Nazaj k strateškim temam

Strateške teze 02

Al v razvoju programske opreme ima strop

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.

AI v razvoju programske opreme ima Zgornja meja

Pametnejši modeli bodo pomagali, vendar trenutni življenjski cikel programske opreme ustvarja praktično omejitev.

Zgornja meja delovnega toka Tlačno območje Preklopi serijo in lebdi na grafikonu.
Zgornja meja, ki jo nalaga današnji delovni tok programske opreme Človeško razumevanje, revizija, datoteke, zgradbe, testi, pakiranje, uvajanje, spremljanje in vzdrževanje.
1

AI lahko že gradi programe od konca do konca.

2

Toda človeški rezultati morajo ostati razumljivi in izvedljivi.

3

Po planoti se diferenciacija premakne proti stroškom, hitrosti in zanesljivosti.

Ocenjeni pritisk na vodilne ponudnike AI se začne.

!
Oprsnik ni več samo model inteligence.

To je vmesnik med AI-generirano programsko opremo in programsko opremo, ki jo lahko človek dejansko upravlja.

Preklopi legendo in lebdi na grafikonu za primerjavo, kako so se zmogljivosti meja, dohitevanje sledilcev in stroškovni pritisk razvijali pod isto zgornjo mejo poteka dela.

Kaj pravi teza

Boljši modeli še naprej pomagajo, vendar današnji programski cikel stiska navzgor.

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.

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.

Življenjski cikel določa zgornjo mejo

Programje je še vedno treba razumeti, pregledati, različico, zgraditi, zapakirati, razporediti, spremljati, debugged, in vzdrževati znotraj struktur ekipe lahko dejansko delujejo.

Dobički marginalnih obveščevalnih podatkov se sčasoma stisnejo

Če rezultati še vedno prehaja skozi isto datoteko-, graditi-, pregled- in uvajanje-centrični življenjski cikel, pametnejši modeli sčasoma proizvajajo dodatne dobičke namesto sprememb korak.

Pritisk Rdečega oceana pride prej

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

Zakaj ne bi uporabili istih orodij za AI, da bi pospešili tudi zgornje naloge?

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.

AI absolutno izboljšuje zgornje naloge

Boljši generatorji, boljši validatorji, boljši testni jermeni, boljši DSL, boljši prevajalniki in boljša avtomatizacija okoli SDLC so vsi del istega gibanja.

Toda današnja infrastruktura še vedno omejuje rezultat

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.

Žetoni in podatkovna središča so resnične omejitve

Latency, spomin, varnost, moč, računska oskrba, in inference stane vse omejitve, kako daleč se lahko trenutni sklad preoblikujejo preprosto s sklicevanjem na več AI.

Paradoks je strukturni

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

Zgornja meja ustvarja možnost za kontekstualno in stroškovno učinkovito programsko opremo AI.

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.

Priložnost 01

Fine-tune odprti modeli za okolje podjetja in projektov

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.

  • Bolj primerno za podjetje DSLkodirane baze in vzorci.
  • Bolj natančno o delu, ki je dejansko pomembno.
  • Manjša odvisnost od generičnega vedenja modelov.
Priložnost 02

Zaženite sedanjo infrastrukturo, namesto da bi povečevali želene proračune

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.

  • Manjša odvisnost od dragega zunanjega sklepanja.
  • Manjši pritisk za povečanje IT proračunov okoli žetonov porabe.
  • Več svobode za optimizacijo za delo namesto prodajalca.
Priložnost 03

Trgovinska splošna inteligenca za vsebinsko natančnost

Celo zelo inteligentni generični modeli se še vedno spopadajo s poslovnim kontekstom, tihimi konvencijami in natančno strukturo resničnega delovanja programske opreme.

  • Kontekst lahko premaga surov obseg pri vsakodnevnem delu programske opreme.
  • Specializirani sistemi lahko prekašajo splošno uporabo na fit.
  • Lokalna prilagoditev lahko ustvari trajno operativno prednost.
Priložnost 04

Gradite deterministično orodje pred širšimi spremembami sklada

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.

  • Deterministične spojine finančnega vzvoda, ki presegajo eno samo generacijo modelov.
  • Pred prihodom nove infrastrukture je pomembno varno vodenje.
  • Organizacije se lahko premikajo zdaj, namesto da čakajo na spremembo paradigme.

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.