Generacija kode ni več celotno ozko grlo
Datoteke, arhitekturne možnosti, testi, popravki hroščev in veliki deli celotnih aplikacij se že lahko hitro ustvarijo. Omejevalni faktor vse bolj sedi v tem, kaj se zgodi po pojavu kode.
Strateške teze 02
euphile vidi praktičen strop do tega, kaj lahko stori AI pri razvoju programske opreme v okviru današnjega delovnega toka. Boljši modeli še vedno pomagajo, vendar morajo biti rezultati še vedno razumljivi, pregledljivi, preizkušeni, dosegljivi, jih je mogoče spremljati in jih je mogoče upravljati znotraj sistemov, ki jih ljudje in organizacije dejansko lahko upravljajo.
Pametnejši modeli bodo pomagali, vendar trenutni življenjski cikel programske opreme ustvarja praktično omejitev.
AI lahko že gradi programe od konca do konca.
Toda človeški rezultati morajo ostati razumljivi in izvedljivi.
Po planoti se diferenciacija premakne proti stroškom, hitrosti in zanesljivosti.
Ocenjeni pritisk na vodilne ponudnike AI se začne.
To je vmesnik med AI-generirano programsko opremo in programsko opremo, ki jo lahko človek dejansko upravlja.
Kaj pravi teza
Generativni AI je že močan pri izdelavi kode. Praktični strop se pojavi, ker razvoj programske opreme ni samo ustvarjanje kode. Izhod mora še vedno preživeti človeško sklepanje, eksplicitne programske procese in operativno realnost.
Datoteke, arhitekturne možnosti, testi, popravki hroščev in veliki deli celotnih aplikacij se že lahko hitro ustvarijo. Omejevalni faktor vse bolj sedi v tem, kaj se zgodi po pojavu kode.
Programje je še vedno treba razumeti, pregledati, različico, zgraditi, zapakirati, razporediti, spremljati, debugged, in vzdrževati znotraj struktur ekipe lahko dejansko delujejo.
Če rezultati še vedno prehaja skozi isto datoteko-, graditi-, pregled- in uvajanje-centrični življenjski cikel, pametnejši modeli sčasoma proizvajajo dodatne dobičke namesto sprememb korak.
Ko je obmejne zmogljivosti težje denariti in se hitro privrženci še naprej izboljšujejo, se konkurenca preusmeri na stroške, hitrost, zanesljivost in operativno sposobnost.
Skupno vprašanje
odgovor evfila je da: GenAI bo izboljšal tudi te naloge. Pomembna razlika je med uporabo GenAI znotraj sedanje digitalne infrastrukture in preoblikovanjem digitalne infrastrukture okoli GenAI.
Boljši generatorji, boljši validatorji, boljši testni jermeni, boljši DSL, boljši prevajalniki in boljša avtomatizacija okoli SDLC so vsi del istega gibanja.
Prevajalci še vedno upoštevajo stroga pravila. Testi še vedno potrebujejo izračune, odvisnosti in okolja. Artifakte še vedno potrebujemo. Zabojniki še vedno potrebujejo oskrbo. Delovne obremenitve še vedno potrebujejo urnik.
Latency, spomin, varnost, moč, računska oskrba, in inference stane vse omejitve, kako daleč se lahko trenutni sklad preoblikujejo preprosto s sklicevanjem na več AI.
Za preoblikovanje infrastrukture z GenAI je potrebno več infrastrukture za GenAI. Večina te infrastrukture se še vedno gradi na sedanji paradigmi in ne zunaj nje.
Okno priložnosti
Globalni izračuni in zmogljivost podatkovnega središča so še vedno omejeni, mejni sklepi ostajajo dragi, splošni modeli pa so še vedno šibki pri natančnem delu programske opreme na ravni podjetij. To ustvarja prostor za drugačno strategijo.
Namesto da bi organizacije plačale premijo za generično sklepanje meja, lahko odprte modele prilagodijo svojim zbirkam, pravilom domen in delu programske opreme za posamezne projekte.
Manjši ali fino uglašeni odprti sistemi se lahko izvajajo na infrastrukturi, ki že obstaja, vključno z okoljem razreda delovnih postaj in trenutno strojno opremo podjetja.
Celo zelo inteligentni generični modeli se še vedno spopadajo s poslovnim kontekstom, tihimi konvencijami in natančno strukturo resničnega delovanja programske opreme.
Pri trenutnem oknu ne gre le za cenejši sklep. Gre tudi za ustvarjanje urejenih delovnih tokov, validatorjev, generatorjev in varnih vzorcev izvajanja, ki ostajajo dragoceni v celotnem ciklu modelov.
Strateške posledice
euphile meni, da naslednja faza tekmovanja AI za programsko opremo verjetno ne bo zmagala samo s surovo inteligenco modelov. V okviru današnjih omejitev poteka dela bodo dragocenejši položaji verjetno izhajali iz kontekstualne specializacije, determinističnega orodja, manjše žetonske odvisnosti in stroškovno učinkovitega izvajanja na infrastrukturnih ekipah, ki so že v lasti in razumejo. Tam sedi trenutno priložnostno okno.