Στρατηγική διατριβή 02
Το euphile βλέπει ένα πρακτικό ανώτατο όριο στο τι μπορεί να κάνει η τεχνητή νοημοσύνη στην ανάπτυξη λογισμικού στο πλαίσιο της σημερινής ροής εργασίας. Τα καλύτερα μοντέλα εξακολουθούν να βοηθούν, αλλά το αποτέλεσμα πρέπει να παραμένει κατανοητό, ελεγχόμενο, ελεγχόμενο, αναπτύξιμο, παρακολουθήσιμο και λειτουργικό μέσα σε συστήματα που μπορούν πραγματικά να διαχειριστούν οι άνθρωποι και οι οργανισμοί.
Τα πιο έξυπνα μοντέλα θα βοηθήσουν, αλλά ο τρέχων κύκλος ζωής του λογισμικού δημιουργεί ένα πρακτικό όριο.
Η τεχνητή νοημοσύνη μπορεί ήδη να δημιουργήσει εφαρμογές από άκρο σε άκρο.
Αλλά η έξοδος πρέπει να παραμένει κατανοητή και λειτουργική από τον άνθρωπο.
Μετά το οροπέδιο, η διαφοροποίηση μετατοπίζεται προς το κόστος, την ταχύτητα και την αξιοπιστία.
Αρχίζει η εκτιμώμενη πίεση στους κορυφαίους παρόχους τεχνητής νοημοσύνης.
Είναι η διεπαφή μεταξύ του λογισμικού που δημιουργείται από την τεχνητή νοημοσύνη και του κύκλου ζωής του λογισμικού που μπορούν πραγματικά να διαχειριστούν οι άνθρωποι.
Τι λέει η διατριβή
Το Generative AI είναι ήδη ισχυρό στην παραγωγή κώδικα. Το πρακτικό ανώτατο όριο εμφανίζεται επειδή η ανάπτυξη λογισμικού δεν είναι μόνο δημιουργία κώδικα. Το αποτέλεσμα πρέπει ακόμα να επιβιώσει από την ανθρώπινη λογική, τις σαφείς διαδικασίες λογισμικού και τη λειτουργική πραγματικότητα.
Αρχεία, επιλογές αρχιτεκτονικής, δοκιμές, διορθώσεις σφαλμάτων και μεγάλα τμήματα ολόκληρων εφαρμογών μπορούν ήδη να δημιουργηθούν γρήγορα. Ο περιοριστικός παράγοντας βρίσκεται όλο και περισσότερο σε αυτό που συμβαίνει μετά την εμφάνιση του κώδικα.
Το λογισμικό πρέπει ακόμα να γίνει κατανοητό, να αναθεωρηθεί, να εκδοθεί, να κατασκευαστεί, να συσκευαστεί, να αναπτυχθεί, να παρακολουθηθεί, να εντοπιστεί σφαλμάτων και να συντηρηθεί μέσα σε δομές που μπορούν πραγματικά να λειτουργήσουν οι ομάδες.
Εάν οι έξοδοι εξακολουθούν να περνούν από τον ίδιο κύκλο ζωής με επίκεντρο το αρχείο, την κατασκευή, την αναθεώρηση και την ανάπτυξη, τα πιο έξυπνα μοντέλα τελικά παράγουν σταδιακά κέρδη αντί για αλλαγές σταδίων.
Όταν η ικανότητα των συνόρων γίνεται πιο δύσκολη στη δημιουργία εσόδων και οι γρήγοροι ακόλουθοι συνεχίζουν να βελτιώνονται, ο ανταγωνισμός μετατοπίζεται προς το κόστος, την ταχύτητα, την αξιοπιστία και τη λειτουργική εφαρμογή.
Κοινή ερώτηση
Η απάντηση του euphile είναι ναι: Η GenAI θα βελτιώσει και αυτές τις εργασίες. Η σημαντική διάκριση είναι μεταξύ της χρήσης του GenAI εντός της τρέχουσας ψηφιακής υποδομής και του επανασχεδιασμού της ψηφιακής υποδομής γύρω από το GenAI.
Καλύτερες γεννήτριες, καλύτεροι επικυρωτές, καλύτερες δοκιμαστικές ζώνες, καλύτερα DSL, καλύτερους μεταγλωττιστές και καλύτερο αυτοματισμό γύρω από το SDLC είναι όλα μέρος του ίδιου κινήματος.
Οι μεταγλωττιστές εξακολουθούν να ακολουθούν αυστηρούς κανόνες. Οι δοκιμές εξακολουθούν να χρειάζονται υπολογισμούς, εξαρτήσεις και περιβάλλοντα. Τα τεχνουργήματα χρειάζονται ακόμα κατασκευές. Τα εμπορευματοκιβώτια χρειάζονται ακόμα προμήθεια. Ο φόρτος εργασίας εξακολουθεί να χρειάζεται προγραμματισμό.
Η καθυστέρηση, η μνήμη, η ασφάλεια, η ισχύς, η παροχή υπολογισμού και το κόστος συμπερασμάτων περιορίζουν πόσο μακριά μπορεί να επανασχεδιαστεί η τρέχουσα στοίβα απλά με την επίκληση περισσότερης τεχνητής νοημοσύνης.
Για να επανασχεδιαστεί η υποδομή με το GenAI, χρειάζεται περισσότερη υποδομή για το GenAI. Μεγάλο μέρος αυτής της υποδομής εξακολουθεί να χτίζεται πάνω από το τρέχον παράδειγμα και όχι πέρα από αυτό.
Παράθυρο ευκαιρίας
Η παγκόσμια χωρητικότητα υπολογιστών και κέντρων δεδομένων παραμένει περιορισμένη, η εξαγωγή συνόρων παραμένει ακριβή και τα γενικά μοντέλα εξακολουθούν να είναι αδύναμα στην ακριβή εργασία λογισμικού σε επίπεδο εταιρείας. Αυτό δημιουργεί χώρο για διαφορετική στρατηγική.
Αντί να πληρώνουν ένα ασφάλιστρο για τα γενικά συμπεράσματα συνόρων, οι οργανισμοί μπορούν να προσαρμόσουν τα ανοιχτά μοντέλα στα αποθετήρια, τους κανόνες τομέα και την εργασία λογισμικού για συγκεκριμένο έργο.
Μικρότερα ή βελτιωμένα ανοιχτά συστήματα μπορούν να εκτελεστούν σε υποδομή που ήδη υπάρχει, συμπεριλαμβανομένων περιβαλλόντων κατηγορίας σταθμών εργασίας και τρέχοντος υλικού εταιρείας.
Ακόμη και τα εξαιρετικά ευφυή γενικά μοντέλα εξακολουθούν να αντιμετωπίζουν το εταιρικό πλαίσιο, τις σιωπηρές συμβάσεις και την ακριβή δομή της εργασίας του πραγματικού εταιρικού λογισμικού.
Το τρέχον παράθυρο δεν αφορά μόνο φθηνότερα συμπεράσματα. Αφορά επίσης τη δημιουργία ελεγχόμενων ροών εργασίας, επικυρωτών, γεννητριών και ασφαλών μοτίβων εκτέλεσης που παραμένουν πολύτιμα σε όλους τους κύκλους μοντέλων.
Στρατηγική επίπτωση
Η άποψη του euphile είναι ότι η επόμενη φάση του ανταγωνισμού τεχνητής νοημοσύνης λογισμικού είναι απίθανο να κερδίσει μόνο η ακατέργαστη νοημοσύνη μοντέλων. Σύμφωνα με τους σημερινούς περιορισμούς ροής εργασιών, οι πιο πολύτιμες θέσεις είναι πιθανό να προέρχονται από εξειδίκευση με βάση τα συμφραζόμενα, ντετερμινιστικά εργαλεία, χαμηλότερη εξάρτηση από διακριτικά και οικονομικά αποδοτική εκτέλεση σε ομάδες υποδομής που ήδη κατέχουν και κατανοούν. Εκεί βρίσκεται το τρέχον παράθυρο ευκαιρίας.