← Vissza

● news.bsdnet.hu

A kód elkészül, de ki érti még? Az Anthropic Claude Code mérnöke aggódik

Profitline 2026-11-22 08:00
Erre a kockázatra hívta fel a figyelmet Addy Osmani, az Anthropic Claude Code nevű fejlesztőeszközén dolgozó mérnök. A technológiai leállások már az amerikai Saturday Night Live műsorába is bekerültek. A közösségi médiában pedig terjed a vicc, hogy biztosan egyszerre állt le a LinkedIn és a Tinder, hiszen egyik helyről sem válaszol senki. Egy szolgáltató ügyeletes mérnökének ennél jóval kellemetlenebb kérdésre kell felelnie, amikor valóban baj van: ha most belenyúl a rendszerbe, mi más állhat még le? A válasz eddig sem volt mindig kézenfekvő. Az elöregedő infrastruktúra, az elhalasztott karbantartás és a túlterhelt informatikai csapatok egyaránt sebezhetővé teszik a szolgáltatásokat. A korábban a Google-nél dolgozó Osmani márciusban egy további kockázatot írt le. A comprehension debt kifejezést használta rá, amit magyarul megértési adósságnak nevezhetünk. Ez akkor halmozódik fel, amikor egy szoftver gyorsabban változik, mint ahogy az érte felelős emberek megértik a változtatások okát és következményeit. A szoftverfejlesztés egyik legidőigényesebb része hagyományosan az, amikor egy mérnök sorról sorra átnézi a kollégája munkáját. Ilyenkor hibákat keres, de közben azt is megtanulja, miért éppen így épül fel a rendszer. Rákérdezhet például egy látszólag felesleges ellenőrzésre. A válaszból kiderülhet, hogy az a néhány sor egy évekkel korábbi üzemzavar megismétlődését akadályozza meg. Ettől kezdve már legalább két ember tudja, miért érdemes a helyén hagyni. A Claude Code-hoz hasonló eszközökkel rövid idő alatt annyi módosítás készülhet, hogy azok alapos átnézése válik a munka leglassabb részévé. A csapatok automatizált tesztekre támaszkodnak, egy másik MI-eszközzel is ellenőriztetik a kódot, vagy kevesebb időt szánnak egy-egy módosításra. Egy sikeres teszt igazolhatja, hogy a program a vizsgált helyzetben megfelelően működik. Azt viszont nyitva hagyja, hogy a következő ügyeletes mérnök érteni fogja-e, mi történik egy olyan helyzetben, amelyre senki sem írt tesztet. A szerepek változását Satya Nadella, a Microsoft vezérigazgatója is érzékeltette. Megfogalmazása szerint a vállalat mérnökei egyre inkább azt a „szoftvergyárat” építik, amely aztán előállítja magát a terméket. Osmani szerint a veszély ott jelentkezik, ahol a kód előállítása felgyorsul, miközben egyre kevesebb ember látja át a kész rendszert. Képzeljünk el egy webáruházat, ahol fizetés után késik a bank válasza. A vásárló újra megnyomja a gombot. Valahol a háttérben néhány sor kód gondoskodik arról, hogy a két kérésből csak egyetlen terhelés legyen. A legtöbb vásárlásnál ez a védelem észrevétlen marad. Egy gyors próbavásárlás akkor is sikerülhet, ha valaki időközben eltávolította. Egy ilyen helyzetben mutatkozik meg a megértési adósság ára. Ha a fizetések akadozni kezdenek, kézenfekvő javításnak tűnhet a válasz nélkül maradt kérések újbóli elküldése. Aki ismeri a rendszer múltját, előbb ellenőrzi, hogy az első terhelés megtörtént-e. Aki csak a hibaüzenetet látja, a javítással akár másodszor is megterhelheti a vásárló számláját. Osmani érveléséből nem következik, hogy a közelmúlt nagy leállásait a Claude Code okozta. A figyelmeztetése a helyreállításról is szól. Ugyanazt a hibát tovább tarthat elhárítani, ha a csapatnak az üzemzavar közben kell kiderítenie, melyik alkatrész mitől függ, és melyik javítással okozhat újabb hibát. Egy társkereső alkalmazás néhány órás kieséséből könnyen lesz internetes tréfa. Egy kórházi rendszer, egy banki szolgáltatás vagy egy állami ügyintézési felület leállásakor már a betegek ellátása, az ügyfelek pénze vagy egy fontos határidő múlhat a helyreállítás gyorsaságán. Osmani szerint ilyen környezetben egy súlyos incidens kivizsgálásakor aligha lesz elfogadható magyarázat, hogy a hibás kódot mesterséges intelligencia írta, az üzemeltetőnek pedig nem jutott ideje alaposan átnézni. A felelősség kérdése már akkor felmerül, amikor valaki jóváhagyja a módosítást, és ezzel működő rendszerekbe engedi. A fejlesztésnél könnyű megmérni, hány óra munkát takarított meg a mesterséges intelligencia. Sokkal nehezebb észrevenni, ha közben eltűnt a csapatból egy fontos ismeret. Néha csak hajnalban, egy leállt szolgáltatás mellett derül ki, mennyit ért volna az a rövid beszélgetés arról a néhány furcsa sorról.
Eredeti cikk megtekintése →