개발자이자 제품 담당자로서, AI를 이용해 코딩을 시도했지만, 문맥 길이, 모델의 부실한 출력, 아키텍처 부재 등으로 실패함. Leetcode 도움을 넘어서는 유용한 작업을 AI로 하지 못함. 간단한 HTML 페이지에서 선택자를 추출하는 작업도 여러 AI 모델로 시도했지만 성공하지 못함. 기술 발전에 대한 기대감이 컸으나 실제로 제대로 작동하는 제품을 원함.
인간은 의미와 만족을 주는 일을 찾음. 기술 발전으로 장인들이 가장 먼저 쓸모없어짐. 사회는 가치를 생산하지 않으면 존엄성을 인정하지 않는다는 메시지를 보냄. 예술과 엔지니어링을 AI에게 맡김으로써 이해하지 못하는 사람들도 저렴하게 이용할 수 있게 됨. 기술 발전이 누구에게 이익이 되는지, 그리고 미래에 인간의 위치는 어디인지에 대한 질문을 던짐.
Scott Wu는 1989년 이래 완벽한 점수를 받은 소수의 사람 중 하나로, 경쟁 프로그래밍 올림피아드에서 만남. 그의 놀라운 재능을 활용하고 있음을 보고 기쁨.
인증 없이 임의의 크기의 파일을 업로드할 수 있는 웹사이트에 대해 크게 인상받지 않음. 500MB 파일을 서버에 올림.
AI가 뛰어나다면 좋은 용도로 사용해야 함. 고급 소프트웨어 엔지니어로서 코드 작성이 일의 90%가 아니라, 복잡한 요구 사항을 명확한 작업으로 나누고, 요구 사항의 틈을 찾아 최소한의 코드를 작성하며, 코드베이스를 이해하는 것임. "AI 소프트웨어 엔지니어"보다는 "AI 인간 관계자"가 필요함.
데모는 인상적이지만 범위가 제한적이어서 실제 상황에서 얼마나 잘 작동할지 의문임. 소프트웨어 아키텍처를 할 수 있는지, 해결책이 단지 재생산에 불과한지, 해결책이 90%만 정확하면 충분하지 않은 경우가 얼마나 자주 발생할지에 대한 의문.
백엔드 개발 경험이 있는 사람으로서, LLM은 기본 라이브러리/프레임워크/언어를 잘 알 때 코드 생성에 대한 놀라운 생산성 향상을 제공함. 그러나 여전히 모든 것을 알아야 하며, AI가 자동으로 모든 것을 할 수는 없음.
데모가 인상적이고 출시를 축하하지만, Devin이 마주하는 버그가 간단한 수정으로 해결 가능한지 궁금함. 예를 들어, KeyError를 해결하기 위해 try-catch로 코드를 감싸는 것은 코드를 실행시키지만, 항상 이상적인 해결책은 아님.
LLM은 여전히 "운율 맞추기" 단계에 있음. "이성적 사고"로 넘어갈 수 있을지는 미지수이지만, 코딩은 복잡한 문제에 대해 이성적 사고가 필요함. 변화하는 속도를 고려할 때 무엇이든 가능성을 배제하지 않음.
이 분야에서 일하는 사람으로서, 코딩에서 AI의 사용은 현재 보조 도구와 고급 자동완성 수준임. Pythagora와 같은 회사들은 인간의 개입이 중요하다고 보고 있으며, LLM을 지시에 따라 빠르게 행동하는 열정적인 주니어 개발자로 생각할 수 있음. 내부 프롬프트와 인간의 약간의 지도로 놀라운 결과를 낼 수 있음.
Hacker News 의견