Koodi genereerimine pole enam kogu kitsaskoht
Faile, arhitektuurivalikud, testid, veaparandused ja suur osa tervetest rakendustest saab juba kiiresti genereerida. Piirav tegur on üha enam selles, mis juhtub pärast koodi ilmumist.
Tagasi strateegiliste teeside juurde
Strateegiline lõputöö 02
Tarkvaraarenduses on tehisintellektil lagi
euphile näeb praktilist ülemmäära sellele, mida tehisintellekt tänapäeva töövoo raames tarkvaraarenduses teha saab. Paremad mudelid aitavad endiselt, kuid väljund peab siiski jääma arusaadavaks, auditeeritavaks, testitavaks, juurutatavaks, jälgitavaks ja kasutatavaks süsteemides, mida inimesed ja organisatsioonid saavad tegelikult hallata.
AI tarkvaraarenduses on a Lagi
Nutikamad mudelid aitavad, kuid praegune tarkvara elutsükkel loob praktilise piiri.
Lülitage seeria sisse ja hõljutage diagrammi.
Tänapäeva tarkvara töövoo poolt kehtestatud ülemmäär
Inimeste mõistmine, auditeeritavus, failid, konstruktsioonid, testid, pakendamine, juurutamine, jälgimine ja hooldus.
1
AI saab juba luua täisrakendusi.
2
Kuid väljund peab jääma inimestele arusaadavaks ja kasutatavaks.
3
Pärast platood nihkub diferentseerimine kulude, kiiruse ja töökindluse suunas.
Algab hinnanguline surve juhtivatele tehisintellekti pakkujatele.
!
Kitsaskoht pole enam ainult mudeli intelligentsus.
See on liides AI-ga loodud tarkvara ja tarkvara elutsükli vahel, mida inimesed tegelikult saavad hallata.
Mida lõputöö ütleb
Paremad mudelid aitavad jätkuvalt, kuid tänane tarkvara elutsükkel surub kokku plussi.
Generatiivne AI on koodi tootmisel juba tugev. Praktiline lagi ilmneb, sest tarkvaraarendus ei ole ainult koodi genereerimine. Väljund peab endiselt ellu jääma inimliku arutluskäigu, selgesõnaliste tarkvaraprotsesside ja tööreaalsuse üle.
Elutsükkel kehtestab ülemmäära
Tarkvara tuleb ikkagi mõista, üle vaadata, versioonida, ehitada, pakendada, juurutada, jälgida, siluda ja hooldada struktuuride sees, mida meeskonnad saavad tegelikult kasutada.
Piirintelligentsuse kasv lõpuks surutakse kokku
Kui väljundid läbivad ikka sama faili-, konstruktsiooni-, ülevaatuse- ja juurutamiskeskset elutsüklit, toovad nutikamad mudelid lõpuks järkjärguliste muudatuste asemel järkjärgulist kasu.
Punase ookeani rõhk saabub varem
Kui piiriülese võimekuse rahaks realiseerimine muutub raskemaks ja kiired järgijad jätkavad paranemist, nihkub konkurents kulude, kiiruse, töökindluse ja töökindluse suunas.
Üldine küsimus
Miks mitte kasutada samu tehisintellekti tööriistu ka laeülesannete kiirendamiseks?
euphile'i vastus on jah: GenAI parandab ka neid ülesandeid. Oluline erinevus seisneb GenAI kasutamises praeguses digitaalses infrastruktuuris ja GenAI ümber oleva digitaalse infrastruktuuri ümberkujundamises.
AI parandab absoluutselt laeülesandeid
Paremad generaatorid, paremad validaatorid, paremad testimisrihmad, parem DSL-id, paremad kompilaatorid ja parem automatiseerimine SDLC on kõik osa ühest liikumisest.
Kuid tänane infrastruktuur piirab endiselt tulemust
Koostajad järgivad endiselt rangeid reegleid. Testid vajavad endiselt arvutusi, sõltuvusi ja keskkondi. Artefaktid vajavad endiselt ehitamist. Konteinerid vajavad endiselt varusid. Töökoormused vajavad endiselt ajakava koostamist.
Tokenid ja andmekeskused on tõelised piirangud
Latentsus, mälu, turvalisus, toide, arvutusvarustus ja järelduskulud piiravad seda, kui kaugele saab praegust pinu ümber kujundada lihtsalt rohkema AI abil.
Paradoks on struktuurne
GenAI-ga infrastruktuuri ümberkujundamiseks on vaja GenAI jaoks rohkem infrastruktuuri. Suur osa sellest infrastruktuurist ehitatakse endiselt praeguse paradigma peale, mitte sellest kaugemale.
Võimaluste aken
Lagi loob ava kontekstuaalse ja kulutõhusa tarkvara AI jaoks.
Ülemaailmne arvutus- ja andmekeskuse võimsus on endiselt piiratud, piiriülesed järeldused on endiselt kallid ja üldised mudelid on ettevõtte tasandi tarkvara täpses töös endiselt nõrgad. See loob ruumi teistsugusele strateegiale.
Peenhäälestage avatud mudelid ettevõtte ja projekti kontekstis
Selle asemel, et maksta lisatasu üldiste piiriüleste järelduste eest, saavad organisatsioonid kohandada avatud mudeleid oma hoidlate, domeenireeglite ja projektipõhise tarkvaraga.
- Sobib paremini seltskonda DSL-id, koodibaasid ja mustrid.
- Rohkem täpsust töös, mis tegelikult loeb.
- Vähem sõltuvust üldisest mudeli käitumisest.
Töötage sümboolse eelarve asemel praeguse infrastruktuuriga
Väiksemaid või peenhäälestatud avatud süsteeme saab käivitada juba olemasolevas infrastruktuuris, sealhulgas tööjaamaklassi keskkonnas ja ettevõtte praeguses riistvaras.
- Madalam sõltuvus kallitest välistest järeldustest.
- Vähem survet laiendada IT-eelarveid märgikulude ümber.
- Rohkem vabadust müüja asemel tööd optimeerida.
Kaubelge üldise luureandmetega kontekstuaalse täpsuse nimel
Isegi väga intelligentsed üldmudelid on endiselt hädas ettevõtte konteksti, vaikivate tavade ja tegeliku ettevõttetarkvara töö täpse struktuuriga.
- Kontekst võib igapäevases tarkvaratöös ületada toores mastaapi.
- Spetsiaalsed süsteemid suudavad tavapärasest kasutusest paremini sobida.
- Kohalik kohandamine võib luua püsiva tööeelise.
Enne laiema virna muutumist koostage deterministlikud tööriistad
Praegune aken ei tähenda ainult odavamaid järeldusi. See hõlmab ka juhitud töövoogude, valideerijate, generaatorite ja turvaliste täitmismustrite loomist, mis jäävad väärtuslikuks mudelitsüklite jooksul.
- Deterministlikud võimendusühendid, mis jäävad kaugemale ühest mudelipõlvkonnast.
- Turvaline orkestreerimine on oluline enne uue infrastruktuuri saabumist.
- Organisatsioonid saavad paradigma muutuse ootamise asemel liikuda juba praegu.
Strateegiline mõju
euphile'i seisukoht on, et tarkvara AI konkurentsi järgmist etappi tõenäoliselt ei võida pelgalt toores mudeli intelligentsus. Tänapäeva töövoo piirangute juures tulenevad väärtuslikumad positsioonid tõenäoliselt kontekstuaalsest spetsialiseerumisest, deterministlikust tööriistast, väiksemast tokenist sõltuvusest ja kulutõhusast täitmisest infrastruktuurimeeskondadel, mis juba omavad ja millest aru saavad. See on koht, kus praegune võimaluste aken asub.