Sztuczna inteligencja miała wyeliminować barierę techniczną w tworzeniu oprogramowania. Obietnica brzmiała: każdy z dobrym pomysłem może wpisać go w prompt tekstowy i wyjść z w pełni działającym startupem. W afrykańskim ekosystemie technologicznym rzeczywistość wygląda jednak zupełnie inaczej. Obecna fala narzędzi AI nie demokratyzuje tworzenia produktów dla zwykłych ludzi – działa jak potężny wzmacniacz dla ekspertów, którzy już rozumieją wdrażanie i architekturę systemów.

To codzienna obserwacja Aminat Shotade, inżynierki oprogramowania i założycielki IDEA8LAB. W wyłącznym wywiadzie dla Technext argumentowała, że fundamentalne wąskie gardło dla codziennych twórców całkowicie przesunęło się z generowania kodu.

„Największym wyzwaniem nie jest już programowanie. AI potrafi pisać kod, wyjaśniać kod, a nawet zbudować duże części aplikacji za ciebie. Prawdziwym wyzwaniem jest wiedza, co budować, jak elementy do siebie pasują i jak zamienić pomysł w działający produkt” – wyjaśniła Shotade. „Większość osób nietechnicznych potrafi opisać funkcje, jakich chcą. Z czym sobie nie radzą, to zrozumienie takich rzeczy jak uwierzytelnianie, bazy danych, płatności, hosting, bezpieczeństwo, doświadczenie użytkownika i projektowanie produktu.”

Dla czytelników spoza inżynierii: te terminy nazywają mechanizmy stojące za każdą działającą aplikacją – uwierzytelnianie weryfikuje, kim jest użytkownik, bazy przechowują zbierane informacje, hosting to miejsce, gdzie oprogramowanie faktycznie działa, a płatności i bezpieczeństwo sprawiają, że prawdziwe transakcje są bezpieczne. To właśnie tego mechanizmu nie dostarczy prompt w czacie i dlatego wąskie gardło, o którym mówi, się przesunęło, a nie zniknęło.

Załamanie następuje na poziomie architektury

Założyciele bez zaplecza technicznego często potrafią precyzyjnie opisać funkcje, jakich chcą, ale nowoczesne oprogramowanie to złożona sieć połączonych systemów i to przy ich łączeniu pojawiają się problemy.

„Zbudowanie aplikacji to nie jeden problem. To dwadzieścia różnych, połączonych ze sobą problemów” – zauważyła. „AI może pomóc rozwiązywać pojedyncze zadania, ale nadal trzeba rozumieć cały system.”

Shotade wskazała na niewidzialną infrastrukturę wymaganą do uruchomienia produktu. Założyciel może użyć chatbota do wygenerowania dopracowanego interfejsu, ale nadal musi skonfigurować protokoły uwierzytelniania, zaprojektować bazy danych, zabezpieczyć dane użytkowników i poprowadzić środowiska hostingowe. Gdy zwykły twórca próbuje wdrożyć kod wygenerowany przez AI, natychmiast natrafia na mur konfiguracji serwerów i wymagań bezpieczeństwa. Jej zdaniem dostęp do chatbota nie jest już czynnikiem decydującym dla afrykańskich twórców – decyduje możliwość uruchomienia tego, co bot wygeneruje.

Wirusowy sukces Lagos Life ilustruje problem

Ostatnie sukcesy, takie jak Lagos Run i jego następca – symulator życia Lagos Life – na pierwszy rzut oka zdają się dowodzić, że bariera wejścia ostatecznie runęła. Te doświadczenia działające w przeglądarce przyciągnęły ogromną uwagę kulturową, gamyfikując codzienne zmagania mieszkańców miasta. Czwartego dnia Lagos Life odnotowało niemal 2,5 mln graczy i 23 mln wizyt, ze szczytem ponad 122 000 użytkowników jednocześnie, i według doniesień wygenerowało około 62 000 000 nairy (46 900 USD), głównie dzięki reklamom na wirtualnych billboardach i zakupom wewnątrzgry przez graczy.

Ta eksplozyjna prędkość tworzy kuszącą iluzję, że każdy może osiągnąć ten sam rezultat. Ale twórcy tych gier to nie nowicjusze wpisujący prompty w pustkę. To doświadczeni inżynierowie oprogramowania, którzy dokładnie wiedzą, jak łączyć różne technologie. Obsługa masowego ruchu jednoczesnego wymaga głębokiej wiedzy o architekturze baz, balansowaniu obciążenia i zarządzaniu stanem w czasie rzeczywistym. Integracja sprzedaży reklam za prawdziwe pieniądze i lokalnych bramek płatniczych wymaga fundamentalnego zrozumienia API finansowych i bezpieczeństwa transakcji. AI nie zbudowało tej infrastruktury – zbudowali ją inżynierowie, używając AI.

Dla nietechnicznego założyciela z równie błyskotliwym pomysłem przepaść między generatywnym interfejsem czatowym a działającym, skalowalnym produktem pozostaje uparcie szeroka. Popyt na produkty rezonujące lokalnie ewidentnie istnieje; tym, co pozostaje rzadkie, jest – jej zdaniem – wiedza operacyjna, która zamienia uwagę w produkt zdolny udźwignąć obciążenie.

Egzekucja oddziela inżynierów od wszystkich pozostałych

Shotade wskazała precyzyjnie, dlaczego ta przepaść istnieje między osobami technicznymi a zwykłymi użytkownikami.

„Zbudowanie udanego produktu wymaga znacznie więcej niż samego pomysłu. Pomysły ma większość ludzi. Trudna część to egzekucja. Inżynierowie rozumieją, jak technologia zachowuje się w warunkach rzeczywistych” – powiedziała. „Wiedzą, jak budować, testować, ulepszać, skalować i szybko naprawiać problemy. Gdy widzą okazję, zwykle potrafią działać szybciej, bo już znają narzędzia. To nie znaczy, że osoby nietechniczne nie mogą budować udanych produktów. To tylko oznacza, że inżynierowie często mają mniej barier między pomysłem a gotowym produktem.”

Ograniczenia polegania wyłącznie na konsumenckich narzędziach czatowych stają się boleśnie widoczne przy wdrażaniu. Interfejs generatywny jest zbudowany do tworzenia, a nie do wykonywania, i Shotade zaoferowała ostrą analogię.

„Interfejs czatowy świetnie nadaje się do tworzenia rzeczy. Nie jest zaprojektowany do ich uruchamiania” – powiedziała. „ChatGPT może pomóc ci zaprojektować restaurację, stworzyć menu, a nawet napisać biznesplan. Ale nie staje się restauracją. Nadal potrzebujesz budynku, personelu, prądu, systemów płatności i klientów. To samo dzieje się z oprogramowaniem. Interfejs czatowy może wygenerować kod. Ale nadal potrzebujesz gdzieś go hostować, przechowywać dane, zarządzać użytkownikami, obsługiwać płatności i utrzymywać wszystko w działaniu. Tam prawdziwe aplikacje wychodzą poza okno czatu.”

Ta sama reguła dotyczy całego oprogramowania. Wygenerowanie kodu to dopiero pierwszy krok. Założyciele nadal potrzebują miejsca na, przechowywania danych, zarządzania użytkownikami, obsługi płatności i bezpiecznego utrzymania infrastruktury. Duży model językowy może napisać skrypt strony kasy, ale nie może automatycznie zabezpieczyć przepływu danych między wpisaniem danych karty przez użytkownika a autoryzacją transakcji przez bank. Prawdziwe aplikacje muszą wyjść poza okno czatu, aby przetrwać.

Edukacja musi przejść od składni do systemów

W ocenie Shotade rzeczywistość ta wymaga fundamentalnego przepisania sposobu nauczania technologii na całym kontynencie. Przez lata branża uczyła programowania, zmuszając studentów do zapamiętywania składni – pracy, którą modele generatywne obecnie wykonują w całości. Nowo cenną umiejętnością jest wyłącznie logika i architektura systemów.

„Myślę, że uczymy złych rzeczy. Przez lata ludzie uczyli się programowania, zapamiętując składnię. AI potrafi już obsłużyć dużo z tego” – argumentowała. „Cenną umiejętnością staje się: Jak myślisz nad problemem? Potrafisz podzielić duży problem na mniejsze części? Potrafisz zaprojektować przepływ pracy? Rozumiesz, jak dane przepływają przez system? Potrafisz określić, co musi się wydarzyć najpierw, potem i na końcu? Przyszłość nie polega na pamiętaniu każdego polecenia programistycznego. Polega na rozumieniu logiki, systemów i podejmowania decyzji.”

Aby nigeryjski ekosystem rzeczywiście wykorzystał potencjał tworzenia bogactwa tej rewolucji AI, nacisk musi przesunąć się z pisania kodu na projektowanie przepływów pracy. Twórcy muszą rozumieć, jak dane przepływają przez system od początku do końca, i określić, co musi się wydarzyć najpierw, potem i na końcu, zanim powstanie choćby jedna linijka kodu. To, jak nauka i programy szkoleniowe na kontynencie odpowiedzą na tę zmianę, ukształtuje, kto będzie przygotowany do tworzenia, gdy narzędzia AI się rozpowszechnią.

Brakująca warstwa między pomysłami a produkcją

Prawdziwa demokratyzacja wymaga – jej zdaniem – zupełnie nowej warstwy infrastruktury. Obecnemu ekosystemowi brakuje kluczowego mostu między ludzkimi pomysłami a działającymi środowiskami produkcyjnymi, a wizualne środowiska no-code i platformy szkoleniowe oparte na logice są niezbędne, by naprawdę go otworzyć.

„Nadal brakuje warstwy między pomysłami a produkcją. Obecnie istnieje ogromna luka. Ktoś może opisać aplikację zwykłym językiem. AI może wygenerować kod. Ale zamiana tego kodu w niezawodny biznes nadal jest skomplikowana” – stwierdziła. „Nadal trzeba myśleć o bazach danych, uwierzytelnianiu, hostingu, monitorowaniu, bezpieczeństwie, płatnościach i wdrażaniu.”

„Tego nam brakuje infrastruktury, która automatycznie obsługuje większość tych decyzji. Tego dnia, gdy ktoś będzie mógł opisać pomysł na biznes zwykłym językiem i niezawodnie uruchomić bezpieczny, skalowalny produkt bez rozumienia stosu technicznego, tworzenie oprogramowania stanie się naprawdę dostępne dla wszystkich. Poruszamy się w tym kierunku. Po prostu jeszcze tam nie jesteśmy” – zakończyła.

Dopóki ta warstwa nie powstanie, linia podziału w ekosystemie pozostaje tam, gdzie jest dziś: między tymi, którzy potrafią tworzyć prompty, a tymi, którzy potrafią wdrażać. Jej zdaniem tym, na co trzeba patrzeć, nie jest kolejny wirusowy start, lecz pojawienie się narzędzi zdolnych samodzielnie przeprowadzić pomysł wyrażony naturalnym językiem aż do bezpiecznego, skalowalnego uruchomienia.

Ten artykuł powstał na podstawie wyłącznego wywiadu, który pierwotnie opublikował Technext.