Markdown பதிப்பு

AI-translated from English; not yet reviewed by a fluent editor.

# குறியீட்டை AI எழுதலாம். அதைச் சரிசெய்யக் கற்றுக்கொள்வது யார்?

> AI உதவியுடன் ஒரு குறியீட்டுப் பணி முடிந்திருக்கலாம்; ஆனால் அதை உருவாக்கியவருக்கு அந்த அமைப்பு இன்னும் புரியாமல் இருக்கலாம். குழுக்களுக்கு எழும் நடைமுறைக் கேள்வியை இரண்டு ஆய்வுகள் சுட்டுகின்றன: AI உதவியுடன் உருவாக்கிய வேலையை விளக்கவும், பிழையைக் கண்டறியவும், தேவைக்கேற்ப மாற்றவும் இளநிலை நிரலாளர்கள் எப்படிக் கற்றுக்கொள்வார்கள்?

By BIG CHANGE Editorial

Published: 2026-09-22T16:40:55.934Z
Updated: 2026-09-22T16:40:55.934Z
Canonical: https://bigchange.ai/blog/ai-coding-skills-learning-apprenticeship

![An automated arm assembles abstract interlocking modules while a junior developer studies orange pathways inside an opened module.](https://bigchange.ai/api/media/file/ai-coding-learning-apprenticeship-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE. Automation can deliver a finished implementation before a newcomer has traced how it works. This conceptual scene represents the need to build understanding alongside AI-assisted output; it is not a product interface, study result or forecast of inevitable deskilling.

ஒரு இளநிலை நிரலாளர், தமக்குப் புதிதான நூலகத்தைப் பயன்படுத்துமாறு AI உதவியாளரிடம் கேட்டு, இயங்கும் குறியீட்டைப் பெற்று அடுத்த பணிக்குச் செல்லலாம். அந்த அம்சம் தயாராகும் முன்பே, அது ஏன் செயல்படுகிறது என்பது அவருக்குப் புரியாமல் இருக்கலாம். அடுத்தமுறை குறியீடு தோல்வியடையும்போதோ, தேவைகள் மாறும்போதோ, உதவியாளர் பரிந்துரைத்த திருத்தம் பாதுகாப்பானதா என முடிவெடுக்க வேண்டும்போதோ இது முக்கியமாகிறது.

மென்பொருள் பொறியாளர் Alexandru Nedelcu இந்தக் கவலையைத் தனது [செப்டம்பர் 22 கட்டுரையில்](https://alexn.org/blog/2026/09/22/ai-has-no-wisdom-and-neither-will-you) எழுப்பினார். குறியீட்டைப் படிப்பது, தேர்வுகளைச் செய்வது, தவறுகளுக்குப் பொறுப்பேற்பது ஆகியவற்றின் வழியேதான் நிரலாளர்கள் மதிப்பீட்டுத் திறனை வளர்த்துக்கொள்கிறார்கள் என்று அவர் வாதிடுகிறார். சில நிறுவனங்கள் AI-ஐத் தடைசெய்யும் கொள்கைகளை விளம்பரப்படுத்தும் என்ற அவரது கணிப்பு கருத்து மட்டுமே; தொழில்துறையில் ஏற்கெனவே நிகழ்ந்த மாற்றம் அல்ல. ஜனவரியில் வெளியான தனி ஆய்வு, கற்றல் குறித்த கேள்வியைச் சோதிக்கக்கூடிய குறுகிய வடிவில் அமைக்கிறது: AI உதவியுடன் ஒரு பணியை முடித்த உடனே நிரலாளர்கள் எதைப் புரிந்துகொண்டிருந்தார்கள்? [Anthropic-இன் ஆய்வு விளக்கம்](https://www.anthropic.com/research/AI-assistance-coding-skills)

## முக்கிய மாற்றம்

- **என்ன மாறியது:** AI, அதன் தர்க்கத்தைப் புரிந்துகொள்ளும் பயிற்சியின்றியே முடிக்கப்பட்ட மென்பொருளைச் சமர்ப்பிப்பதை எளிதாக்குகிறது. புதிதாகப் பணியில் சேருபவர், அதை விளக்கவோ சரிசெய்யவோ தேவையான முடிவுகளைப் பயிற்சி செய்வதற்கு முன்பே, AI ஒரு செயலாக்கத்தை வழங்கிவிடலாம்.
- **ஏன் முக்கியம்:** மேலாளர்கள் இன்று அதிகப் பணியை முடிக்கலாம்; அதேவேளையில், நாளைய தோல்விகளைக் கண்டறியும் திறன் கொண்டவர்களாக இளநிலைப் பணியாளர்கள் வளர உதவும் வழியைக் குறைக்கலாம். புதிதான கருத்துகள் உள்ள பணிகளில் இந்த அபாயம் அதிகம்; பழக்கமான வேலையில் AI உதவி இன்னும் பயனுள்ளதாக இருக்கலாம்.
- **எதைக் கவனிக்க வேண்டும்:** கற்றலையும் பணிவழங்கலின் ஒரு பகுதியாகக் கருதி, AI உதவியுடன் செய்த வேலையை விளக்கவும், பிழையறியவும், மாற்றியமைக்கவும் குழுக்கள் நேரம் ஒதுக்கலாம். அப்படிச் செய்தால், பணியமர்த்தல் சோதனைகளும் குறியீட்டுத் தயாரிப்புகளும் வேகத்துடன் புரிதலையும் நிரூபிக்கச் சொல்லலாம்.

## முடிந்த பணியும் கற்ற திறனும் ஒன்றல்ல

ஒரு [52 நிரலாளர்கள் பங்கேற்ற சீர்முறை ஆய்வு](https://arxiv.org/abs/2601.20245)இல், பங்கேற்பாளர்கள் தமக்குப் புதிதான Trio எனப்படும் Python நூலகத்தைப் பயன்படுத்தி இரண்டு குறியீட்டுப் பணிகளைச் செய்தனர். பாதிப் பேருக்கு குறியீட்டுச் சூழலிலேயே AI உதவியாளர் கிடைத்தது; மற்றவர்களுக்கு அது கிடைக்கவில்லை. பின்னர் வினாடி வினா இருக்கும் என்பது அவர்களுக்குத் தெரிவிக்கப்பட்டது. பணிக்குப் பிறகு உடனடியாக நடத்தப்பட்ட அந்தச் சோதனையில் கருத்துப் புரிதல், குறியீட்டைப் படித்தல், பிழைத்திருத்தம் ஆகியவை மதிப்பிடப்பட்டன.

AI குழுவின் சராசரி மதிப்பெண் 50%; AI இல்லாமல் பணியாற்றிய குழுவினருடையது 67%. அதாவது 17 சதவீதப் புள்ளி வித்தியாசம்; சார்பளவில் 17% வீழ்ச்சி அல்ல. பிழைத்திருத்தக் கேள்விகளில்தான் மிகப் பெரிய இடைவெளி இருந்தது. AI குழு சராசரியாக சுமார் இரண்டு நிமிடம் விரைவாகப் பணியை முடித்தது; ஆனால் அந்த நேர வித்தியாசம் புள்ளிவிவர ரீதியாகக் குறிப்பிடத்தக்கதாக இல்லை. இவை ஒரு நூலகத்துடன் குறுகிய நேரம் பணியாற்றிய பின் நடத்தப்பட்ட உடனடி சோதனையின் முடிவுகள்; நிரலாளர்களின் முழு வாழ்க்கைப் பயணத்தையோ, உற்பத்தி அமைப்பின் தரத்தையோ அளப்பவை அல்ல. [ஆய்வாளர்களின் முடிவுகளும் வரம்புகளும்](https://www.anthropic.com/research/AI-assistance-coding-skills)

பங்கேற்பாளர்கள் உதவியாளரை எவ்வாறு பயன்படுத்தினார்கள் என்பதையும் ஆய்வாளர்கள் கவனித்தனர். சிலர் குறியீடு எழுதுவதையும் பிழைத்திருத்தத்தையும் பெரும்பாலும் AI-யிடம் ஒப்படைத்தனர்; மற்றவர்கள் விளக்கம் கேட்டோ கருத்துகளைத் தாங்களே ஆராய்ந்தோ செயல்பட்டனர். அதிகம் ஈடுபட்ட முறைகளில் பங்கேற்றவர்கள் பொதுவாகச் சிறப்பாக மதிப்பெண் பெற்றனர்; ஆனால் இந்தச் சிறிய குழுக்கள் முடிவுகள் கிடைத்த பிறகே பிரிக்கப்பட்டன. பங்கேற்பாளர்கள் AI அணுகலைப் பெறுவதற்கே சீர்முறையாக ஒதுக்கப்பட்டனர்; குறிப்பிட்ட உரையாடல் முறைக்கு அல்ல. விளக்கம் கேட்பது கற்பவருக்கு உதவலாம்; ஆனால் ஒரு குறிப்பிட்ட கேள்வியோ பணிமுறையோ கற்றல் இடைவெளியைத் தடுக்கும் என்று இந்த ஆய்வு நிரூபிக்கவில்லை. [ஆய்வறிக்கையின் உரையாடல் பகுப்பாய்வு](https://arxiv.org/html/2601.20245v2)

ஒரு நூலகம் எதை முன்கணிக்கிறது என்பதைப் புதியவருக்குப் பிழை ஏற்பட்ட தருணத்தில்தான் பல நேரங்களில் கற்றுக்கொள்ள முடியும். தொடக்கச் செயலாக்கத்தையும் அதைச் சரிசெய்வதையும் உதவியாளரே ஏற்றுக்கொண்டால், அந்த முன்கணிப்புகளை நிரலாளர் குறைவாகவே எதிர்கொள்ளலாம். பிழைத்திருத்த மதிப்பெண் குறைந்ததற்கான சாத்தியமான விளக்கம் இதுவாக இருக்கலாம்.

## வேகமும் முக்கியம்; பணியின் தன்மையும் பதிலை மாற்றும்

வேறு சூழல்களில் AI உதவி குறியீட்டுப் பணியை விரைவாக்கியதாக ஆய்வுகள் காட்டுகின்றன. ஒரு [கட்டுப்படுத்தப்பட்ட GitHub Copilot சோதனை](https://arxiv.org/abs/2302.06590)யில், JavaScript HTTP சேவையகத்தை உருவாக்க 95 தொழில்முறை சுயதொழில் நிரலாளர்கள் ஒதுக்கப்பட்டனர். பணியை முடித்தவர்களில் Copilot குழு சராசரியாகச் சுமார் 71 நிமிடங்களில் முடித்தது; கட்டுப்பாட்டுக் குழுவுக்கு சுமார் 161 நிமிடங்கள் தேவைப்பட்டன. இது முடிக்கும் நேரத்தில் 55.8% குறைவு. அதன் பிறகு அந்த நிரலாளர்கள் என்ன கற்றனர் என்பதை ஆய்வாளர்கள் சோதிக்கவில்லை. இப்பணி வரையறுக்கப்பட்ட செயலாக்கம்; அறிமுகமில்லாத நூலகத்தை அறிமுகப்படுத்தி, பின்னர் புரிதலைச் சோதித்த பணி அல்ல.

இரண்டு ஆய்வுகளின் முடிவுகளும் மேலாளருக்குப் பயனுள்ளதாக இருக்கலாம். அனுபவமுள்ள நிரலாளர் AI-ஐப் பயன்படுத்தி திரும்பத் திரும்பச் செய்யும் வேலையை விரைவாக முடித்தால், நேரச் சேமிப்பு உண்மையாக இருக்கலாம். புதிய அமைப்பைக் கற்றுக்கொள்வதே பணியாக இருக்கும்போது, விரைவான வெளியீட்டையும் ஆழமான புரிதலையும் தனித்தனியாகச் சோதிக்க வேண்டும். AI-ஐ முழுமையாகத் தடைசெய்தால், மக்கள் எப்படிக் கற்றுக்கொள்கிறார்கள் என்ற கேள்விக்குப் பதிலளிக்காமலேயே சாத்தியமான நன்மைகளை இழக்க நேரிடும்.

Nedelcu-வின் கட்டுரை ஆய்வை விட மேலதிகமாக வாதிடுகிறது. பல மாதங்கள் அல்லது ஆண்டுகள் கழித்தே பராமரிப்புத் திறன் தெரியவரும் என்றும், தவறுகளுக்குப் பொறுப்பேற்பதன் மூலம் அனுபவம் வளரும் என்றும் அவர் கூறுகிறார். நீண்டகாலப் பராமரிப்பை இந்த ஆய்வு அளவிடவில்லை; AI பயன்படுத்துவோர் கற்றலையே முற்றிலும் நிறுத்திவிடுகிறார்கள் என்றும் காட்டவில்லை. அவரது பயனுள்ள கேள்வி நிறுவனங்களை நோக்கியது: குழுக்கள் பயிற்சிக்கான பணிகளைத் தொடர்ந்து ஒப்படைத்தால், எதிர்காலத்தில் பிழைகளைச் சரிசெய்யும் திறன் கொண்டவர்கள் அந்தப் பயிற்சியை எங்கே பெறுவார்கள்? [Nedelcu-வின் கட்டுரை](https://alexn.org/blog/2026/09/22/ai-has-no-wisdom-and-neither-will-you)

## குறியீடு இயங்கிய பிறகு கற்பவருக்கு நிரூபிக்க ஏதாவது கொடுங்கள்

புதியவரிடம் AI உதவியுடன் ஒரு பணியைச் செய்யச் சொல்லிவிட்டு, அதை வெற்றிகரமான கற்றலாகக் கருதும் முன் குறுகிய தனிப்பட்ட சோதனை நடத்துவது ஒரு நடைமுறைத் தீர்வாக இருக்கலாம். இது எங்கள் பரிந்துரை; இரண்டு ஆய்வுகளில் எதிலும் சோதிக்கப்பட்ட தலையீடு அல்ல:

1. **விளக்கச் சொல்லுங்கள்:** உதவியாளரிடம் கேட்காமல், குறியீட்டின் புதிதான பகுதி ஏன் செயல்படுகிறது, அது எதை முன்கணிக்கிறது, எதனால் தோல்வியடையலாம் என்பதை விவரிக்கச் சொல்லுங்கள். மூத்த பொறியாளர், உண்மையான மாற்றத்துடன் தொடர்புடைய ஒரு தொடர் கேள்வியைக் கேட்கலாம்.
2. **பிழையறியச் சொல்லுங்கள்:** பாதுகாப்பான சோதனைக் கிளையில் சிறிய, நம்பத்தகுந்த தோல்வியை உருவாக்குங்கள். காரணத்தைக் கண்டறிந்து, தவறாகத் தோன்றும் ஒரு தீர்வை எந்தக் கவனிப்பு நிராகரித்தது என்பதையும் கற்பவர் விளக்கட்டும். நோக்கம் கட்டளையை மனப்பாடம் செய்வதல்ல; பகுத்தறிவைப் பார்ப்பதே.
3. **மாற்றியமைக்கச் சொல்லுங்கள்:** தேவையை மாற்றி, அதற்கேற்ப செயலாக்கத்தையும் சோதனைகளையும் புதுப்பிக்கச் சொல்லுங்கள். AI-ஐப் பயன்படுத்தலாம்; ஆனால் புதிய நடத்தை ஏன் சரியானது, இன்னும் எதைச் சரிபார்க்க வேண்டும் என்பதைக் கற்பவர் விளக்கத் தெரிந்திருக்க வேண்டும்.

எடுத்துக்காட்டாக, உதவியாளர் புதிய ஒத்திசைவற்ற செயல்பாட்டை எழுதிவிட்டால், அது பாதியில் ரத்துசெய்யப்பட்டால் என்ன நடக்கும் என்று மதிப்பாய்வாளர் கேட்கலாம். நிரலாளர் செயல்பாட்டு வழியைத் தொடர்ந்தறிந்து, மாறிய தேவையைச் சோதிக்கத் தெரிந்திருக்க வேண்டும். குறியீட்டு மதிப்பாய்வு ஒரு குறையைப் பிடிக்கலாம்; ஆனாலும் அடுத்த குறையைச் சரிசெய்யும் திறனை கற்பவர் பெற்றிருக்கிறாரா என்பதைச் சொல்லாது. வழங்கப்பட்ட குறியீட்டுடன் அறிவும் சேர்ந்தே செல்கிறதா என்பதையே இந்தப் பரிந்துரைக்கப்பட்ட சோதனை கேட்கிறது.

இதற்காக ஒவ்வொரு வழக்கமான பணியையும் தேர்வாக மாற்ற வேண்டியதில்லை. புதிதான நூலகங்கள், அடிக்கடி நிகழும் தோல்வி வகைகள் அல்லது பின்னர் இளநிலைப் பணியாளர் பொறுப்பேற்க வேண்டிய வேலைகளுக்கு மட்டும் குழு இந்தப் பயிற்சியை ஒதுக்கலாம். இதற்குச் சம்பளத்துடன் கூடிய நேரமும் அமைப்பை அறிந்த மதிப்பாய்வாளரும் தேவை. இணைக்கப்பட்ட பணிகளையும் சேமித்த நேரத்தையும் மட்டுமே நிர்வாகம் கணக்கிட்டால், இந்தச் செலவுகளே முதலில் குறைக்கப்படலாம். இன்றைய வெளியீடு உயர்ந்தாலும், அது பயிற்சிச் சிக்கலை மேலும் கடினமாக்கும்.

## பயிற்சிப் பாதை குறித்த கேள்வி பணியமர்த்தலையும் தயாரிப்பு வடிவமைப்பையும் எட்டுகிறது

இளநிலைப் பணிகளில், வழங்கும் வேலையுடன் மேற்பார்வையுள்ள பயிற்சியும் பல நேரங்களில் இணைந்திருந்தது. வேட்பாளர் எப்படிச் சிந்தித்தார் என்பதைக் காட்டாமல், மெருகூட்டப்பட்ட அம்சத்தை மட்டும் காட்ட முடிந்தால் AI இந்த உடன்பாட்டை மாற்றுகிறது. தனித்திறனுக்கான சான்றாக மெருகான குறியீட்டுக் களஞ்சியத்தைக் கருதாமல், சிறிய வேலையை விளக்கவும் மாற்றவும் வேட்பாளர்களிடம் நிறுவனங்கள் கேட்கலாம். இது பரிந்துரைக்கப்படும் பணியமர்த்தல் அணுகுமுறை; தற்போதைய போக்குக்கான ஆதாரம் அல்ல. ஒவ்வொரு விண்ணப்பதாரரும் கருவியின்றி வேலை செய்ய வேண்டும் என்று கோராமல், அந்தப் பதவிக்குத் தேவையான திறன்களையே அது சோதிக்க வேண்டும்.

குறியீட்டுத் தயாரிப்புகளும் இதேபோன்ற தேர்வைச் சந்திக்கின்றன. உதவியாளர் விரைவான பதிலை வழங்குவதில் கவனம் செலுத்தலாம்; அல்லது அதன் முன்கணிப்புகளை ஆராயவும் கருத்துரீதியான கேள்விகள் கேட்கவும், தீர்வைக் காட்டுவதற்கு முன் மாற்றத்தை முயற்சிக்கவும் உதவலாம். ஆய்வில் காணப்பட்ட உரையாடல் முறைகள் இரண்டாவது வடிவமைப்பை முயற்சிக்கத் தகுந்ததாக ஆக்குகின்றன; குறிப்பிட்ட இடைமுகம் சிறப்பாகக் கற்பிக்கும் என்பதை அவை நிரூபிக்கவில்லை. நிறுவனங்கள் கருவியை வாங்கும்போது, அது எவ்வளவு குறியீட்டை உருவாக்குகிறது என்பது மட்டுமல்ல; அதன் வெளியீட்டை ஊழியர்கள் கற்றுக்கொண்டு மதிப்பாய்வு செய்யவும் மாற்றவும் உதவுகிறதா என்பதையும் கேட்க வேண்டும்.

குறுகிய வினாடி வினா, ஐந்து ஆண்டுகளில் யார் நிபுணராக மாறுவார்கள் என்பதைச் சொல்ல முடியாது. ஆனால் புதிதான பணியில் புரிதலுக்கான சான்றாக ஏற்றுக்கொள்ளப்பட்ட செயலாக்கத்தை மட்டும் நம்புவது ஏன் தவறு என்பதை அது காட்டுகிறது. தானியக்கத்தையும் அடுத்த தலைமுறைத் திறமையாளர்களையும் இரண்டையும் விரும்பும் குழுக்கள், பயிற்சிக்கான இடத்தை உருவாக்கி, பதில் மாறும்போது மக்கள் என்ன செய்ய முடிகிறது என்பதையும் சோதிக்க வேண்டும்.

## Sources

- [Alexandru Nedelcu: AI-க்கு ஞானமில்லை; உங்களுக்கும் இருக்காது](https://alexn.org/blog/2026/09/22/ai-has-no-wisdom-and-neither-will-you) — குறியீட்டைப் படித்தல், முடிவெடுத்தல், தவறுகளுக்குப் பொறுப்பேற்றல் ஆகியவற்றின் வழியே பொறியியல் மதிப்பீட்டுத் திறன் வளர்கிறது என்று Nedelcu-வின் கட்டுரை வாதிடுகிறது. பராமரிப்புத் திறன் குறித்த கூற்றுகளும் AI இல்லாத கொள்கைகள் வரும் என்ற கணிப்பும் கருத்துகள் மட்டுமே; அளவிடப்பட்ட முடிவுகள் அல்ல.
- [Anthropic: AI உதவி குறியீட்டுத் திறன் உருவாக்கத்தை எவ்வாறு பாதிக்கிறது](https://www.anthropic.com/research/AI-assistance-coding-skills) — 52 பேர் பங்கேற்ற Trio சீர்முறைச் சோதனையை ஆய்வாளர்கள் விளக்குகின்றனர்: உடனடி வினாடி வினாவில் 50% மற்றும் 67% மதிப்பெண்கள்; பணிநேரத்தின் சிறிய வித்தியாசம் புள்ளிவிவர ரீதியாகக் குறிப்பிடத்தக்கதல்ல. உரையாடல் முறைகள் கண்காணிப்புத் தரவுகள் மட்டுமே; நீண்டகாலப் பணிவாழ்க்கையை ஆய்வு அளவிடவில்லை.
- [Shen மற்றும் Tamkin: AI திறன் உருவாக்கத்தை எவ்வாறு பாதிக்கிறது](https://arxiv.org/abs/2601.20245) — பணியின் விவரம், பங்கேற்பாளர்கள், சீர்முறை ஒதுக்கீடு, மதிப்பீடு ஆகியவற்றை ஆய்வறிக்கை அளிக்கிறது. பிப்ரவரி பதிப்பில் அட்டவணைப் பிழைகள் திருத்தப்பட்டன. AI அணுகலுக்கும் உடனடிப் புரிதலுக்கும் இடையிலான காரண விளைவுக்கே நாங்கள் முடிவை வரையறுக்கிறோம்; நிரூபிக்கப்பட்ட கேள்வி முறை என்று பரிந்துரைக்கவில்லை.
- [Peng மற்றும் பலர்: AI நிரலாளர் உற்பத்தித் திறனை எவ்வாறு பாதிக்கிறது](https://arxiv.org/abs/2302.06590) — தனி Copilot கட்டுப்படுத்தப்பட்ட ஆய்வில், JavaScript சேவையகத்தை உருவாக்கிய தொழில்முறை சுயதொழில் நிரலாளர்கள் AI உதவியுடன் விரைவாக முடித்தனர்; பணியை முடித்தவர்களிடையே நேரம் 55.8% குறைந்தது. இந்த ஆய்வு கற்றலைச் சோதிக்கவில்லை; Trio-வின் அறிமுகமில்லாத நூலகப் பணியிலிருந்து இதன் பணி வேறுபட்டது.