Může být umělá inteligence týmovým hráčem při společném vývoji softwaru?

Dopad generativní umělé inteligence neodpovídá zázrakům prezentovaným pro obchodní role, podle názoru některých lídrů a odborníků v oboru.

Zeptejte se předního průmyslového analytika na dopad generativní umělé inteligence (GenAI) na způsob, jakým spolupracujeme, a oni vám řeknou, že právě začínáme objevovat všechny způsoby, jak může přetvořit naše úkoly a interakce.

Podle analýzy společnosti Accenture GenAI „povede ke znovuobjevení práce s pracovními procesy více zaměřenými na člověka“. "GenAI demokratizuje redesign obchodních procesů a dává každému - od montážních pracovníků přes agenty zákaznických služeb až po laboratorní vědce - moc přetvořit své vlastní pracovní postupy."

Všechno dobré, všechno dobré. Málokdy však slyšíme o dopadu na práci lidí, kteří vytvářejí aplikace podporující GenAI nebo pracují s nástroji. Jak to kromě schopnosti rychle generovat kód ve vybraných jazycích mění práci technologů?

Z pohledu některých lídrů a odborníků v oboru se nezdá, že dopad GenAI zcela odpovídá zázrakům prezentovaným pro obchodní role. „Ne každý vývojář vidí v těchto nástrojích příležitost pro vývoj softwaru,“ říká Amrit Jassal, technologický ředitel společnosti Egnyte. "Existuje poměrně málo hrubých hran, zejména pro zkušené vývojáře."

Vývoj softwaru a technologická práce do značné míry závisí na týmové práci, předávání práce napříč skupinami a úzké spolupráci s podnikovými uživateli. Proto jsou praktiky jako agile, scrum a DevOps tak důležité. Pro tyto účely se AI zatím příliš neslibuje, říká Jassal. „Nástroje generativní umělé inteligence jsou stále zaměřeny spíše na jednotlivce než na týmy - v rámci výkonných uživatelů, jako jsou DevOps nebo vedoucí pracovníci.“

Efekty spolupráce umělé inteligence „jsou velmi v plenkách a v jistém smyslu plujeme do neprobádaných vod, které je třeba plně prozkoumat,“ říká Ed Macosky, hlavní produktový a technologický ředitel společnosti Boomi. "Zatímco AI pokračuje ve vývoji, rané iterace se již dostávají do vývojářských pracovních postupů. Navzdory tomuto prototypování AI však stále definujeme explicitní zásady AI, protože existuje mnoho otázek týkajících se suverenity dat, bezpečnosti a regulace, které ještě nebyly konkrétně zodpovězeny."

Technologické týmy si navíc musí být vědomy „budování závislostí na umělé inteligenci,“ dodává Macosky. „Úplné spoléhání se na umělou inteligenci s sebou nese riziko, že si lidé vystačí se specializovanými vývojářskými zkušenostmi, které mohou vést k tomu, že lidé nebudou rozumět tomu, jak dělat svou práci bez umělé inteligence. zase vytváří značné riziko."

Vytváření závislostí na AI „není ve své podstatě škodlivé, ale musíme určit fázi, ve které pomáhá posunout lidi vpřed, spíše než nahrazovat oblasti, kde byste stále chtěli, aby lidé dělali zásadní rozhodnutí,“ říká Macosky.

To platí zejména pro data a kód, které musí být špičkové kvality. „Pokud příliš spoléháme na AI bez vývoje a zadávání kvalitních dat a kódu, představuje to největší riziko,“ říká.

Největší nevýhodou může být přílišné spoléhání na nástroje AI, souhlasí Jassal. "Spoléhání se na nástroje, jako je OpenAI Code Interpreter, který v podstatě převrací recepty 'Stack Overflow', může snížit inovaci. Osvědčené postupy, jako je peer programování s mentory, bude ubývat, což tlačí juniorské vývojáře k sociální izolaci. Týmová práce je nezbytnou součástí každé velké -škálový vývoj softwaru."

Tito experti a další jsou však optimističtí, že GenAI bude mít pozitivní a dlouhodobý dopad na práci technologů. To je obzvláště akutní, protože týmy DevOps pociťují tlak - „vnímají nárůst požadavků na uvolňování kódu vysokou rychlostí - při zajištění minimálního narušení stávajících systémů,“ říká Naveen Kamat, viceprezident a technologický ředitel pro Kyndryl.

Umělá inteligence může zlepšit spolupráci potřebnou k tomu, aby postupy, jako je DevOps, fungovaly, pokračuje. "Systémy poháněné umělou inteligencí mohou také pomoci týmům tím, že poskytnou jednotný sjednocený pohled na systémy a jejich problémy v celém složitém řetězci DevOps. Současně může aplikace umělé inteligence na tyto systémy zlepšit úplné pochopení a znalost zjištěných anomálií a napravit je." okamžitě prostřednictvím upozornění správným zainteresovaným stranám."

Kamat navíc dodává: „AI může pomoci s monitorováním nasazeného kódu - pokud jde o výkon, uživatelskou zkušenost a zpětnou vazbu. Díky tomu mohou podniky zlepšit své zákaznické zkušenosti a obchodní manažeři a zainteresované strany v rámci podniku mohou mít kurátorský, konsolidovaný pohled na kalibraci výsledků a úzce spolupracovat s týmy DevOps na dalších vylepšeních."

Produktivita může být také podpořena začleněním umělé inteligence do procesů spolupráce. "Vidíme, že inženýrské týmy stále více začleňují své strategie do celkových obchodních cílů," říká Macosky. "Vzhledem k možnostem umělé inteligence jsou prototypové projekty, jako jsou pilotní projekty, proof of concepts a testování aplikací, výrazně méně náročné na zdroje, což zvyšuje produktivitu týmu. Výsledkem je, že vývojáři mohou tyto projekty přinést obchodním týmům a vymýšlet nové organizační cíle založené na těchto projektech." a celkově zvýšit úroveň vzájemného porozumění mezi technickými a netechnickými pracovníky.“

Nejlepším směrem pro AI je nakonec to, že „zmizí v pozadí a není rušivé,“ říká Jassal. "Obecně platí, že přijetí nových nástrojů je vždy snazší, když jsou připojeny ke stávajícím procesům a nástrojům, jako jsou integrovaná vývojová prostředí."