Mi a Science-ben megjelent cikkük legfontosabb eredménye a nagyközönség számára? Például az, hogy az amerikai Python-kódok körülbelül egyharmadát már AI írja vagy a kibocsátásnövekedés? Miért?
A laikusok számára az a legmeglepőbb eredmény, hogy a Python-függvények közel egyharmadát már mesterséges intelligencia írja. Egy jól körülhatárolható szoftveres munkatípus harmadát már most AI végzi – és ez 2024 végén volt így, azóta valószínűleg még magasabb ez az arány. Az akadémiai kutatás buborékában és intenzív AI-használóként gyakran elfelejtem, hogy nem mindenki követi ilyen közelről a legfrissebb fejleményeket.
Ha másképp nézem, a legfontosabb eredmény az, hogy bár a kevésbé tapasztalt fejlesztők gyakrabban használnak AI-t, a tényleges haszon a szenioroknál csapódik le. Ők lesznek produktívabbak, ők azok, akik új képességeket próbálnak ki, új típusú programokat kezdenek írni. A kezdők nem nyernek vele annyit. Ez azért érdekes, mert a szakirodalomban korábban sok eredmény az ellenkezőjét mutatta, azt, hogy az AI csökkenti a termelékenységi különbségeket a dolgozók között. Vannak erről 2-3 éve született, de már klasszikusnak számító tanulmányok, például ügyfélszolgálati központokról. Ezek azt mutatták ki, hogy a frissen belépők, ha AI-t használhatnak, szinte olyan hatékonyan dolgoznak, mint a több éves tapasztalattal rendelkezők.
Sok szektorban tehát azt látjuk, hogy az AI közelíti egymáshoz a dolgozók teljesítményét. Még a tanácsadásban is hasonló eredményekre jutottak, bár ezek a vizsgálatok az elemzők – a pályájuk elején, egy-, illetve két év óta dolgozó tanácsadók – munkájára fókuszáltak. Ott valóban csökkennek a különbségek a legjobban és kevésbé jól teljesítők között.
Így egy olyan konszenzus kezdett kialakulni, hogy az AI hatásai a munkavégzésre kedvezőek lehetnek. Az egyenlőtlenség világszerte égető szakpolitikai kérdés, és felcsillant a remény, hogy az AI csökkenti majd.
A mi cikkünk viszont egy most formálódó kutatási irányhoz kapcsolódik: amikor a munka bonyolultabb és nem kontrollált környezetben zajlik az AI-jal, inkább széttartást látunk a kezdő és tapasztalt munkavállalók teljesítménye között.
Röviden, ha valami összetettet akarsz megcsinálni, tudnod kell, mit kérdezz az AI-tól, és hogyan értelmezd a válaszát, hogy jól teljesíts. Ez nem varázseszköz.
Hat nagy országot hasonlítanak össze: az Egyesült Államok vezet, Németország és Franciaország közel mögötte, India felzárkózik, Kína és Oroszország egyelőre lassabb az AI-használatban. Mi hajtja az országok közti különbségeket?
Az Egyesült Államok azért vezet, mert onnan indult az egész. A magyarázat messzebbre vezet, egy egész tudományterület foglalkozik ezzel. A Corvinuson nemrég ért véget a témában az Innováció földrajza (Geography of Innovation) nemzetközi konferencia, és a részt vevő kutatóknak épp ez az alapvető kérdése: miért tart ilyen sokáig, amíg a találmányok elterjednek? Ötszáz éve ezt könnyű volt megérteni, hiszen az embereknek utazniuk kellett, lóháton vagy gyalog vitték a híreket. Azt gondolhatnánk, hogy a digitális korban ez másképp van, például a ChatGPT-t már a megjelenése napján ki tudtam próbálni, pedig nem San Franciscóban élek.
Ennek ellenére még mindig vannak akadályok, és a történet összetett. A földrajzi dimenzió nem tűnt el. Az új találmányokról ma is sokszor az ismerőseinken keresztül értesülünk, akik személyesen megmutatják nekünk. Ez továbbra is számít, ez mozgatja az adaptációs görbék közötti különbségeket. Az Egyesült Államok és Németország közötti eltérés a vizsgálatunkban nagyon kicsi: mostanra statisztikailag felzárkóztak egymáshoz, gyakorlatilag nem lehet őket megkülönböztetni.
Akkor miért marad le Kína? Sokan kérdezték ezt, mert Kínáról az a kép él, hogy lehagyja az EU-t és felzárkózik az Egyesült Államokhoz. Erre több magyarázat is van. Egyrészt nem elhanyagolható a kulturális, kommunikációs és szociális hálózati távolság a Szilícium-völgy és Kína között. Másodszor: a csúcskategóriás AI-modellek – különösen a koraiak, a ChatGPT, az Anthropic Claude-ja, majd a Google Geminije – Kínából nehezen érhetők el. Kétoldalú akadályról van szó. Belülről a kínai kormány a Nagy Tűzfallal blokkolja ezeket az oldalakat. A kínai fejlesztők VPN-t használnak, világszínvonalúak a korlátozások megkerülésében – de ettől még akadály marad számukra. És mivel széles fejlesztői mintát vizsgálunk, ez valószínűleg számít. A másik oldalon pedig az amerikai cégek nem fogadnak el kínai bankkártyát, sőt, kínai geolokációval fiókot sem engednek létrehozni.
Minden akadályra van megoldás, de a kettő együtt érezhető fék. Azt se feledjük: a vezető kínai modellek csak 2025 elején jelentek meg, az adataink pedig 2024 végével zárulnak. Arra számítok, hogy a DeepSeek megjelenése jelentősen csökkentette a különbséget. Ha valaki fél éve is szívesen használt AI-t, most jó eséllyel elégedett a legújabb kínai modellel. Ez valószínűleg mérsékli a lemaradást.
Hogyan terjed majd az AI a következő 3–4 évben: inkább konvergencia vagy tartós rétegződés várható?
Először is érdemes tisztázni, mit értünk azon, hogy „AI". Ha azt, hogy valaki ChatGPT-t használ – megnyit egy böngészőt, felmegy egy weboldalra, és beszélget az AI-jal –, vagy akár összetettebb feladatokat végez böngészőalapú eszközökkel, az szerintem hamar világszerte általánossá válik, nagyjából úgy, ahogy a Google-keresés. Az viszont, hogy a vállalatok hogyan építik be az AI-t a működésükbe, sokkal összetettebb és érdekesebb kérdés. Egy nagy cégnél nem egyszerű kiismerni, milyen eszközöket lehet használni és milyen adatokat hova szabad feltölteni. És mivel ez a terület olyan gyorsan változik, a vállalati szervezetek még nincsenek felkészülve, vagy nem elég gyorsan reagálnak a szabályok kialakítására.
Óriási a heterogenitás: vannak cégek, amelyek jól csinálják, és vannak, amelyek nem. Ez valószínűleg összefügg a vállalat méretével és korával.
Egy régi, nagyon nagy, esetleg állami tulajdonú vállalat a sztereotip példája a lassú alkalmazkodónak, míg a kisebb startupok vagy fiatalabb cégek lehetnek a leggyorsabbak. Ha pedig országos szinten akarjuk mérni az adaptációt, a kulturális és a szabályozási kérdések érdekes heterogenitást hoznak majd.
Van még egy fontos szempont: az is folyamatosan változik, hogy mi számít „AI"-nak. Az elmúlt fél évben elkezdtem használni a Claude Code-ot, ami egy új szint – bizonyos értelemben közvetlenebbül „él” a számítógépen, és sokkal erősebb eszköz. Lehet, hogy ez szűkebb körben terjed majd el. Emiatt elfogult vagyok: az AI-jal foglalkozom, és folyamatosan élek együtt vele. De épp ezért nagyon érdekel, hogy a következő években hogyan alakul ezeknek a kifinomultabb AI-eszközöknek a terjedése.
A becslésük szerint önmagában az amerikai kódolásban tízmilliárd dolláros nagyságrendű érték keletkezik. Hova kerül ez az érték: a vállalatokhoz, a fogyasztókhoz vagy a platform- és eszközszolgáltatókhoz?
Erre nincs igazán egyértelmű válaszom. Nem gondolom, hogy a platformszolgáltatók fogják lefölözni a legtöbb értéket, mert ez egy rendkívül versengő piac, ez pedig nekünk, fogyasztóknak kifejezetten kedvező. Ha például csak az OpenAI találta volna ki, hogyan kell ezt csinálni, könnyen lehet, hogy még három évvel később is csak a GPT-4-nél tartanánk. Amikor senki más nem próbálkozik, a fejlődés egyszerűen lelassul. Ezt jól lehet érezni, ha valaki közelről követi a területet. Éppen ez benne a nagyszerű: valódi verseny van.
Az online platformok világa hosszú ideig inkább a monopóliumokról szólt. Mindenki a Microsoft Office-t, az Outlookot vagy a Google-keresőt használja. Ezek kvázimonopóliumok, és az elmúlt 15–20 évben nem igazán voltak látványos ugrások a fejlődésükben. Persze a Microsoft és a Google ezzel vitatkozna, de én például nem tudnék hirtelen felidézni egyetlen igazán átütő újítást sem a Google keresőjében az elmúlt tíz évből. Úgy gondolom, hogy az így keletkező többletérték elsősorban a fogyasztóknál és a vállalatoknál csapódik le. Hosszabb távon viszont ez még alakulóban van: lehet, hogy végül az Anthropic kerül előnybe, lehet, hogy az OpenAI. Mindenesetre izgalmas lesz figyelni a történéseket.
Ha az AI növeli a kibocsátást, és lenyomja a „kódolás árát”, akkor általánosságban ki jár jól, különösen kisebb gazdaságokban, mint például Magyarországon?
Ebben részben bedőlök a szilícium-völgyi „AI-propagandának". Ha az emberek lépnek, és a szabályozás engedi, kisebb csapatok is képesek lesznek nagy, fantasztikus cégeket építeni. Ez az optimista forgatókönyv. Nem újdonság, hogy az innováció gyakran kisebb cégekből és startupokból indul. Az már más kérdés, milyen gyorsan vásárolják fel őket a nagyvállalatok. De AI-jal sokkal gyorsabban lehet építkezni és skálázni. Olyan alapfunkciókat lehet kiszervezni, amelyekre korábban már az elején embereket kellett volna felvenni, és ezzel felélni a tőkét. Ehelyett a termékre lehet koncentrálni és javítani rajta.
A kérdésnek van egy optimista és egy pesszimista oldala is. Az optimista oldalról megközelítve: a lehetőség adott. Magyarországon összeállhat egy briliáns mérnök, egy, a víziójában hívő vezérigazgató, vagy egy lelkes termékmenedzser a Corvinusról, és gyakorlatilag nincs sok érdemi akadálya annak, hogy felépítsék a következő nagy céget. Ez világszerte igaz, kis és nagy gazdaságokban, fejlődő és fejlett országokban egyaránt. Az emberiség rengeteget nyerhet, ha új vállalatok, ötletek és termékek születnek.
Ha viszont pesszimistán nézzük, az innováció húsz éve elsősorban az Egyesült Államokból, Kaliforniából, és egy kicsit Kínából jön, csak elenyésző mértékben mindenhonnan máshonnan.
Mindig azt hallom, hogy Berlin vagy Stockholm startup-központ. De az igazság az, hogy Európában mindig „európai sikertörténetekről" beszélünk, nem globálisakról, ráadásul ugyanazokat ismételgetve. Mindenki a Spotify-t hozza fel példaként. Nagyszerű, de mondhatni a kivétel, ami erősíti a szabályt. Aztán ott az SAP és az ASML, amelyek nagyon sikeresek, de elég régi cégek. Magyar léptékben is ugyanezt látjuk. Vannak sikeres példák, de azt is fontos megérteni, hogy miért nincs több. Kulturális okokból? Vagy a szabályozás miatt? Valószínűleg minden közrejátszik egy kicsit.
Németországban például már az is nagy macera, hogy legyen egy kockázati tőkével finanszírozott startupod. Minden finanszírozási körnél ott kell ülni, miközben egy közjegyző hat órán át felolvas egy dokumentumot. Az Egyesült Államokban bejegyzed a céget Delaware-ben, és két nap múlva megvan a papírmunka. Azt gondolnád, hogy ha milliárd eurós ötleted van, ezek az akadályok nem számítanak – de igenis összeadódnak. És ami még rosszabb: ha tényleg szupersikeressé válsz, és felkelted a kaliforniai befektetők figyelmét, az első tanács, amit mondanak, hogy költözz az Egyesült Államokba. Ezt nehéz megváltoztatni.
Beszéljünk az AI „sötét oldaláról”. Például a kódolási munkaerőpiacon: mik a legnagyobb „csendes károk”, azok a jelenségek, amelyek nem fognak feltűnni a közösségi médiában, mégis alapvetően befolyásolják a karriereket?
Szerintem a szoftverfejlesztők most nagy kihívással néznek szembe. Óriási kereslet lesz azok iránt, akik tudják, mit kell mondani az AI-nak. Ha nagy szoftverrendszert akarsz tervezni, ahhoz tapasztalat kell. Értened kell, hogyan működnek a rendszerek. Még ha valaki jó egyetemen, kiváló technikai képzéssel végez is, ez a tudása még nincs meg neki – ezt a gyakorlatban lehet csak megszerezni.
A probléma az, hogy a szeniorok, akik már rendelkeznek ezzel a tudással, hirtelen az építkezéssel vannak elfoglalva, és nem junior kollégáik betanításával. Most ugyanis a különböző Claude Code-ablakokban lett mondjuk öt, egész jól használható „junior fejlesztőjük", „akiket” ráállíthatnak a feladatokra. Aztán ellenőrzik ezeknek az ügynököknek a munkáját, akik sosem alszanak, sosem fáradnak el. Hibáznak, de egyre kevesebbet. Nagyon gyorsan fejlődnek. Van egy nagyon jó poszt a szakma egyik vezető blogján, a Pragmatic Engineeren a Craft nevű magyar startupról, arról, hogy a Claude Code megjelenése óta teljesen átalakították a fejlesztési folyamataikat. Mindenkinek használnia kell ezeket az eszközöket, ez már nem csak egy opció.
De mit jelent ez a szoftverfejlesztői karrierek szempontjából? Ha a juniorokat automatizáljuk, kikből lesznek a következő szeniorok? Ha most nem vesznek fel juniorokat, öt év múlva a szeniorok megtartása nagyon drága lesz. Ráadásul nem lesznek új szeniorok sem, ami komoly gondot okoz.
Ez egy klasszikus közgazdasági probléma: mikor éri meg a cégeknek befektetni a dolgozók képzésébe? Már az AI előtt is sok ágazatban igaz volt, hogy az első két évben egy új dolgozó nem nettó nyereség. És ma divat az állandó munkahelyváltás. Még a karrieroldalak is azt tanácsolják, hogy kétévente válts, mert ez nagyobb fizetésemelést és előléptetést jelent, mintha maradnál. Ha az emberek folyton továbbállnak, mi az optimális befektetés a képzésükbe? Lehet, hogy visszavágod a tréningköltségeket, nem fizetsz online kurzusokat a junioroknak. De ez rövid távú gondolkodás.
Vannak helyek, ahol szigorú versenytilalmi szabályok vannak – ami meg egy másik típusú hiba. Az AI-történeti kutatásokban felteszik a klasszikus kérdést: miért győzött a Szilícium-völgy a Cambridge, Massachusetts-i tech klaszterrel szemben? Az egyik meggyőző érv az, hogy Kaliforniában liberális szabályokat hoztak a cégek közötti mozgásra, és a Szilícium-völgy lényege a mobilitás: az, hogy találkozz más emberekkel, ötleteket cserélj, gyorsan terjeszd a tudást. Ilyen környezetben nehéz ugyan cégként boldogulni, de a nyertesek nagyon jól járnak. Északkeleten az ellenkezője volt jellemző: szigorú versenytilalmak, kevés mozgás, így a klaszteresedés előnyei nem tudtak kibontakozni. Sokan ezért gondolják, hogy a Szilícium-völgy legyőzte a rivális klasztert.
Nincs jó válaszom arra, mit tegyenek a cégek. De az AI korában ez a probléma a százszorosára nő. Nehéz lesz a junior szoftverfejlesztőknek a következő években, és sajnos nem tudok jó tanácsot adni azoknak az olvasóknak, akik ebben a helyzetben vannak.
A konferencián a szekciójuk azt vizsgálta, hogy a csúcstechnológiai digitális aktivitás továbbra is földrajzilag koncentrált marad-e. Mi szól amellett, hogy az innovációs klaszterek fennmaradjanak, és mi amellett, hogy inkább szétterüljenek?
Nehéz érvet találni amellett, hogy miért terjedne szét. Az élvonalbeli (frontier) tudás kifinomult és nehezen rögzíthető. Még ha az OpenAI mérnökei és kutatói meg is akarnának írni egy kézikönyvet arról, hogyan kell igazán jó ChatGPT-t fejleszteni, nehéz lenne papírra vetni. Nem úgy van, hogy elfaxolod Németországba, ők elolvassák a faxgépnél, és megcsinálják. Nem működne, mert túl sok mögötte a ki nem mondott tudás, a megélt tapasztalat. Ez a fajta tudás nehezen kel át nagy távolságokon. Ami segít, az az emberek mozgása. Fel lehet szállni egy repülőre, elmenni Londonba, a Szilícium-völgybe, ott dolgozni egy évet vagy ötöt, aztán hazajönni Magyarországra. Hazahozod a tudást és terjeszted. Nem azt mondom, hogy minden San Franciscóban marad és máshova semmi se jut, ez nincs így. De valószínűleg a legjobb előrejelző a járatok száma és a mobilitás – vagyis, hogy hány képzett szakember vándorol a helyek között –, mert így terjed a tudás.
Az optimista forgatókönyv úgy szól, hogy minden egyre digitálisabb lesz, felrakunk egy VR-headsetet és virtuálisan ott vagyunk San Franciscóban. Én nem nagyon hiszek ebben. De a szétterjedés jöhet máshonnan is: felgyorsulhat az innováció azokban az ágazatokban, ahol egy térség már eleve erős. Budapestnek megvannak az erősségei a gyártástechnológiákban: autókat gyártunk, van automatizálási kutatás, gyógyszerkutatás, nemzetközileg sikeres gyógyszercégek. Ezeken a területeken az innováció felgyorsulhat, mert már tudjuk, mit hogyan kell csinálni, és az AI javíthat a folyamatokon. A Szilícium-völgy nem fog nagyot alkotni az egészségügyben, ha nincs mögötte a gyógyszeripari tudás – bár ez csak egy példa, gondoljunk bármilyen hasonló, összetett, élvonalbeli iparágra, ahol a Szilícium-völgynek nincs meg a szaktudása. Ha egy szektorban csak AI van, de mögötte nincs semmi, ott nem lesz érdemi innováció.
Azoknak az olvasóknak, akik most találkoznak először „az innováció földrajzával”: mit jelent az, hogy az innovációnak földrajza van egy olyan digitális gazdaságban, ahol a termékek megfoghatatlanok?
Bár sok termék megfoghatatlan – a ChatGPT-t és az Anthropic eszközeit például bárhol lehet használni –, de a fejlesztésükhöz szükséges innováció létrehozása még mindig nagyon koncentrált. És ez számít. Fogyasztóként elégedettek lehetünk, számunkra kevéssé érdekes, honnan jön az új termék, de a gyártóknak fontos, hol történik az innováció. Ha ők bármilyen többletet lefölöznek, akkor nem mindegy, hogy hol vannak és miért ott koncentrálódik az innováció. Már érintettük, hogy miért: az emberek, a csoportok kollektív intelligenciája egy helyen csoportosul.
Magyarországot gondolatkísérletként használva: mi tehetné Magyarországot nyertessé az AI-alapú digitális innovációban, és mi zárhatja be az „olcsó szellemi munkát” nyújtó ország szerepkörébe?
Magyarország előtt kihívások és néhány lehetőség áll. Az egyik fő kihívás, hogy a korábbi középszintű szellemi munka (például a vállalati szolgáltató központok – SSC-k területe) egyre kockázatosabbá válik. Budapest viszonylag jó helyzetben van más SSC-központokhoz képest, mert itt valamivel összetettebb feladatokat végeznek. Nem a legegyszerűbb könyvelést, nem a legegyszerűbb pénzügyi jelentéstételt, nem a legegyszerűbb kódolást. Az indiai SSC-k nagyobb bajban vannak. Budapest egyszerűbb funkciókkal indult, és az évek során sikeresen feljebb lépett. A kérdés az, hogy vajon elég magasra jutottunk-e. Az SSC-knek bizonyítaniuk kell ugyanis a központnak, hogy összetettebb feladatokat tudnak kezelni, hogy új technológiát – köztük az AI-t – használnak, és azt, hogy ha leépítést terveznek, akkor emiatt azt inkább a központban hajtsák végre. Ez kockázatot jelent.
Egy másik kockázat, ha saját GPT-t akarunk építeni. Akadémiai és alapkutatási szempontból természetesen támogatom, fontos, hogy a magyar informatikusok tanulmányozzák a nagy nyelvi modelleket (LLM), alakítsanak ki elméleti megértést az AI és a magyar nyelv viszonyáról.
De nem gondolom, hogy a magyar kormánynak bele kellene mennie abba, hogy egyfajta Apollo-programként magyar LLM-et építsen az OpenAI ellen. El tudom képzelni, hogy nagyobb országok is kacérkodnak ezzel, elképzelhető például, hogy Németország és Franciaország az első számú AI-modellé kívánják tenni a Mistralt az országaikban.
Szerintem nem az a megoldás, hogy az EU megvédi a nemzeti AI-fejlesztéseket, illegálissá teszi más modellek használatát, és pénzt önt bele, csak hogy európai legyen a vezető LLM a kontinensen. Ennek organikusan kellene megtörténnie. Mindenképpen remélem, hogy így lesz, mert nem hiszem, hogy működik, ha ezt mesterségesen ösztönzik.
A fejlődési lehetőségek ahhoz kapcsolódnak, amit korábban említettem: Magyarország bizonyos dolgokban jó. Az AI termelékenységnövelő és innovációt gyorsító potenciálját ezekre a jól teljesítő területekre kell vinni, oda, ahol már most is versenyelőnyünk van. Ez egy kihagyhatatlan lehetőség.
A szekciójuk leírása szerint a távmunka megváltoztatja az együttműködések kiterjedtségét és intenzitását. A koronavírus-járvány alatt sok cégnél általánossá vált, azóta viszont részben visszarendeződés történt. Véleménye szerint a távmunka kevésbé helyhez kötötté teszi az innovációt, vagy inkább erősíti a szupersztár központokat?
Azt nem tudom, hogy a távmunkának milyen hatása van az innováció földrajzi eloszlására, de nem gondolom, hogy az egyes vállalatokban a vezetők azért hívják vissza az embereket az irodába, hogy kontrollálják őket vagy hatalmat gyakoroljanak felettük. Biztos vannak ilyen esetek, de nem ilyen léptékben, ennyi cégnél egyszerre. Az emberek rájönnek, hogy ugyanazok a már említett mechanizmusok, amelyek a Szilícium-völgy sikerét magyarázzák (a személyes találkozások, az ötletcserék, a cégek közötti mozgás), mikroszinten, vállalaton belül is működnek. Egészen más valaki mellett személyesen ott ülni, mint online dolgozni vele.
Az akadémiai kutatásban ezt jól ismerjük, amikor más országokban élő társszerzőkkel írunk cikkeket. Például a Science-cikkünknél én ugye Budapesten dolgoztam, két másik szerző Bécsben, egy pedig Utrechtben. Voltak helyzetek, amikor személyesen kellett találkoznunk, hogy kitaláljuk, hogyan haladjunk tovább. Lehet, hogy teljesen távolról is megoldottuk volna, de bizonyos pontokon nehézzé vált valódi előrelépést elérni. Ha valamilyen élvonalbeli témán dolgozol, a csapat kollektív intelligenciáját igazán csak együtt, egy helyen tudod kihasználni.
Ha két év múlva megismételnék a Science-tanulmány méréseit, mi lenne az az eredmény, ami őszintén meghökkentené?
Ami igazán meglepne, az a visszarendeződés. Úgy gondolom, már átléptük a Rubicont, és nem térünk vissza a régi, nagy léptékű kézi kódoláshoz. Lesznek talán kézműves szoftverfejlesztők, akik hobbiból írnak kódot, mint az, aki nyugdíjba megy és asztalosként gyönyörű asztalt készít. Ez értékes, de egyedi teljesítmény, nem skálázható IKEA-módra.
Nem hiszem tehát, hogy nagy léptékben visszatérnénk az AI előtti világhoz. A kérdés az, hogy elér-e egy plafont ez a folyamat. Úgy folytatódik-e, mint most, amikor a fejlesztők intenzíven használják az AI-t, de még mindig ellenőrzik?
Vagy gyorsan eljutunk oda, hogy a mérnök vagy szoftvertervező főként természetes nyelven beszél egy csapat AI-hoz, azok elkészítik a terméket, és az ember már alig néz bele a kód részleteibe? Lehetséges. Nincs kőbe vésve, de reális.
San Franciscóból érdekes posztok érkeztek két híres szakértőtől. Az egyik Andrej Karpathy, aki az OpenAI egyik alapító kutatója volt, aztán önvezető autókkal foglalkozott egy ideig, és néhány havonta posztol valamit, ami virális lesz, arról, hogy mennyivel jobb lett minden. Ő félévente azt mondja, hogy ő maga egyre kevesebbet kódol. Kitett egy hasonló posztot Boris Cherny is, egy nagyon tehetséges mérnök, aki az Anthropicnál, a Claude Code-on dolgozik. Ő azt írja, hogy az általa felügyelt területen az Anthropic már adott ki olyan termékeket, amelyeket 100 százalékban a Claude Code fejlesztett. Mindez jól mutatja, mi zajlik.
Egy fiatal magyar fejlesztőnek vagy elemzőnek, aki ezt olvassa, mi lehet a legjobb stratégia ahhoz, hogy a nyertes oldalra kerüljön ebben a hatalmas átalakulásban?
Ehhez van egy jó és egy rossz hírem is. Kezdem a rosszal, hogy a jóval fejezhessük be. Nagy változás zajlik. Sok szakma régen úgy működött, hogy az ember elvégezte az egyetemet, szerzett egy jó diplomát, és bár továbbra is tanult, nem volt állandó nyomás, hogy lépést tartson egy gyorsan változó eszközkészlettel. Ez megváltozik. Bár az emberek szeretnek tanulni, de ez most stresszesebbé vált. Tanítok, és egy új mesterképzést is vezetek a Corvinuson, a társadalmi adattudományt (Social Data Science). Az első év közepén járunk, a tantervet másfél éve állítottuk össze. Azóta folyamatosan frissítjük, sokat kell változtatnunk, mert a hallgatóknak új eszközöket kell megtanulniuk. Amit nap mint nap csinálunk, annak egy része gyakran módosul. Nincs más választásunk, mint próbálni lépést tartani, folyamatosan kilépni a komfortzónából. Ne tölts fél évet azzal, hogy azon dilemmázol, GPT vagy Claude, használd valamelyiket vagy mást, építs valamit, próbáld ki. Ha nem működik, próbáld újra, vagy próbálj mást. Ez nagyon jó módja a tanulásnak.
A jó hír az, hogy van egy alapvető gondolkodásmód és készségkészlet, ami értékes marad, és mindig az is lesz: az alapelvekből kiindulva, alaposan gondolkodni, megérteni, hogy a világ nem egy szakácskönyv, ahol csak kikeresed a receptet. A társadalmi adattudomány mellett szerintem nagyon hasznos a közgazdaságtan, ahol többek között megtanulod, mi az oksági következtetés, az ok-okozati gondolkodás, a puszta korreláción való túllépés. Nehéz feladat megérteni és számszerűsíteni, hogy mi miért történik.
De ez időtálló képesség: még ha az AI sokat el is végez helyettünk, döntő lesz annak megértésében, hogyan irányítsuk, hova mutassunk vele, és hogyan boldoguljunk. A kritikai gondolkodást nehéz lekódolni és mérni, de ezt a képességet ajánlom.
Most óriási lehetőségek kínálkoznak, például elindíthatod a saját cégedet. Ezekkel az AI-rendszerekkel hihetetlen dolgokat lehet építeni, és ez nem csak azoknak szól, akik szoftverfejlesztők akarnak lenni. Érdeklődhetsz a geopolitika, az élelmiszertudomány, bármi iránt, az AI hasznos lesz számodra. Sok szoftvereszközt nehéz volt megtanulni és bevezetni, ezért kerestek a fejlesztők olyan jól. Ha volt egy jó ötleted egy élelmiszeripari startupra, mondjuk egy új Kifli vagy Fornetti, kellett hozzá egy digitális komponens. Öt éve ezt nehéz volt összehozni, sokat elégettél volna a befektetői pénzből, hogy felvegyél két fejlesztőt, csak hogy legyen egy weboldal. Most elfogadható szinten meg tudod csinálni te magad. Részt tudsz venni benne, kipróbálhatod az ötletedet, a találmányodat. Szerintem az energikus emberek, akik próbálkoznak, nagyon jól fognak járni. De azt is értem, hogy stresszes. Izgalmas, volatilis időszak lesz a munkaerőpiacon.