Стратегический тезис 02
Эуфил видит практический потолок того, что ИИ может сделать в разработке программного обеспечения в рамках сегодняшнего рабочего процесса. Более совершенные модели все еще помогают, но результат все еще должен оставаться понятным, проверяемым, тестируемым, развертываемым, контролируемым и работоспособным внутри систем, которыми люди и организации могут фактически управлять.
Умные модели помогут, но текущий жизненный цикл программного обеспечения создает практический предел.
ИИ уже может создавать сквозные приложения.
Но результат должен оставаться понятным и работоспособным для людей.
После плато дифференциация смещается в сторону стоимости, скорости и надежности.
Начинается оценочное давление на ведущих поставщиков ИИ.
Это интерфейс между программным обеспечением, созданным ИИ, и жизненным циклом программного обеспечения, которым люди действительно могут управлять.
Что говорит диссертация
Генеративный ИИ уже достаточно силен в создании кода. Практический потолок появляется потому, что разработка программного обеспечения — это не только генерация кода. Результат все еще должен пережить человеческие рассуждения, явные программные процессы и операционную реальность.
Файлы, параметры архитектуры, тесты, исправления ошибок и большая часть целых приложений уже могут быть быстро сгенерированы. Ограничивающий фактор все чаще присутствует в том, что происходит после появления кода.
Программное обеспечение по-прежнему должно пониматься, пересматриваться, редактироваться, создаваться, упаковываться, развертываться, контролироваться, отлаживаться и поддерживаться внутри структур, которые команды могут фактически работать.
Если результаты все еще проходят через один и тот же жизненный цикл, ориентированный на создание файлов, сборку, обзор и развертывание, более умные модели в конечном итоге получают постепенный прирост, а не поэтапные изменения.
Когда возможности фронтира становятся все труднее монетизировать, а быстрые последователи продолжают улучшаться, конкуренция смещается в сторону стоимости, скорости, надежности и эксплуатационной пригодности.
Общий вопрос
Ответ эвфила — да: GenAI также улучшит эти задачи. Важное различие между использованием GenAI в современной цифровой инфраструктуре и редизайном цифровой инфраструктуры вокруг GenAI.
Лучшие генераторы, лучшие валидаторы, лучшие тестовые ремни, лучшие ДСЛ, лучшие компиляторы и лучшая автоматизация SDLC Все они являются частью одного и того же движения.
Компиляторы по-прежнему следуют строгим правилам. Тесты по-прежнему нуждаются в вычислениях, зависимостях и средах. Артефакты все еще нуждаются в строительстве. Контейнеры все еще нуждаются в обеспечении. Рабочие нагрузки по-прежнему нуждаются в планировании.
Задержка, память, безопасность, мощность, вычислительное обеспечение и затраты на вывод — все это ограничивает то, насколько текущий стек может быть переработан, просто используя больше ИИ.
Для перепроектирования инфраструктуры с помощью GenAI требуется больше инфраструктуры для GenAI. Большая часть этой инфраструктуры по-прежнему строится на основе нынешней парадигмы, а не за ее пределами.
Окно возможностей
Глобальные вычислительные мощности и емкость центров обработки данных остаются ограниченными, пограничный вывод остается дорогостоящим, а общие модели все еще слабы при точной работе с программным обеспечением на уровне компании. Это создает пространство для другой стратегии.
Вместо того, чтобы платить премию за общий вывод о границах, организации могут адаптировать открытые модели к своим хранилищам, правилам домена и работе с программным обеспечением для конкретных проектов.
Более мелкие или тонкие открытые системы могут быть выполнены на уже существующей инфраструктуре, включая среды рабочего класса и текущее оборудование компании.
Даже высокоинтеллектуальные универсальные модели все еще борются с контекстом компании, молчаливыми условностями и точной структурой работы реального корпоративного программного обеспечения.
Текущее окно — это не только более дешевый вывод. Речь также идет о создании управляемых рабочих процессов, валидаторов, генераторов и безопасных шаблонов исполнения, которые остаются ценными во всех модельных циклах.
Стратегическое значение
По мнению Эуфила, следующий этап конкуренции в области искусственного интеллекта вряд ли будет выигран только с помощью необработанной модели. В соответствии с сегодняшними ограничениями рабочего процесса, более ценные позиции, вероятно, будут исходить из контекстной специализации, детерминированного инструментария, более низкой зависимости от токенов и экономически эффективного исполнения на инфраструктурных командах, которые уже владеют и понимают. Именно здесь находится окно возможностей.