Strategisk speciale 02
euphile ser et praktisk loft over, hvad AI kan gøre inden for softwareudvikling under nutidens arbejdsgang. Bedre modeller hjælper stadig, men outputtet skal stadig forblive forståeligt, auditerbart, testbart, implementerbart, overvågbart og operativt inde i systemer, som folk og organisationer rent faktisk kan administrere.
Smartere modeller vil hjælpe, men den nuværende softwarelivscyklus skaber en praktisk grænse.
AI kan allerede bygge end-to-end-applikationer.
Men output skal stadig forblive forståeligt og anvendeligt af mennesker.
Efter plateauet skifter differentieringen mod omkostninger, hastighed og pålidelighed.
Det estimerede pres på førende AI-udbydere begynder.
Det er grænsefladen mellem AI-genereret software og den softwarelivscyklus, som mennesker faktisk kan administrere.
Hvad afhandlingen siger
Generativ AI er allerede stærk til at producere kode. Det praktiske loft viser sig, fordi softwareudvikling ikke kun er kodegenerering. Outputtet skal stadig overleve menneskelig ræsonnement, eksplicitte softwareprocesser og operationel virkelighed.
Filer, arkitekturmuligheder, test, fejlrettelser og store dele af hele applikationer kan allerede hurtigt genereres. Den begrænsende faktor ligger i stigende grad i, hvad der sker efter koden dukker op.
Software skal stadig forstås, gennemgås, versioneres, bygges, pakkes, implementeres, overvåges, fejlrettes og vedligeholdes inde i strukturer, som teams faktisk kan fungere.
Hvis output stadig passerer gennem den samme fil-, build-, review- og implementeringscentrerede livscyklus, producerer smartere modeller i sidste ende trinvise gevinster i stedet for trinændringer.
Når grænsekapacitet bliver sværere at tjene penge på, og hurtige følgere fortsætter med at forbedre sig, skifter konkurrencen mod omkostninger, hastighed, pålidelighed og driftstilpasning.
Fælles spørgsmål
euphiles svar er ja: GenAI vil også forbedre disse opgaver. Den vigtige skelnen er mellem at bruge GenAI i den nuværende digitale infrastruktur og at redesigne den digitale infrastruktur omkring GenAI.
Bedre generatorer, bedre validatorer, bedre testseler, bedre DSL'er, bedre compilere og bedre automatisering omkring SDLC alle er en del af den samme bevægelse.
Kompilere følger stadig strenge regler. Test har stadig brug for beregning, afhængigheder og miljøer. Artefakter skal stadig bygges. Containere skal stadig klargøres. Arbejdsbelastninger skal stadig planlægges.
Latens, hukommelse, sikkerhed, strøm, computerforsyning og slutningsomkostninger begrænser alle, hvor langt den nuværende stak kan redesignes ved blot at påkalde mere AI.
For at redesigne infrastruktur med GenAI er der behov for mere infrastruktur til GenAI. Meget af den infrastruktur bygges stadig oven på det nuværende paradigme snarere end ud over det.
Mulighedsvindue
Den globale computer- og datacenterkapacitet er fortsat begrænset, grænseinferens er stadig dyr, og generiske modeller er stadig svage til præcist softwarearbejde på virksomhedsniveau. Det giver plads til en anden strategi.
I stedet for at betale en præmie for generisk grænseslutning, kan organisationer tilpasse åbne modeller til deres arkiver, domæneregler og projektspecifikt softwarearbejde.
Mindre eller finjusterede åbne systemer kan udføres på infrastruktur, der allerede eksisterer, herunder arbejdsstationsmiljøer og nuværende virksomhedshardware.
Selv meget intelligente generiske modeller kæmper stadig med virksomhedens kontekst, stiltiende konventioner og den præcise struktur af ægte virksomhedssoftwarearbejde.
Det nuværende vindue handler ikke kun om billigere slutninger. Det handler også om at skabe styret arbejdsgange, validatorer, generatorer og sikre eksekveringsmønstre, der forbliver værdifulde på tværs af modelcyklusser.
Strategisk implikation
Euphiles opfattelse er, at den næste fase af software AI-konkurrence sandsynligvis ikke vil blive vundet af rå modelintelligens alene. Under nutidens workflow-begrænsninger vil de mere værdifulde positioner sandsynligvis komme fra kontekstuel specialisering, deterministisk værktøj, lavere token-afhængighed og omkostningseffektiv eksekvering på infrastrukturhold, som allerede ejer og forstår. Det er der, det nuværende mulighedsvindue sidder.