A kódgenerálás már nem az egész akadály
A fájlok, architektúrák, tesztek, hibajavítások és az egész alkalmazások nagy részei már gyorsan generálhatók. A korlátozó tényező egyre inkább abban rejlik, ami a kód megjelenése után történik.
Vissza a stratégiai tézisekhez
Stratégiai tézis 02
Az MI a Szoftverfejlesztésben van egy plailing
euphile gyakorlati plafont lát abban, hogy mit tehet Al a szoftverfejlesztésben a mai munkafolyamat alatt. A jobb modellek még mindig segítenek, de a teljesítménynek továbbra is érthetőnek, ellenőrizhetőnek, ingerlékenynek, telepíthetőnek, ellenőrizhetőnek és operálhatónak kell maradnia az emberek és szervezetek között.
AI a szoftverfejlesztés van Mennyezet
Okosabb modellek segítenek, de a jelenlegi szoftver életciklusa gyakorlati korlátot teremt.
A sorozat bekapcsolása és a diagram lebegése.
A mai szoftver-munkafolyamat által előírt felső határ
Emberi megértés, óvatosság, fájlok, építmények, vizsgálatok, csomagolás, telepítés, nyomon követés és karbantartás.
1
Az MI már képes végponti alkalmazásokat építeni.
2
De a teljesítménynek továbbra is érthetőnek és operálhatónak kell maradnia az emberek számára.
3
A fennsík után a differenciálás a költségek, a sebesség és a megbízhatóság felé halad.
Kezdődik a becsült nyomás a vezető MI-szolgáltatókra.
!
A szűk keresztmetszet már nem csak modellintelligencia.
Ez az interfész az AI- generált szoftver és a szoftver életciklus emberek ténylegesen kezelni.
Mit mond a dolgozat
A jobb modellek mindig segítenek, de a mai szoftver életciklusa csökkenti az előnyöket.
A generatív AI már most is erős a kód előállításában. A gyakorlati plafon azért jelenik meg, mert a szoftverfejlesztés nem csak kódgenerálás. A kimenetnek még mindig túl kell élnie az emberi érvelést, a kifejezett szoftverfolyamatokat és a működési valóságot.
Az életciklus határozza meg a plafont
A szoftvereket még mindig meg kell érteni, felül kell vizsgálni, meg kell változtatni, meg kell építeni, be kell csomagolni, telepíteni, ellenőrizni, debugged, és karbantartani belső struktúrák csapatok ténylegesen működik.
Marginális intelligencia nyereség végül compress
Ha a kimenetek még mindig ugyanazon a fájlon, épületen, felülvizsgálaton és telepítési központú életcikluson mennek keresztül, akkor az intelligensebb modellek a lépésváltoztatások helyett további nyereséget termelnek.
A vörös óceán nyomása hamarabb érkezik
Amikor a határőrizeti képesség egyre nehezebb pénzzé és a gyors követők tovább javulnak, a verseny a költségek, a sebesség, a megbízhatóság és a működési alkalmasság irányába változik.
Általános kérdés
Miért nem használjuk ugyanazokat az MI-eszközöket a plafonfeladatok felgyorsítására is?
euphile válasza igen: a genal AI is javítani fogja ezeket a feladatokat. A fontos különbség a jelenlegi digitális infrastruktúrán belüli GenAI-használat és a GenAI körüli digitális infrastruktúra újratervezése.
Az MI abszolút mértékben javítja a felső határt
Jobb generátorok, jobb hitelesítők, jobb próbák, jobb DSL, jobb fordítók, és jobb automatizálás körül a SDLC mind ugyanannak a mozgalomnak a részei.
De a mai infrastruktúra még mindig korlátozza az eredményt
A szövetkezetek továbbra is szigorú szabályokat követnek. A teszteknek még mindig szükségük van számításokra, függőségekre és környezetekre. A műtárgyaknak még építésre van szükségük. A konténereknek még szükségük van ellátmányra. A munkalehetőségeket még be kell ütemezni.
Tokens and datacents are real restricts
Latencia, memória, biztonság, energia, számítási ellátás, és az inference kerül minden korlátozás, hogy milyen messze lehet áttervezni a jelenlegi verem egyszerűen hivatkozással több MI.
A paradoxon strukturális
Ahhoz, hogy a GenAI-val együtt új infrastruktúrát alakítsunk ki, több infrastruktúrára van szükség a GenAI-hoz. Az infrastruktúra nagy része még mindig a jelenlegi paradigmára épül, nem pedig azon túlra.
Lehetőség ablak
A plafon lehetőséget teremt a kontextuális és költséghatékony szoftver AI.
A globális számítási és adatbeviteli kapacitás továbbra is korlátozott, a határkereszteződés továbbra is drága, és a generikus modellek még mindig gyengék a pontos vállalati szintű szoftvermunkákban. Ez teret ad egy másik stratégiának.
Fine- tun nyílt modellek a vállalati és projekt környezetben
Ahelyett, hogy prémiumot fizetnének az általános határkereszteződésért, a szervezetek a nyílt modelleket az adattáraikhoz, a domain szabályaikhoz és a projektspecifikus szoftvermunkához tudják igazítani.
- Jobb társaság DSLkódalapok és minták.
- Pontosabb a munka, ami valóban számít.
- Kevésbé függ az általános modell viselkedéstől.
A jelenlegi infrastruktúra működtetése a költségvetés növelése helyett
Kisebb vagy finomhangolt nyílt rendszerek már létező infrastruktúrán végezhetők, beleértve a munkaállomás-osztályú környezetet és a jelenlegi vállalati hardvert.
- Kisebb függés a drága külsőtől.
- Kevesebb nyomás az informatikai költségvetések emelésére a jelképes kiadások körül.
- Több szabadságot optimalizálni a munka helyett az eladó.
Általános hírszerzés kereskedelme a kontextuális pontosság érdekében
Még a rendkívül intelligens generikus modellek is küzdenek a vállalati környezettel, a hallgatólagos konvenciókkal, és a valódi vállalati szoftverek pontos szerkezetével.
- Kontextus képes legyőzni a nyers skála napi szoftver munka.
- Specializált rendszerek felülmúlhatják a generikus használatot.
- A helyi alkalmazkodás tartós működési előnyt jelenthet.
Determinista szerszámok építése a szélesebb verem módosítása előtt
A jelenlegi ablak nem csak az olcsóbb következtetésekről szól. Arról is szól, hogy a modellciklusokban értékes, szabályozott munkafolyamatokat, hitelesítőket, generátorokat és biztonságos végrehajtási mintákat hozzunk létre.
- A determinista tőkeáttételi vegyületek meghaladják az egyetlen modellgenerációt.
- Biztosítani kell a hangszerelést, mielőtt új infrastruktúra érkezik.
- A szervezetek mozoghatnak, ahelyett, hogy paradigmaváltásra várnának.
Stratégiai következmények
euphile úgy véli, hogy a szoftver AI verseny következő fázisát valószínűleg nem csak a nyers modell intelligencia nyeri meg. A mai munkafolyamat korlátai között az értékesebb pozíciók valószínűleg a kontextuális szakosodásból, a determinista eszközzésből, az alacsonyabb jelképes függőségből, valamint a már a saját és a megértett infrastrukturális csapatok költséghatékony végrehajtásából származnak. Itt van a jelenlegi lehetőség.