Koda ģenerēšana vairs nav visa vājā vieta
Failus, arhitektūras opcijas, testus, kļūdu labojumi, un lielas daļas no visām programmām jau var ģenerēt ātri. Ierobežojošais faktors arvien vairāk atrodas tajā, kas notiek pēc koda parādīšanās.
Atpakaļ uz stratēģisko tēzes
Stratēģiskā tēze 02
AI programmatūras izstrādē ir griesti
eifils redz praktiskus griestus tam, ko AI var darīt programmatūras izstrādē zem mūsdienu darbplūsmas. Labāki modeļi joprojām palīdz, bet rezultāts joprojām ir jāpaliek saprotams, revidējams, pārbaudāms, izvietojams, kontrolējams, un operējams iekšpusē sistēmas cilvēki un organizācijas var faktiski pārvaldīt.
AI programmatūras izstrādē ir Maksimālā robeža
Viedāki modeļi palīdzēs, bet pašreizējais programmatūras dzīves cikls rada praktisku ierobežojumu.
Pārslēgt sēriju un uzkavēties diagrammas.
Mūsdienu programmatūras darbplūsmas noteiktais maksimālais apjoms
Cilvēka izpratne, revidējamība, datnes, būvēšana, testi, iepakošana, izvietošana, uzraudzība un uzturēšana.
1
AI jau var izveidot pilnīgas lietojumprogrammas.
2
Bet izlaidei joprojām ir jāpaliek cilvēkam saprotamai un operējamai.
3
Pēc plato, diferenciācija pāriet uz izmaksām, ātrumu, un uzticamību.
Sākas paredzamais spiediens uz vadošajiem MI pakalpojumu sniedzējiem.
!
Vājās vietas vairs nav tikai paraugizlūkošana.
Tā ir saskarne starp AI ģenerētu programmatūru un programmatūras dzīves ciklu cilvēki var faktiski pārvaldīt.
Ko saka tēze
Labāki modeļi turpina palīdzēt, bet mūsdienu programmatūras dzīves cikls saspiež otrādi.
Ģeneratīvs AI jau ir spēcīgs ražot kodu. Praktiskie griesti parādās, jo programmatūras izstrāde nav tikai kodu ģenerēšana. Iznākumam joprojām ir jāizdzīvo cilvēka argumentācija, skaidri programmatūras procesi un darbības realitāte.
Dzīves cikls nosaka griestus
Programmatūru vēl ir jāsaprot, jāpārskata, jāpārveido, jābūvē, jāiepako, jāizvieto, jāuzrauga, atkļūdošana, un jāuztur iekšējās struktūras komandas var faktiski darboties.
Neliela izlūkošanas ieguvumi galu galā saspiest
Ja rezultāti joprojām iet caur vienu un to pašu failu, veidot-, pārskatīšana-, un izvietošana-centrisks dzīves cikla, gudrāki modeļi galu galā rada papildu ieguvumus, nevis soli izmaiņas.
Sarkanā okeāna spiediens ierodas ātrāk
Kad robežas spējas kļūst grūtāk monetizēt un ātri sekotāji turpina uzlaboties, konkurence pāriet uz izmaksām, ātrumu, uzticamību un ekspluatācijas piemērotību.
Vispārējs jautājums
Kāpēc neizmantot tos pašus MI rīkus, lai paātrinātu arī griestu uzdevumus?
Eifila atbilde ir jā: GenAI uzlabos arī šos uzdevumus. Būtiska atšķirība ir starp GenAI izmantošanu pašreizējā digitālajā infrastruktūrā un digitālās infrastruktūras pārveidošanu ap GenAI.
AI absolūti uzlabo griestu uzdevumus
Labāki ģeneratori, labāki vērtētāji, labākas testēšanas ierīces, labāki DSL, labāk kompilatori, un labāka automatizācija ap SDLC visi ir vienas kustības daļa.
Bet šodienas infrastruktūra joprojām ierobežo rezultātu
Kompilatori joprojām ievēro stingrus noteikumus. Pārbaudēm joprojām ir vajadzīgi aprēķini, atkarības un vide. Artefaktiem joprojām ir nepieciešamas celtnes. Konteineriem joprojām ir vajadzīgi uzkrājumi. Darba slodzes vēl ir jāplāno.
Žetoni un datu centri ir reāli ierobežojumi
Latence, atmiņa, drošība, jauda, skaitļošanas piegāde, un secinājums izmaksas visi ierobežo to, cik tālu pašreizējo steku var pārveidot, vienkārši atsaucoties vairāk AI.
Paradokss ir strukturāla
Lai pārveidotu infrastruktūru ar GenAI, ir vajadzīga lielāka infrastruktūra GenAI. Liela daļa no šīs infrastruktūras joprojām tiek veidota uz pašreizējās paradigmas, nevis ārpus tās.
Opportunity logs
Griesti rada konteksta un izmaksu ziņā efektīvas programmatūras AI atvēršanu.
Globālā skaitļošanas un datu centru jauda joprojām ir ierobežota, pārrobežu slēdzieni joprojām ir dārgi, un vispārējie modeļi joprojām ir vāji pie precīza uzņēmuma līmeņa programmatūras darba. Tas rada iespēju citai stratēģijai.
Precīzi atvērti modeļi uzņēmuma un projekta kontekstam
Tā vietā, lai maksātu prēmiju par vispārējiem robežu secinājumiem, organizācijas var pielāgot atvērtos modeļus saviem repozitorijiem, domēnu noteikumiem un projektam specifiskajiem programmatūras darbiem.
- Labāka piemērotība uzņēmumam DSL, kodu bāzes, un raksti.
- Precīzāk par darbu, kas patiesībā ir svarīgs.
- Mazāk atkarība no vispārējās modeļu uzvedības.
Pašreizējās infrastruktūras izmantošana, nevis budžeta pieaugums
Mazākas vai precīzākas atvērtās sistēmas var izpildīt jau esošajā infrastruktūrā, ieskaitot darbstaciju klases vidi un esošo uzņēmuma aparatūru.
- Mazāka atkarība no dārgiem ārējiem secinājumiem.
- Mazāk spiediena, lai paplašinātu IT budžetu ap simboliskiem izdevumiem.
- Lielāka brīvība optimizēt darbu, nevis pārdevējs.
Tirdzniecības vispārējs intelekts konteksta precizitātei
Pat ļoti inteliģenti ģenēriskie modeļi joprojām cīnās ar uzņēmuma kontekstu, klusējot konvencijām un precīzu struktūru reālā uzņēmuma programmatūras darbu.
- Konteksts var pārspēt neapstrādātu skalu ikdienas programmatūras darbā.
- Specializētās sistēmas var pārspēt vispārējo lietošanu pēc piemērotības.
- Vietējā adaptācija var radīt ilgstošas darbības priekšrocības.
Būvēt deterministisku rīku pirms plašākām kaudze izmaiņas
Pašreizējais logs nav tikai par lētākiem secinājumiem. Runa ir arī par regulētu darbplūsmas, vērtētāji, ģeneratori, un drošu izpildes modeļus, kas paliek vērtīgs visos modeļu ciklos.
- Determinisma sviras savienojumi, kas pārsniedz viena modeļa ģenerēšanas robežas.
- Droša vadība ir svarīga, pirms ierodas jauna infrastruktūra.
- Organizācijas tagad var kustēties, nevis gaidīt paradigmas maiņu.
Stratēģiskā ietekme
eifila viedoklis ir tāds, ka nākamo programmatūras AI konkursa posmu diez vai uzvarēs tikai jēlmodelis inteliģence. Saskaņā ar mūsdienu darba plūsmas ierobežojumiem, vērtīgākās pozīcijas, visticamāk, radīsies no konteksta specializācijas, deterministikas instrumentiem, mazākas atkarības un rentablas izpildes infrastruktūras komandām jau pieder un tās saprot. Tieši tur atrodas pašreizējais iespēju logs.