GPT 5.6 Slopus? Инженерите няма да си отидат, а уволняват за използване на AI?

В новия 20-и епизод на технологичния подкаст Rate Limited водещите Рей Фернандо и Адам Ларсон (познат като GosuCoder), съвместно с гост-водещия Нейтън Снел, обсъждат дългосрочното бъдеще на софтуерните инженери, новите модели с изкуствен интелект и крайните мерки срещу автоматизираното генериране на код [1]. Участниците изразяват категорично мнение, че въпреки бурното развитие на технологията, програмистите ще запазят ключовата си роля през следващите 20 години. Разликата в системното мислене и способността за проектиране на сложни архитектури остава непреодолима преграда за нетехническите потребители.

Разликата между прототипи и реални системи

Въпреки че нетехнически потребители могат да използват платформи като Lovable за бързо сглобяване на работещи прототипи, мащабирането и поддръжката на системи за милиони потребители изискват дълбоки технически познания. Според Адам Ларсон съществува огромна пропаст между бързото създаване на демонстрационни приложения и проектирането на стабилна производствена инфраструктура. Общите модели (generalist LLMs) често затрудняват потребителите поради липсата на контекст за въвеждане на заявки и ниска откриваемост на функциите.

Нейтън Снел отбелязва, че бъдещето принадлежи на вертикално интегрираните агенти, които ограничават контекста и насочват очакванията на потребителите по подобие на успешните платформи в правната сфера. В същото време се наблюдава засилена тенденция към практическо ориентиране към крайните резултати (outcomes), а не към самата технология. Пример за това е опитът на Рей Фернандо, чийто брат използва агентната система Openclaw чрез обикновени текстови съобщения за следене на лични хранителни навици, без дори да осъзнава, че зад процеса стои изкуствен интелект.

Улеснената разработка в ранен етап води и до бум на соло предприемачеството, подкрепен от доклади на Stripe. Вместо да търсят финансиране от венчър капитал (VC) за гигантски идеи, много инженери днес могат лесно да изградят печеливши лайфстайл бизнеси с малки екипи.

Заплахата за уволнение и рамката за профилиране на риска

Повод за остра дискусия става изказване на известния разработчик на игри Джонатан Блоу, създател на Braid, който заплаши да уволни всеки програмист в своя екип, използващ AI кодогенерация. Водещите определят тази позиция като твърде крайна, драматична и вредна за професионалното развитие на инженерите. Според тях липсата на опит в отговорното използване на изкуствен интелект ще направи разработчиците неконкурентоспособни на пазара на труда.

За справяне с рисковете от автоматизирания код, Адам Ларсон предлага практическа рамка за профилиране на риска (risk profiling framework):

• Код с високо въздействие (High-Impact Code): Включва критични системи като идентификация (identity), мащабиране на инфраструктурата и платформи за данни. Евентуални грешки тук засягат милиони клиенти, поради което този код изисква ръчно писане, засилено ревю на код и бавни, методични тестови процедури.

• Код с ниско въздействие (Low-Impact Code): Обхваща козметични промени, нови екрани и потребителски интерфейси (UI). Рискът при повреда е минимален, което позволява пълноценно внедряване на AI за бързо прототипиране и итерация.

• Инициативи от 0 към 1 (Zero-to-One): При стартиране на напълно нови проекти фокусът е върху бързото намиране на продуктово съответствие. Кодът може да бъде изцяло генериран от AI, за да се спестят средства, а укрепването му се извършва едва след успешно валидиране.

Авторско изображение

Нейтън Снел подчертава, че при наемане на работа активно приоритизира инженери и продуктови мениджъри, които разбират тази рамка и я прилагат отговорно. Същевременно Рей Фернандо споделя как използването на автономни агенти (като Fable) за големи рефакторизации го е принудило да мисли като софтуерен архитект, проектиращ инструменти за проверка и валидиране.

Критика на GPT-5.6 и възходът на Grok

В края на епизода водещите сравняват представянето на водещите езикови модели. Ларсон споделя, че GPT-5.6 (код име "Soul") покрива около 75% от ежедневните му нужди и се представя изключително стабилно. От друга страна, Рей Фернандо е силно разочарован от него, наричайки модела "Slopus" (сложен и небрежен Opus). Рей обяснява, че в режим на дълги хоризонти моделът се самонаграждава за стартиране на паралелни под-агенти, но губи цялостната картина, генерирайки дублиран React код и нарушавайки конвенциите в Rust и Swift.

Поради тази причина Фернандо предпочита Grok 4.5 в Cursor, тъй като неговата изключителна скорост позволява извършването на няколко бързи цикъла на корекция за времето на една бавна заявка към GPT-5.6. В подобен дуел на моделите при разработка на Minecraft модове, Нейтън Снел споделя, че моделът Fable е успял да изгради работещ мод без бъгове от първия опит, докато GPT-5.6 се е провалил.

Подкастът завършва с обсъждане на Model Context Protocol (MCP). Водещите се съгласяват, че MCP е прекомерно използван и неразбран, особено когато компаниите го разработват за собствени (first-party) агенти, вместо за интеграция с външни платформи. Изтеклият по-рано код на Claude доказва това, съдържайки едва едно споменаване на MCP за вътрешни нужди.

Източници:

[1]: GPT 5.6 Slopus? Engineers aren't going anywhere, And getting fired for using AI? - Rate Limited