קראתי לאחרונה על פיטורים צפויים של כ-1,000 עובדים בחברת Wix. זו לא הפעם הראשונה בתקופה האחרונה שאני נתקל בדיווחים על ארגונים שמפטרים עובדים ומחליפים אותם בכלי בינה מלאכותית (AI).
אני עובד בתחום מעל 30 שנה, וזוכר עדיין היטב את בועת הדוט-קום הגדולה של סוף שנות ה-90. באותם ימים, אנשים שעבדו בסידור מדפים בסופרמרקט עזבו את עבודתם, לקחו קורס מזורז בכתיבת HTML, וחיפשו עבודה כמפתחי אתרי אינטרנט. כולם שמעו על השכר הגבוה בהייטק ועל התנאים המפנקים, ורצו גם הם חלק בחגיגה.
הם לא הבינו שמאחורי הקלעים נדרשים ידע עמוק, יכולות חשיבה והרבה מאוד עבודה קשה. ההתפכחות הייתה מהירה כשהם גילו שפיתוח תוכנה הוא לא רק לשבת כמה שעות מול מסך ולהקליד כמה תגיות.
גם אז היו גלי פיטורים עצומים. חלק גדול מאותם אנשים נפלט מהתחום ועבר לעסוק בדברים אחרים, וחלק נשאר והתפתח. אלו שנשארו היו אנשים שבאמת אהבו לתכנת, ורצו ללמוד מעבר לבסיס. הם הבינו שהתחום הזה דורש למידה מתמדת, יום-יומית, ושהם חייבים להשתלב בתוך מתודולוגיות פיתוח מסודרות.
הבום של ה-AI והאשליה הטכנולוגית
וזה מחזיר אותי לימינו אנו. גם עכשיו אנחנו בעיצומו של “בום” טכנולוגי סביב ה-AI. אין לי ספק שהגל הנוכחי גדול ועוצמתי בהרבה מכל מה שראינו בעבר. הקלות שבה ניתן כיום לפתח אתרים, תוכנות ואפליקציות היא בלתי נתפסת. אך כאן בדיוק טמון האתגר.
כיום, כל אחד מרגיש שהוא יכול לבנות מערכת שלמה בלי להבין דבר במתודולוגיות פיתוח, ושלא נדבר על ארכיטקטורת קוד. כאן גם טמונה הסכנה הגדולה: החלפת מפתחים והעברה לייצור (Production) של אפליקציות שפותחו אך ורק על ידי AI ללא התערבות, בקרה או פיקוח של מהנדס תוכנה – תביא עמה נזק משמעותי מאוד בהמשך הדרך.
על איזה נזק אני מדבר? האפשרויות רבות, אך אמנה את שני האתגרים הקריטיים ביותר לדעתי:
1. אבטחת מידע (Cyber Security)
לפיתוח מאובטח יש כללים נוקשים ורבים, ולא בכדי. בעולם המודרני, שבו מלחמות הסייבר תופסות חלק נכבד מזירת הקרב, כתיבת קוד ופרסום אפליקציות ללא הבנה מעמיקה באבטחה פותחים פתח רחב לאיומים. גורמים עוינים שמחפשים דרך לפרוץ פנימה ינצלו את הפרצות הללו בקלות, מה שעלול להוביל לנזק עסקי כבד, פגיעה בפרטיות המשתמשים ואפילו סיכון לביטחון המדינה. אני לא טוען ש-AI אינו יכול לכתוב קוד מאובטח, אך כדי לעשות זאת נדרשות הגדרה מדויקת, הכשרה ייעודית, ובעיקר בקרה וניהול אנושיים.
2. ארכיטקטורה ותשתיות (Enterprise Architecture)
כאן הדגש הוא בעיקר על מערכות בשוק האנטרפרייז, אך לא רק. נניח שפיתחנו באמצעות ה-AI אתר אינטרנט מדהים: הוא נותן שירותים, שולח הודעות, ואוסף מידע ממקורות שונים. נניח אפילו שהוא מאובטח בצורה יוצאת מן הכלל וכולל תהליך של אימות משתמשים (Authentication).
עכשיו מגיע שלב הפריסה (Deployment) לשרתי החברה או לענן. איך עושים את זה נכון? מהן המגבלות הטכנולוגיות? איזה סוג שרת נדרש? איזו מערכת הפעלה תתמוך בו? כיצד מנהלים עדכוני גרסאות ואינטגרציה? אלו נושאים מורכבים שאנשים שאינם מגיעים מהתחום פשוט לא מכירים, ומעולם לא התמודדו איתם.
אז מה עושים? מוותרים?
ממש לא. כלי ה-AI, שרק הולכים ומשתבחים, הם מעולים כבר היום. אני אישית מתנסה בכלים רבים באופן קבוע – החל מ-ChatGPT שהיה הראשון, ועד ל-Gemini ו-Claude שהפכו אצלי כבר ל”בני בית”. היכולות שלהם מדהימות, ועם הכוונה נכונה אפשר לייצר בעזרתם כלים מגוונים ומרתקים (כפי שאני משתף כאן בבלוג).
אבל המפתח הוא פיקוח והכוונה. הנה תהליך העבודה הנכון לדעתי:
-
שלב האפיון: לפני שאני ניגש ל-AI, אני יושב לכתוב מסמך אפיון מסודר. בעברי אפיינתי לא מעט מערכות ומודלים שנמצאים בשימוש נרחב עד היום. היכולת לייצר אפיון שמפתח (או AI) יבין דורשת ניסיון רב במערכות מידע, בהבנת המבנה שלהן, וכן בדגש על חווית משתמש (UX). האפיון חייב להגדיר את הדרישות הפונקציונליות, לצד דרישות לקוד קריא, מתועד ומאובטח שיאפשר תחזוקה והרחבה בעתיד.
-
שלב הפיתוח המונחה: בשלב זה נותנים ל-AI לעשות את מה שהוא מצטיין בו. אך חיוני להגדיר לו מראש את ה-Stack הטכנולוגי: שפת התכנות, ספריות, וארכיטקטורה (כמו שילוב בין Client ל-Server).
-
שלב הבדיקות (QA): כאן המפעיל הופך לאיש בדיקות. הדרך המומלצת היא לגזור מהאפיון תסריטי בדיקה (Test Cases) שיבדקו הן את זרימת העבודה העיקרית והן את מקרי הקצה (Edge Cases).
-
תיקון באגים: כשמגלים התנהגות לא צפויה (“באג”), חוזרים ל-AI. אם יש לכם רקע בקוד, יעזור מאוד לכוון אותו לפונקציה או לשורה הספציפית. לעיתים לא מדובר בבאג בקוד, אלא ב”באג באפיון” – משהו ששכחנו לציין או לחזות מראש. זו ההזדמנות לעדכן את האפיון ולבקש מה-AI לתקן בהתאם.
-
סקירת קוד (Code Review): לאחר שהקוד עובד, מומלץ לשלב איש מקצוע שמכיר את שפת הפיתוח לעומק כדי שיבצע Code Review. הוא יוודא שהקוד כתוב נכון, מתועד כראוי, ונקי מחורי אבטחה.
-
ניהול גרסאות: מומלץ לעבוד עם כלי לניהול גרסאות (כמו GitHub). נדרשת לכך מיומנות בסיסית, אך ישנם אינספור סרטוני הדרכה ברשת שיסבירו לכם צעד אחר צעד איך לעשות זאת.
-
פריסה (Deploy): בשלב הסופי, דרך הפריסה תלויה מאוד בטכנולוגיה שנבחרה. כאן מומלץ מאוד להתייעץ עם אנשי IT או DevOps – זהו תפקידם, והם ידעו להמליץ על הארכיטקטורה הנכונה ביותר מתוך החלופות.
שורת הסיכום
מטרת הפוסט הזה היא ממש לא להרתיע אתכם מלעבוד עם כלי AI, אלא להאיר את החשיבות של תהליכי פיתוח והנדסת תוכנה מקובלים.
נכון, ה-AI יכול לבצע חלק מהשלבים הללו ברמה כזו או אחרת (כולל בדיקות או סקירת קוד). אולם בשוק האנטרפרייז, שבו אני פועל, אין תחליף לאנשי מקצוע בעלי הידע הרלוונטי והניסיון המעשי.
העולם זז מהר, וגם אנחנו, אנשי המקצוע, חייבים ללמוד ולהתקדם יחד איתו. השוק משתנה ומשתדרג מדי כמה שנים. עבורנו זה לא מצב חדש. כל מה שעלינו לעשות הוא להיות מספיק נבונים, מנוסים ומקצועיים כדי להוביל את השינוי הזה בצורה הנכונה והבטוחה ביותר.
