Povratak na strateške teze

Strateški rad 02

AI u razvoju softvera ima utočište

euphile vidi praktičan strop na ono što AI može učiniti u razvoju softvera u okviru danaâ € TMs radni tok. Bolji modeli još uvijek pomoći, ali izlaz još uvijek mora ostati razumljiv, revidirati, testirati, upotrebljiv, monitorable, i operabilni unutar sustava ljudi i organizacije mogu stvarno upravljati.

AI u razvoju softvera ima Uređaji

Pametniji modeli će pomoći, ali trenutni programski životni ciklus stvara praktično ograničenje.

Strop radnog protoka Zona tlaka Preklopi seriju i lebdi po grafikonu.
Ceiling nametnut od danasâ € TMs softvera radni tok Ljudsko razumijevanje, revizija, datoteke, izgradnja, testovi, pakiranje, raspoređivanje, praćenje i održavanje.
1

AI već može izgraditi aplikacije od kraja do kraja.

2

No, izlaz još uvijek mora ostati razumljiv i operativan od strane ljudi.

3

Nakon platoa, diferenciacija se kreće prema troškovima, brzini i pouzdanosti.

Procijenjeni pritisak na vodeće AI pružatelje počinje.

!
Usko grlo više nije samo model inteligencije.

To je sučelje između AI-generiranog softvera i softverskog životnog ciklusa ljudi mogu stvarno upravljati.

Preklopite legendu i lebdi na grafikonu kako bi se usporedilo kako granična sposobnost, sljedbenik doticanje, i trošak tlaka evoluirati pod istim radnim tokom stropa.

Što kaže teza

Bolji modeli zadržati pomaže, ali danasâ € TMs softvera životni ciklus tlači naopako.

Generativni AI je već snažan u proizvodnji koda. Praktični strop se pojavljuje jer razvoj softvera nije samo generiranje koda. Izlaz još uvijek mora preživjeti ljudsko razmišljanje, eksplicitni softverski procesi, i operativna stvarnost.

Generacija koda više nije cijelo usko grlo.

Datoteke, arhitekturne opcije, testovi, popravke grešaka, i veliki dijelovi cijelih aplikacija mogu se već brzo generirati. Ograničavajući faktor sve više sjedi u onome što se događa nakon što se pojavi kod.

Životni ciklus nameće strop

Softver se još uvijek mora razumjeti, pregledati, varirati, graditi, paketirati, rasporediti, pratiti, debugged, i održavati unutar struktura timovi mogu zapravo raditi.

Marginalni obavještajni dobici na kraju komprimiraju

Ako izlazi i dalje prolaze kroz isti datoteka-, gradnja-, pregled- i raspoređivanje-centrični životni ciklus, pametniji modeli na kraju proizvedu postupne dobitke umjesto korak promjene.

Pritisak Crvenog oceana stiže ranije.

Kada se mogućnosti granične sposobnosti otežavaju, a brzi sljedbenici se nastave poboljšavati, konkurencija se kreće prema troškovima, brzini, pouzdanosti i operativnim sposobnostima.

Zajedničko pitanje

Zašto ne koristiti iste AI alate za ubrzavanje stropnih zadataka previše?

euphileov odgovor je da: GenAI će poboljšati te zadatke, kao i. Važna razlika je između upotrebe GenAI unutar postojeće digitalne infrastrukture i preoblikovanje digitalne infrastrukture oko GenAI.

AI apsolutno poboljšava stropne zadatke

Bolji generatori, bolji validatori, bolji testni pojasevi, bolji DSL-ovi, bolji kompilatori, i bolja automatizacija oko SDLC su svi dio istog pokreta.

Ali danasâ € TMs infrastruktura još uvijek ograničava rezultat

Kompileri i dalje slijede stroga pravila. Testovi još uvijek trebaju računanje, ovisnosti, i okruženja. artifakti još uvijek trebaju izgradnju. Kontejneri još uvijek trebaju opskrbu. Radno breme još uvijek treba raspored.

Tokeni i podatkovni centri su stvarna ograničenja

Latencija, pamćenje, sigurnost, struja, računanje opskrbe, i zaključak koštaju sve ograničenja koliko se trenutni stek može preoblikovati jednostavno pozivanjem više AI.

Paradoks je strukturan.

Za preoblikovanje infrastrukture s GenAI-om potrebno je više infrastrukture za GenAI. Većina te infrastrukture još uvijek se gradi na vrhu sadašnje paradigme, a ne izvan nje.

Prozor mogućnosti

Strop stvara otvaranje kontekstualnog i troškovno učinkovitog softvera AI.

Globalni računski i datacentni kapaciteti i dalje su ograničeni, granični zaključci i dalje su skupi, a generički modeli su još uvijek slabi na preciznom softverskom radu na razini tvrtke. To stvara prostor za drugu strategiju.

Prilika 01

Fine-tune otvoreni modeli za tvrtku i projektni kontekst

Umjesto plaćanja premije za zaključke generičkih granica, organizacije mogu prilagoditi otvorene modele svojim repozitorijima, domena pravila, i projektno specifičnim softverskim radom.

  • Bolje odgovara za društvo DSL-ovi, kodne baze, i obrasci.
  • Više preciznosti na radu koji je zapravo važan.
  • Manje ovisnosti o generičkom ponašanju modela.
Prilika 02

Pokrenite na sadašnjoj infrastrukturi umjesto raste žeton proračuna

Manji ili fino pričvršćeni otvoreni sustavi mogu se provoditi na infrastrukturi koja već postoji, uključujući radno-razredna okruženja i postojeći hardver tvrtke.

  • Niža ovisnost o skupom vanjskom zaključku.
  • Manje pritiska na proširenje IT proračuna oko žeton potrošnje.
  • Više slobode optimizirati za rad umjesto prodavača.
Mogućnost 03

Trgovačka generička inteligencija za kontekstualnu preciznost

Čak i vrlo inteligentni generički modeli još uvijek se bore s kontekstom tvrtke, tihim konvencijama, i preciznom strukturom stvarnog poduzetničkog softverskog rada.

  • Kontekst može pobijediti sirovu ljestvicu u svakodnevnom softverskom radu.
  • Specijalizirani sustavi mogu nadmašiti generičku upotrebu na fit.
  • Lokalna prilagodba može stvoriti trajnu operativnu prednost.
Prilika 04

Izgradite deverminističko navodnjavanje prije nego što se širi stek promijeni

Trenutni prozor se ne radi samo o jeftinijim zaključcima. Također se radi o stvaranju uređenih radnih tokova, validatora, generatora, i sigurnih uzoraka izvršenja koji ostaju vrijedni tijekom modela ciklusa.

  • Električni poluge spojevi izvan jedne generacije modela.
  • Sigurnost orkestracija stvar prije nego što dođe nova infrastruktura.
  • Organizacije se sada mogu kretati umjesto da čekaju promjenu paradigme.

Strateška implikacija

euphileov pogled je da je sljedeća faza softvera AI natjecanje je malo vjerojatno da će se osvojiti sirovina model inteligencije samo. U okviru danaâ € TMs radna tok ograničenja, vrijedniji pozicije su vjerojatno doći iz kontekstualne specijalizacije, debriministički tooling, niži žeton ovisnosti, i trošak-efikasna izvršenje na infrastrukturne timove već posjeduju i razumjeti. To je mjesto gdje je sadašnja prilika prozor sjedi.