Y Combinator의 2025 스타트 업의 1/4은 AI를 사용하여 코드의 95%를 씁니다. 상태 질문이 제기됩니다. 코드가 적은 코드 또는 다른 유형의 코딩으로 이동합니까?
실제 변화는 헤드 카운트에 관한 것이 아닙니다. 엔지니어의 역할이 어떻게 개발되고 있는지에 관한 것입니다. 엔지니어는 코드 실행에서 코드 오케스트레이션으로 이동하고 있습니다. 이러한 변화의 중심은 VIB 코딩입니다. 엔지니어가 목표를 표현하고 AI 구문을 처리하는 접근법 인 AI 구문을 처리하는 접근 방식입니다.
주요 솔루션 건축가, 야망.
VIB 코딩이란 무엇입니까?
VIB 코딩은 기원에서 인간과 기계 간의 대화로 데이터 엔지니어링을 다시 상상하는 AI-First 방법입니다. 엔지니어는 각 명령어를 수동으로 코딩하는 대신 자연어로하고 싶은 일을 설명합니다. AI는 이러한 지침을 해석하고 코드로 변환하며 원하는 결과를 달성하는 워크 플로를 조립합니다.
공동 작업은 동적이며 Vibe 코딩을 독특하게 만듭니다. 엔지니어는 AI 도구와 파트너 관계를 맺어 전통적인 코딩에서 가능한 것보다 문제를 해결, 전략 및 반복 할 수 있습니다. 엔지니어의 역할이 “관리자”에서 “전략적 오케스터”로가는 창의적이고 의도 된 기반 접근법입니다.
데이터 엔지니어의 진화 역할
수십 년 동안 데이터 엔지니어링은 매력적인 코딩, 섬세한 파이프 라인 및 데이터 시스템의 느린 수제 유지 보수로 정의되었습니다. VIB 코딩의 경우 데이터 엔지니어의 역할은 크게 다릅니다. 엔지니어는 시스템 설계자가됩니다. 목표, 매개 변수 및 장애물을 정의합니다. 그들은 건축가와 비슷한 비전과 구조를 설정하는 반면 AI 에이전트는 해당 비전을 코드로 번역합니다.
이 전환은 엔지니어 작업의 창의적인 범위를 확장합니다. 엔지니어는 반복적 인 기능 또는 디버깅 코드에주기를 소비하는 대신 탄성, 적응 형 및 개발 된 비즈니스 요구에 맞는 시스템 구축 시스템에 집중할 수 있습니다.
이 필드에서 VIB 코딩처럼 들립니다
실제로, Vibe Coding은 엔터프라이즈 데이터가 이미 접촉하는 방식을 재구성합니다.
– 데이터 통합 : 일주일 대신 새로운 데이터 소스의 파이프 라인을 나타내는 엔지니어는 통합 목표를 설명합니다. AI 에이전트는 일주일이 아니라 몇 시간 안에 데이터를 수집, 청소 및 정상화하는 데 필요한 단계를 생성합니다.
– 식별 해결 : 엄격한 규칙 기반 코딩 수단을 의미하는 고객 레코드와 일치합니다. 이제 엔지니어는 방향을 제공하고 AI 모델은 이메일, 구매, 구매 및 데이터를 탐색하여 통합 프로파일을 빠르고 마찰을 덜 만듭니다.
– 데이터 거버넌스 및 규정 준수 : 엔지니어는 AI에게 민감한 필드에 대한 데이터 세트를 스캔하도록 요청할 수 있으며 PII를 자동으로 태그합니다. 이것은 처음부터 시스템을 준수하여 전달이 느리지 않고 위험을 줄입니다.
이러한 모든 경우에 엔지니어는 통제력이 있지만 구문에 더 적은 시간을 소비하고 문제를 해결하는 데 더 많은 시간을 소비합니다.
더 많은 코드, 다른 코드
AI는 더 많은 코드를 작성하고 있지만 다시 제작하지 않고 지속적으로 개발할 수있는 코드 아키텍처를 지원합니다. 일부 일상적인 코딩 작업 AI는 완벽하게 무언가를 처리 할 수 있지만 실제 문제, 직접 협력자 및 유효한 출력에 대한 수요는 엔지니어에게만 증가 할 것입니다.
이 새로운 환경에서 데이터 엔지니어를위한 기술이 개발되고 있습니다. 기술적 인 흐름은 필수적이지만 AI 에이전트와 협력하고 시스템의 역학을 이해하고 도덕적, 관련성 있고 효과적인 결과를 보장하는 능력. 코딩은 점점 더 추상화되고 있지만 엔지니어링에 대한 창의적이고 전략적 이해가 중요 해지고 있습니다.
AI-First 워크 플로 준비
Vibe Coding 및 AI-US Ganted Engineering을 수락하려는 조직은 적절한 지원을 제공해야합니다.
1. 메타 데이터 및 문서를 명확하게하십시오. AI 에이전트는 참조가 필요합니다. AI가 목표를 안정적으로 해석 할 수 있도록 데이터 위생에 투자하십시오.
2. AI 오버 사이트 및 프롬프트 디자인에서의 교육. 엔지니어는 목표를 프레임하는 방법을 알고, AI 생성 코드를 인식하고 출력을 개선해야합니다.
3. 교차 기능 협업. 데이터, 제작 및 마케팅 팀은 목표를 설정해야합니다. 목표는 명확하고 결과가 더 효과적입니다.
캐리어로서의 코더
문제는 코더가 적은 사람이 필요한지가 아니라 코더가보다 전략적이고 창의적인 역할을 기꺼이 설정 해야하는지 여부입니다. AI가 계속 성숙함에 따라 성공한 조직은 인간과 기계가 더 많은 코드를 생성하기 위해 협력 할뿐만 아니라 실시간으로 가치를 개발, 적응 및 전달하는이 파트너십의 모델을 받아들입니다.
우리는 최고의 학교 코딩 플랫폼을 나열합니다.
이 기사는 Meiladarpro의 전문 Insights Channel의 일부로 만들어졌으며 오늘날 기술 산업에서 최고의 마음을 포함하고 있습니다. 여기에 표현 된 견해는 저자의 견해이며 Hilladrapro 또는 Future Plc를 가질 필요는 없습니다. 더 많은 것을 찾는 데 관심이 있다면 여기에서 :
