Generovanie kódu už nie je celý problém
Súbory, možnosti architektúry, testy, opravy chýb a veľké časti celých aplikácií už možno rýchlo vygenerovať. Obmedzujúci faktor stále viac sedí v tom, čo sa stane po objavení kódu.
Späť k strategickým téze
Strategická práca 02
AI v rozvoji softvéru má strop
euphile vidí praktický strop na to, čo AI môže urobiť vo vývoji softvéru pod dneškom a pracovné postupy. Lepšie modely stále pomáhajú, ale výstup musí zostať zrozumiteľný, auditovateľný, overiteľný, nasaditeľný, monitorovateľný a ovládateľný vnútri systémov ľudia a organizácie môžu skutočne riadiť.
UI v rozvoji softvéru má Strop
Inteligentnejšie modely vám pomôžu, ale súčasný životný cyklus softvéru vytvára praktický limit.
Prepnúť sériu a vznášať graf.
Stropy uložené dnešným softvérovým workflow
Ľudské chápanie, auditovateľnosť, súbory, stavby, testy, balenie, nasadenie, monitorovanie a údržba.
1
UI už môže stavať end-to-end aplikácie.
2
Výstup však musí zostať zrozumiteľný a ovládateľný ľuďmi.
3
Po plošine sa diferenciácia posunie smerom k nákladom, rýchlosti a spoľahlivosti.
Odhadovaný tlak na vedúcich poskytovateľov AI začína.
!
Nohavice už nie sú len modelom inteligencie.
Je to rozhranie medzi softvérom vytvoreným AI a životným cyklom, ktorý ľudia dokážu skutočne riadiť.
Čo hovorí dizertácia
Lepšie modely stále pomáhajú, ale dnes je softvér životný cyklus obklady hore nohami.
Generatívne AI je už silný vo výrobe kódu. Praktický strop sa objaví, pretože vývoj softvéru nie je len generovanie kódov. Výstup musí stále prežiť ľudské uvažovanie, explicitné softvérové procesy a operačnú realitu.
Životný cyklus ukladá strop
Softvér musí byť stále chápaný, preskúmaný, verziovaný, postavený, zabalený, nasadený, monitorovaný, odpočúvaný a udržiavaný vnútri štruktúry tímy môžu skutočne fungovať.
Marginálna inteligencia nakoniec získa kompresiu
Ak výstupy stále prejdú tým istým súborom-, build-, review-, a nasadenie-centrický životný cyklus, inteligentnejšie modely nakoniec generovať prírastkové zisky skôr než krok zmeny.
Červený oceán tlak prichádza skôr
Keď sa hraničná schopnosť stáva ťažšie speňažiť a rýchlych nasledovníkov pokračovať v zlepšovaní, hospodárska súťaž posunie smerom k nákladom, rýchlosti, spoľahlivosti, a prevádzkové fit.
Bežná otázka
Prečo nepoužívať rovnaké nástroje AI na urýchlenie stropných úloh príliš?
odpoveď je áno: GenAI zlepší aj tieto úlohy. Dôležité je rozlišovať medzi používaním GenAI v rámci súčasnej digitálnej infraštruktúry a pretvorením digitálnej infraštruktúry okolo GenAI.
UI absolútne zlepšuje strop úlohy
Lepšie generátory, lepšie validátory, lepšie testovacie postroje, lepšie DSL, lepšie kompilátory, a lepšia automatizácia okolo SDLC sú súčasťou rovnakého pohybu.
Ale dnes infraštruktúra stále obmedzuje výsledok
Skladatelia stále dodržiavajú prísne pravidlá. Testy stále potrebujú výpočet, závislosť a prostredie. Artefakty stále potrebujú stavby. Kontajnery stále potrebujú zásoby. Pracovné zaťaženie stále potrebuje plán.
Tokeny a dátové centrá sú skutočné obmedzenia
Latency, pamäť, bezpečnosť, výkon, výpočet dodávky, a vyvodenie stojí všetky obmedzenia, ako ďaleko aktuálny zásobník môže byť prepracovaný jednoducho vyvolaním viac AI.
Paradox je štrukturálny
Na prepracovanie infraštruktúry s GenAI je potrebných viac infraštruktúry pre GenAI. Veľká časť tejto infraštruktúry sa stále buduje na vrchole súčasnej paradigmy a nie mimo nej.
Okno príležitosti
Strop vytvára priestor pre kontextový a nákladovo efektívny softvér AI.
Celosvetová výpočtová a dátová kapacita zostáva obmedzená, hraničné vyvodzovanie zostáva drahé a generické modely sú stále slabé pri presnej softvérovej práci na úrovni spoločnosti. To vytvára priestor pre inú stratégiu.
Fine-tune otvorené modely pre firemné a projektové súvislosti
Namiesto platenia prémie za generické cezhraničné odvodenie, organizácie môžu prispôsobiť otvorené modely svojim archívom, doménovým pravidlám a projektovo špecifickej softvérovej práci.
- Lepšie podmienky pre spoločnosť DSL, kódové základne, a vzory.
- Viac presnosti práce, na ktorej skutočne záleží.
- Menej závislosti na bežnom modeli správania.
Spustiť na súčasnej infraštruktúre namiesto rastu symbolických rozpočtov
Menšie alebo vylepšené otvorené systémy možno realizovať na infraštruktúre, ktorá už existuje, vrátane prostredia triedy pracovných staníc a súčasného firemného hardvéru.
- Nižšia závislosť od drahých vonkajších vyvodzov.
- Menší tlak na rozšírenie IT rozpočtov okolo symbolických výdavkov.
- Viac slobody optimalizovať pre prácu namiesto dodávateľa.
Všeobecná obchodná inteligencia pre kontextovú presnosť
Dokonca aj vysoko inteligentné generické modely stále zápasia s kontextom spoločnosti, tichými dohovormi a precíznou štruktúrou reálnej práce podnikového softvéru.
- Kontext môže poraziť surové stupnice v každodennej softvérovej práce.
- Špecializované systémy môžu predformovať všeobecné použitie na fit.
- Miestne prispôsobenie môže vytvoriť trvalú prevádzkovú výhodu.
Build deterministické nástroje pred širšími stack zmien
Aktuálne okno nie je len o lacnejšie vyvodzovanie. Ide tiež o vytvorenie riadiacich pracovných postupov, validátorov, generátorov a bezpečných popravných modelov, ktoré zostávajú cenné v rámci modelových cyklov.
- Určujúce zložky pákového efektu nad rámec jedinej generácie modelu.
- Bezpečná orchestrácia je dôležitá ešte pred príchodom novej infraštruktúry.
- Organizácie sa môžu pohnúť teraz namiesto čakania na zmenu paradigmy.
Strategický vplyv
euphilile a jeho názor je taký, že ďalšia fáza súťaže so softvérom AI je nepravdepodobné, že by ju vyhrala len samotná surová modelka. Podľa dnešných obmedzení pracovného toku, oveľa cennejšie pozície sú pravdepodobne pochádza z kontextovej špecializácie, deterministické nástroje, nižšia symbolická závislosť, a nákladovo efektívne vykonávanie na tímy infraštruktúry už vlastné a pochopiť. To je miesto, kde sedí súčasná príležitosť.