Ik heb het interessant gevonden om bij te houden waar ik tijd besteed aan coderen met AI. De samenvatting is dat ik veel minder tijd kwijt ben aan het omgaan met bibliotheekconfiguratie en het debuggen van platform (bouwen, repo, implementeren) problemen. Veel minder tijd om me zorgen te maken over de architectuur vooraf. En veel minder tijd om eenvoudige logische bugs te debuggen. Aan de andere kant, veel meer tijd besteed aan het debuggen van bugs waarbij de semantiek losgekoppeld is van de syntaxis (hoe meer status ik moet bijhouden, hoe minder AI helpt). Veel meer tijd aan refactoren. Veel meer tijd aan profileren en het doen van tweede en derde orde optimalisaties. En natuurlijk veel meer tijd om na te denken over en te schetsen wat ik als volgende wil bouwen. De 80/20 regel is zeker van toepassing. Terwijl het van 0 naar een werkend project 50x sneller gaat, vermindert het tot ongeveer 2x sneller wanneer ik complexe dingen implementeer en debug die compromissen vereisen op basis van runtime-kenmerken. Dit weerspiegelt enigszins de versnellingen die ik zie in de portefeuilles waar ik mee werk. Degenen die gedistribueerde infrastructuur bouwen die sterke garanties en prestatiecompromissen vereist, bewegen niet zo snel als degenen die dichter bij de applicatielaag zitten.