Rok budowania z AI. Dlaczego musiał wrócić do podstaw?

Przez rok budował własną aplikację. Problem w tym, że kod pisała za niego sztuczna inteligencja. W pewnym momencie chciał coś zmienić i nie potrafił: program przestawał działać, a on nie rozumiał już, co dzieje się w środku.
Mateusz Bogolubow, twórca DevMentor.pl, opowiada o tym doświadczeniu jednego ze swoich podopiecznych w rozmowie w EdTech Dots. Zaznacza, że upraszcza historię, ale jej puenta została z nim na dłużej: osoba ucząca się musiała wrócić do podstaw. Aplikacja powstawała, umiejętności nie rosły w tym samym tempie.
Ta historia stawia pytanie: kto wykonuje pracę potrzebną do nauki?
Najpierw spróbuj rozwiązać problem
Bogolubow radzi, by przed zwróceniem się do AI poświęcić czas na samodzielną próbę. Jeśli utkniesz, możesz poprosić o pierwszy krok lub wskazówkę, zamiast od razu o gotowe rozwiązanie. Taki sposób wymaga więcej cierpliwości, ale zostawia miejsce na własne decyzje i błędy.
Mateusz przywołuje koncepcję produktywnej porażki: zetknięcie się z trudnym problemem przed poznaniem rozwiązania może być częścią nauki. W jego podejściu istotne jest nie samo męczenie się, lecz wysiłek włożony w zrozumienie zadania, zanim ktoś pokaże odpowiedź.
W praktyce różnica może być niewielka. Zamiast wkleić polecenie i przekopiować wynik, spróbuj opisać, co już wiesz, czego nie rozumiesz i jaki krok wydaje Ci się możliwy. Dopiero potem poproś narzędzie o pomoc w sprawdzeniu tego toku myślenia.
Kod działa. Czy potrafisz go ocenić?
Bogolubow przypuszcza, że programista będzie coraz częściej recenzował kod generowany przez AI. Nie wyciąga z tego wniosku, że można przestać uczyć się programowania. Przeciwnie: aby ocenić wynik i coś do niego wnieść, trzeba rozumieć, co się w nim dzieje.
Porównuje to do znajomości języka. Można rozumieć wypowiedź, ale nadal mieć trudność ze stworzeniem własnej. Podobnie działający fragment kodu nie musi oznaczać, że osoba, która go otrzymała, umiałaby rozwiązać podobny problem w zmienionych warunkach.
To również jedno z pytań, które zadałby kandydatowi: jaki problem rozwiązywała aplikacja i jak poradziłby sobie z podobnym, ale nie identycznym zadaniem? Chodzi o zrozumienie pracy, a nie o sam fakt posiadania projektu w portfolio.
Mentor nie musi poprawiać wszystkiego naraz
W rozmowie pada zaskakująca uwaga: dobry mentor powinien wiedzieć także, kiedy nie mówić o drobnych błędach. Bogolubow wyjaśnia, że początkująca osoba zasypana pięćdziesięcioma uwagami po pierwszym przeglądzie kodu może usłyszeć przede wszystkim, że się nie nadaje.
Dlatego w swojej pracy stara się najpierw wskazywać sprawy najważniejsze, a do pozostałych wracać później. Liczy się też pamięć o tym, z czym dana osoba miała problem wcześniej i czy robi postępy.
Nie znaczy to, że AI nie potrafi niczego wyjaśnić. Mateusz zwraca raczej uwagę na sposób, w jaki ludzie często z niego korzystają: chcą szybko dostać rozwiązanie, zamiast dopytać o powody stojące za odpowiedzią.
Jak sprawdzić, czy programowanie jest dla Ciebie?
Osobom myślącym o zmianie branży Bogolubow zadaje najpierw pytanie o powód. Dobre zarobki mogą wzbudzić zainteresowanie, ale przed rzuceniem obecnej pracy warto sprawdzić, czy samo programowanie sprawia przyjemność.
Proponuje prostą próbę: uruchomić darmowy kurs, pisać razem z prowadzącym, a potem zmieniać kod i obserwować efekty. Nawet pierwsze eksperymenty z HTML i CSS mogą pokazać, czy ciekawi Cię dochodzenie do tego, dlaczego coś działa. Mateusz widzi też miejsce dla AI jako narzędzia, które może rozbudzić zainteresowanie i zachęcić do zajrzenia pod powierzchnię gotowej aplikacji.
Proponowana próba pozwala zacząć od małego zadania i własnych zmian w kodzie. AI może w niej pomóc, ale pozostaje pytanie, czy potrafisz wyjaśnić, dlaczego zmieniony program działa.
Artykuł powstał na podstawie rozmowy Krzysztofa Kosmana z Mateuszem Bogolubowem w podcaście EdTech Dots.



