Af Forrester Research for Forrester | 22. juli 2021 – 18:58 GMT (19:58 BST) | Emne: Kunstig intelligens
Fremtiden for arbejde med applikationsudvikling og levering (AD & amp; D) -proffs bliver nødt til at ændre sig. I dag handler omkring 70% af arbejdet om udvikling af limkode og sammenkobling af ting. Fra UI-frontend til bagside af apps såvel som i integrationslaget er der mange gentagne opgaver, designmønstre og tilpasset kode skrevet. Og hvad der er værre, mange hold udvikler den samme kode gentagne gange gentagne gange. Den kreative forretningslogik repræsenterer ofte den mindste indsats. Dette affald øges endnu mere, når du prøver at opbygge ny, kreativ og differentierende brugerdefineret software.
Når delegeret til at skrive hele systemer, behøver genereret kode ikke – som tidligere – at være menneskelig læsbar. Hvorfor? Fordi TuringBots kan regenerere kode når som helst i hurtig hastighed. Så alt hvad vi skal gøre er at ændre krav og begrænsninger, og – voilà – du får den nye kode. Dog kan genereret kode være læsbar, hvis TuringBots er cowriting-kode hos udviklere (f.eks. Microsofts GitHub Copilot). TuringBots bliver nødt til at opfylde flere foruddefinerede serviceniveauaftaler og begrænsninger. Udvidelsespunkter defineres som tjenester i designgenstande, hvis brugerdefineret kode er nødvendig. TuringBots vil generere flere versioner af forretningsapplikationer baseret på designgenstande og et værktøjssæt med implementeringsteknologier og ønskede arkitektoniske kvaliteter.
TuringBots vil ændre sig for evigt, hvordan vi bygger apps til virksomheden
Da TuringBots bliver tilgængelige, vil roller, værktøjer og teknologier om, hvordan vi bygger virksomhedsapps, ændre sig for evigt. Her er nogle af vores indledende ideer og tanker om den fremtidige softwareudviklingslivscyklus med TuringBots:
Applikationsudviklingsdesignere vil bruge værktøjer til at designe end-to-end applikationsgenstande, et udgangspunkt for krav. Vi antyder ikke traditionel UML- eller BPMN-modeldrevet generation her.
Enterprise-applikationsarkitekter definerer referenceanvendelses- og infrastrukturteknologi-stakke (f.eks. UI-rammer, API'er, mikroservices, Kubernetes, databaser, kontinuerlig integration/kontinuerlig leveringsværktøjskæder osv.). IBM AI for Code stack repræsenterer et stærkt udgangspunkt, der tilbyder AI-infunderede værktøjer til hjælp.
Løsningsarkitekter definerer applikationsarkitekturkvaliteter (dvs. ikke-funktionelle krav) omkring tilgængelighed, effektivitet, sikkerhed, pålidelighed, belastning, tilgængelighed osv.
TuringBots vil “læse” og “lære” alle ovennævnte applikations end-til-end designgenstande og kvalitetskrav, herunder referenceanvendelse og infrastrukturteknologi-stakke.
Sammen vil AD & amp; D-proffer og TuringBots opbygge, ændre og omforme applikationer og skalere dem størrelsesordener hurtigere end nuværende processer, hvilket dramatisk reducerer omkostningerne – alt sammen så tæt som muligt på knapskubning.
Dette indlæg blev skrevet af vicepræsident og hovedanalytiker Diego Lo Giudice, og det blev oprindeligt vist her.
Relaterede emner:
Teknologisk industri Digital transformation CXO Internet of Things Innovation Enterprise Software 