Lehet-e az AI csapatjátékos az együttműködésen alapuló szoftverfejlesztésben?
Egyes iparági vezetők és szakértők szerint a generatív mesterséges intelligencia hatása nem éri el az üzleti szerepekben bemutatott csodákat.
Kérdezzen meg egy vezető iparági elemzőt a generatív mesterséges intelligencia (GenAI) együttműködésünkre gyakorolt hatásáról, és rámutatnak arra, hogy még csak most kezdjük felfedezni, hogy miként alakíthatja át feladatainkat és interakcióinkat.
Az Accenture elemzése szerint a GenAI "az emberközpontúbb munkafolyamatokkal a munka újrafeltalálásához fog vezetni". "A GenAI demokratizálja az üzleti folyamatok újratervezését, így mindenkinek - az összeszerelő munkásoktól kezdve az ügyfélszolgálati ügynökökön át a laboratóriumi tudósokig - lehetősége nyílik saját munkafolyamatainak átalakítására."
Minden jó, minden jó. Ritkán hallunk azonban a GenAI-kompatibilis alkalmazásokat készítő vagy az eszközökkel dolgozó emberek munkájára gyakorolt hatásról. A kiválasztott nyelveken való gyors kódgeneráláson túl hogyan változtatja meg ez a technológusok munkáját?
Egyes iparági vezetők és szakértők véleménye szerint a GenAI hatása nem éri el az üzleti szerepekben bemutatott csodákat. „Nem minden fejlesztő lát lehetőséget ezekben a szoftverfejlesztési eszközökben” - mondja Amrit Jassal, az Egnyte technológiai igazgatója. "Van néhány durva él, különösen a tapasztalt fejlesztők számára."
A szoftverfejlesztés és a technológiai munka nagymértékben a csapatmunkán, a munka csoportok közötti átadásán és az üzleti felhasználókkal való szoros együttműködésen alapul. Ezért olyan fontosak az olyan gyakorlatok, mint az agilis, a scrum és a DevOps. E célból a mesterséges intelligencia még nem sok ígéretet mutat, mondja Jassal. "A generatív AI-eszközök továbbra is az egyéneket célozzák meg, nem pedig a csapatokat - olyan erős felhasználókat, mint a DevOps vagy a vezetők."
A mesterséges intelligencia együttműködési hatásai "nagyon gyerekcipőben járnak, és bizonyos értelemben feltérképezetlen vizekre hajózunk, amelyeket teljesen fel kell fedezni" - mondja Ed Macosky, a Boomi termék- és technológiai igazgatója. "Miközben a mesterséges intelligencia tovább fejlődik, a korai iterációk már bekerülnek a fejlesztői munkafolyamatokba. A mesterségesintelligencia-prototípusok ellenére azonban még mindig explicit mesterséges intelligencia-irányelveket határozunk meg, mivel sok kérdés merül fel az adatszuverenitással, a biztonsággal és a szabályozással kapcsolatban. még konkrét választ kell adni."
Ezenkívül a technológiai csapatoknak tisztában kell lenniük azzal, hogy „függőséget építenek ki az AI-tól” - teszi hozzá Macosky. „A teljes mértékben az AI-ra támaszkodva fennáll annak a veszélye, hogy elhalványul a speciális fejlesztői tapasztalat, ami azt eredményezheti, hogy az emberek nem értik, hogyan végezzék el a munkájukat AI nélkül. viszont jelentős kockázatot jelent."
A mesterséges intelligencia-függőségek létrehozása „eredendően nem káros, de meg kell határoznunk azt a szakaszt, ahol segíti az emberek előrehaladását, ahelyett, hogy olyan területeket cserélnénk le, ahol még mindig azt szeretnénk, hogy az emberek kritikus döntéseket hozzanak” - mondja Macosky.
Ez különösen igaz azokra az adatokra és kódokra, amelyeknek kiváló minőségűnek kell lenniük. "Ha túl erősen támaszkodunk a mesterséges intelligenciára anélkül, hogy minőségi adatokat és kódot fejlesztenénk és vinénk be, ez jelenti a legnagyobb kockázatot" - mondja.
Az AI-eszközökre való túlzott támaszkodás lehet a legnagyobb hátrány, egyetért Jassal. "Az olyan eszközökre támaszkodva, mint az OpenAI Code Interpreter, amely lényegében a 'Stack Overflow' receptjeit visszatereli, csökkentheti az innovációt. A bevált gyakorlatok, mint például a peer programozás mentorokkal, csökkenni fognak, ami a fiatal fejlesztőket a társadalmi elszigeteltség felé taszítja. A csapatmunka minden nagy munka nélkülözhetetlen eleme. -léptékű szoftverfejlesztés."
Mindazonáltal ezek a szakértők és mások azt hiszik, hogy a GenAI pozitív, hosszú távú hatással lesz a technológusok munkájára. Ez különösen akut, mivel a DevOps-csapatok nyomást éreznek - „látva, hogy megnövekszik a kód nagy sebességű kiadásának követelménye -, miközben minimális fennakadást biztosítanak a meglévő rendszerekben” - mondja Naveen Kamat, a vállalat alelnöke és technológiai igazgatója. Kyndryl.
Az AI javíthatja az együttműködést, amely ahhoz szükséges, hogy a DevOps-hoz hasonló gyakorlatok működjenek - folytatja. "A mesterséges intelligencia által hajtott rendszerek azzal is segíthetnek a csapatoknak, hogy egységes, egységes képet adnak a rendszerekről és azok problémáiról a DevOps összetett láncolatában. Ezzel egyidejűleg az AI alkalmazása ezekre a rendszerekre javíthatja az észlelt anomáliák teljes megértését és ismeretét, valamint javíthatja azokat. azonnali figyelmeztetéseken keresztül a megfelelő érdekelt felekhez."
Ezenkívül Kamat hozzáteszi: "Az AI segíthet a telepített kód monitorozásában - a teljesítmény, a felhasználói élmény és a visszajelzések tekintetében. Ez lehetővé teszi a vállalatok számára, hogy javítsák ügyfélélményüket, és a vállalaton belüli üzleti vezetők és érdekelt felek számára kurátoros, konszolidált nézettel kell kalibrálni az eredményeket, és szorosan együttműködni a DevOps csapataival a további fejlesztések érdekében."
A termelékenységet az AI együttműködési folyamatokba való beépítése is növelheti. „Azt látjuk, hogy a mérnöki csapatok egyre inkább beépítik stratégiáikat az általános üzleti célokba” - mondja Macosky. "Az AI képességeinek köszönhetően a prototípus-projektek, mint például a pilotok, a koncepciók bizonyítása és az alkalmazások tesztelése lényegesen kevésbé erőforrásigényesek, ami növeli a csapat termelékenységét. Ennek eredményeként a fejlesztők ezeket a projekteket üzleti csapatokhoz juttathatják el, és új szervezeti célkitűzéseket dolgozhatnak ki ezeken a projekteken alapulva. , és összességében növelni kell a kölcsönös megértés szintjét a műszaki és a nem műszaki személyzet között."
Végső soron a mesterséges intelligencia legjobb iránya „az, hogy eltűnjön a háttérben, és ne legyen tolakodó” - mondja Jassal. "Általában elmondható, hogy az új eszközök alkalmazása mindig könnyebb, ha a meglévő folyamatokat és eszközöket, például az integrált fejlesztőkörnyezetet alkalmazzák."