremeno automatizuje dosadni rad. Matenje originalni sadržaj dodajući URL izvora izvora ovde.
