Tesi strategica 02
euphile vede un limite pratico a ciò che l’intelligenza artificiale può fare nello sviluppo di software nel flusso di lavoro di oggi. Modelli migliori sono ancora utili, ma i risultati devono comunque rimanere comprensibili, verificabili, testabili, implementabili, monitorabili e utilizzabili all’interno dei sistemi che le persone e le organizzazioni possono effettivamente gestire.
Modelli più intelligenti aiuteranno, ma l’attuale ciclo di vita del software crea un limite pratico.
L’intelligenza artificiale può già creare applicazioni end-to-end.
Ma i risultati devono comunque rimanere comprensibili e utilizzabili dagli esseri umani.
Dopo il plateau, la differenziazione si sposta verso costi, velocità e affidabilità.
Inizia la pressione stimata sui principali fornitori di intelligenza artificiale.
È l’interfaccia tra il software generato dall’intelligenza artificiale e il ciclo di vita del software che gli esseri umani possono effettivamente gestire.
Cosa dice la tesi
L’intelligenza artificiale generativa è già efficace nella produzione di codice. Il limite pratico appare perché lo sviluppo del software non è solo generazione di codice. Il risultato deve ancora sopravvivere al ragionamento umano, ai processi software espliciti e alla realtà operativa.
File, opzioni di architettura, test, correzioni di bug e gran parte di intere applicazioni possono già essere generati rapidamente. Il fattore limitante risiede sempre più in ciò che accade dopo la comparsa del codice.
Il software deve ancora essere compreso, rivisto, aggiornato, creato, confezionato, distribuito, monitorato, sottoposto a debug e mantenuto all'interno delle strutture in cui i team possono effettivamente operare.
Se gli output continuano a passare attraverso lo stesso ciclo di vita incentrato su file, creazione, revisione e distribuzione, i modelli più intelligenti alla fine producono guadagni incrementali anziché cambiamenti graduali.
Quando le capacità di frontiera diventano più difficili da monetizzare e i fast follower continuano a migliorare, la concorrenza si sposta verso costi, velocità, affidabilità e idoneità operativa.
Domanda comune
La risposta di euphile è sì: GenAI migliorerà anche questi compiti. La distinzione importante è tra l’utilizzo della GenAI all’interno dell’attuale infrastruttura digitale e la riprogettazione dell’infrastruttura digitale attorno alla GenAI.
Generatori migliori, validatori migliori, cablaggi di test migliori, meglio DSL, compilatori migliori e una migliore automazione del file SDLC fanno tutti parte dello stesso movimento.
I compilatori seguono ancora regole rigide. I test necessitano ancora di elaborazione, dipendenze e ambienti. Gli artefatti necessitano ancora di build. I contenitori necessitano ancora di provisioning. I carichi di lavoro necessitano ancora di pianificazione.
Latenza, memoria, sicurezza, alimentazione, fornitura di elaborazione e costi di inferenza limitano la misura in cui è possibile riprogettare lo stack attuale semplicemente invocando più intelligenza artificiale.
Per riprogettare l’infrastruttura con GenAI, è necessaria più infrastruttura per GenAI. Gran parte di tale infrastruttura viene ancora costruita sulla base del paradigma attuale piuttosto che al di là di esso.
Finestra di opportunità
La capacità globale di elaborazione e data center rimane limitata, l’inferenza di frontiera rimane costosa e i modelli generici sono ancora deboli nel lavoro preciso del software a livello aziendale. Ciò crea spazio per una strategia diversa.
Invece di pagare un sovrapprezzo per un’inferenza di frontiera generica, le organizzazioni possono adattare i modelli aperti ai propri repository, alle regole di dominio e al lavoro software specifico del progetto.
È possibile eseguire sistemi aperti più piccoli o ottimizzati su infrastrutture già esistenti, inclusi ambienti di classe workstation e hardware aziendale attuale.
Anche i modelli generici altamente intelligenti sono ancora in difficoltà con il contesto aziendale, le convenzioni tacite e la struttura precisa del lavoro software aziendale reale.
La finestra attuale non riguarda solo l’inferenza più economica. Si tratta anche di creare flussi di lavoro governati, validatori, generatori e modelli di esecuzione sicuri che rimangono preziosi attraverso i cicli del modello.
Implicazione strategica
Il punto di vista di Euphile è che è improbabile che la prossima fase della competizione sull’intelligenza artificiale del software venga vinta solo dall’intelligenza dei modelli grezzi. Con i vincoli del flusso di lavoro odierni, è probabile che le posizioni più preziose provengano dalla specializzazione contestuale, da strumenti deterministici, da una minore dipendenza dai token e da un’esecuzione economicamente vantaggiosa su infrastrutture che i team già possiedono e comprendono. È qui che si trova l’attuale finestra di opportunità.