Saya selalu mencari lebih banyak waktu dan ruang untuk menyelesaikan sesuatu. Untuk setiap unit kunci waktu kerja nyata yang bermanfaat, saya membelanjakan elemen kepemimpinan opini atau waktu untuk pengarahan dan nasihat panggilan dengan pemasok yang inovatif, harus ada waktu yang sesuai jauh dari komputer untuk meluruskan refleksi saya dan memasuki koneksi antara kategori teknologi dan nilainya untuk mengakhiri pelanggan.

Sebagai manusia, kami tidak berharap untuk berkomitmen penuh seperti sekarang, dengan produktivitas oleh pekerja di atas sepanjang masa, superkomputer saku yang terus -menerus melecehkan perhatian ke mana pun kami pergi, dan AI yang tiba untuk mengambil “ waktu refleksi 'kami dengan mengulangi pikiran kolektif kami kepada kami.

Tetapi saya tidak akan meninggalkan perubahan kecil ini, pikiran saya tidak dihasilkan oleh AI tentang dampak AI pada pengembangan perangkat lunak, karena saya terus menganalisis subjek ini.

AI mengarah ke rantai alat

Meskipun kami menemukan tuduhan pemasok untuk mengembangkan perangkat lunak “AI” di mana pun di mana pun kami melihat, sudah ada banyak rasa IA yang berbeda.

Aiops benar -benar kakek nenek dari semuanya, “hantu di mesin” melewati jutaan surat kabar untuk anomali keselamatan dan observabilitas, atau profil infrastruktur penyesuaian otomatis untuk mengoptimalkan kinerja tanpa memerlukan intervensi manual.

Kode mewarnai. Rekomendasi kode lookahead telah bersama kami di FDI kami selama bertahun -tahun, tetapi dengan masuknya AI, kode yang disarankan atau dihasilkan secara otomatis akan menjadi lebih sensitif terhadap konteks aplikasi.

Otomatisasi Uji Dan simulasi juga telah berlangsung lebih dari satu dekade, dan AI dapat membantu mengelola volume skenario besar, memungkinkan tim SDET dan QA untuk fokus pada masalah yang paling tidak larut.

Perpanjangan proses bisnis. Merampas ruang pengembangan dengan kode rendah dan RPA, model AI yang disesuaikan khusus ini mengelola alur kerja seperti perburuan ancaman keamanan, modernisasi kode atau untuk kesimpulan spesifik industri untuk alur kerja seperti deteksi penipuan, pemrosesan dokumen atau analisis keluhan asuransi properti.

Dokumentasi Dan penjelasan kode ini adalah tugas besar di mana sebagian besar toko di bawah ini, dan mungkin tempat yang paling alami bagi LLM untuk menambah nilai dan membuat penulis teknis yang baik jauh lebih produktif.

Data. Berjalan di tanah di AWS Re: menciptakan bahwa Anda tidak dapat membantu tetapi memperhatikan berapa banyak pemasok yang sekarang “rumah pamungkas untuk data AI” dengan baut dan ons AI, di samping penawaran kain sendiri dan AWS ML untuk mempertahankan paritas dengan layanan Azure dan GCS Hyperscal lainnya. Pembeli harus memeriksa dengan cermat pengembangan kasus penggunaan aktif.

Dari robot ke agen. Media pengirik AI generatif dipasangkan dengan pendakian sebagai cara yang setara Agen (Pada dasarnya, istilah canggih baru untuk robot AI dengan tingkat otonomi tertentu). Mengizinkan pengembang untuk menggunakan layanan AI generatif dan agental dapat meningkatkan produktivitas, tetapi mengatur agen -agen ini karena mereka berkembang biak oleh organisasi akan menjadi masalah baru.

Analisis percakapan Dapat dengan cepat abstraksi variasi dalam SQL dan jenis permintaan lainnya dengan permintaan dan tanggapan dalam bahasa alami, dan menghasilkan hubungan dan visualisasi tertulis yang luar biasa.

Genai tidak akan menggantikan pengembang yang tepat

Untuk terakhir kalinya, bahasa Inggris berguna untuk berbicara dengan manusia dan cara yang menarik untuk menginterogasi percakapan dengan sistem, tetapi ini adalah cara yang sangat istimewa untuk memberikan instruksi komputer.

Jangan memperhatikan jackass di X meningkatkan cara LLM membangun pesawat ruang angkasa yang berfungsi penuh dalam 2 menit, ia mungkin hanya menggaruk simulator penerbangan repo orang lain dari orang lain dan bertukar bidang bintang dengan langit, tanpa perhatian untuk alokasi atau hak kekayaan intelektual. Selain itu, pendekatan ini tidak akan pernah berfungsi untuk aplikasi komersial yang kritis dari misi.

Sebagai pengembang atau penguji yang memenuhi syarat, Anda harus selalu tahu apa yang Anda cari dalam kode apa pun yang Anda pulihkan dari AI. Mempercayai AI terlalu banyak dapat menyebabkan “penerbangan otak” virtual bagi organisasi, ketika masalah muncul dalam suksesi permintaan.

Intellyx mengambil

Jika sebuah perusahaan mencoba mendorong produktivitas pengembangan atau mengukur nilai dengan “baris kode tertulis”, itu akan menemukan dirinya dengan cepat dengan volume kode yang sangat rekursif yang lebih besar secara eksponensial. Dengan demikian, dengan mengatakan bahwa AI akan mematikan garis kode lebih cepat atau lebih efektif tidak akan menambah nilai, lebih dari pengembang bahwa tipe yang lebih cepat akan menambah nilai.

Terlepas dari Genai dan bracing dan pembiayaan agensi, sejumlah kegagalan skala besar untuk penggunaan Snape AI akan membawa bisnis dan pengusaha untuk memikirkan kembali semua strategi mereka mengenai integrasi alat pengembangan AI ke dalam perusahaan mereka.

Keberhasilan adopsi AI akan turun ke pemerintahan. Perusahaan -perusahaan bijak akan menerbitkan pernyataan misi yang jelas, kebijakan yang didokumentasikan dan manajemen perubahan otomatis dan alat kontrol (seperti Euba untuk AI), di bawah wewenang Dewan Tata Kelola Antar -Minister (atau serupa).

Ini semua adalah pemikiran yang saya punya waktu untuk memikirkan kolom kecil ini!

Hak Cipta © 2025 Intellyx Bv IntellyX adalah perusahaan analisis dan penasehat tentang industri yang berfokus pada transformasi bisnis digital. Meliputi semua sudut perusahaan mainframe dengan kecerdasan buatan, fokus besar kami antara teknologi memungkinkan para pemimpin bisnis dan profesional TI untuk menghubungkan poin -poin antara tren yang mengganggu. Pada saat penulisan, tidak ada organisasi yang disebutkan dalam artikel ini adalah klien Intellyx. Tidak ada chatbot IA yang digunakan untuk menulis artikel ini. Sumber Gambar: Adobe Image Express