Kan AI være en lagspiller i samarbeidende programvareutvikling?

0
19
4wida-21team= XH4D/Getty Images

Spør en ledende bransjeanalytiker om effekten av generativ AI (GenAI) på måten vi jobber sammen på, og de vil påpeke at vi akkurat begynner å oppdage alle måtene det kan omforme oppgavene og interaksjonene våre på.

< p>GenAI "vil føre til en gjenoppfinnelse av arbeid med mer menneskesentriske arbeidsprosesser," ifølge en analyse fra Accenture. "GenAI demokratiserer redesign av forretningsprosesser, og gir alle – fra monteringsarbeidere til kundeserviceagenter til laboratorieforskere – makten til å omforme sine egne arbeidsflyter."

Også: Hvordan AI-assistert kodeutvikling kan gjøre IT-jobben din mer komplisert

All good, all good. Men vi hører sjelden om innvirkningen på arbeidet til folk som enten bygger GenAI-kompatible applikasjoner eller arbeider med verktøyene. I tillegg til å raskt kunne generere kode på utvalgte språk, hvordan endrer det teknologer' jobber? 

I synet av noen industriledere og eksperter ser det ikke ut til at GenAIs innvirkning helt kan måle seg med miraklene som presenteres for forretningsroller. “Ikke alle utviklere ser en mulighet i disse verktøyene for programvareutvikling”," sier Amrit Jassal, teknologisjef i Egnyte. "Det er ganske mange grove kanter, spesielt for erfarne utviklere."

Programvareutvikling og teknologiarbeid er sterkt avhengig av teamarbeid, overføring av arbeid på tvers av grupper og tett arbeid med forretningsbrukere. Det er derfor praksis som smidig, scrum og DevOps er så viktig. For disse formålene viser AI ikke mye løfte ennå, sier Jassal. "Generative AI-verktøy er fortsatt rettet mot enkeltpersoner i stedet for team – innenfor avanserte brukere som DevOps eller ledere."

AIs samarbeidseffekter “er veldig i sin spede begynnelse, og på en måte seiler vi inn i ukjent farvann som må utforskes fullt ut”," sier Ed Macosky, produkt- og teknologisjef i Boomi. "Mens AI fortsetter å utvikle seg, er tidlige iterasjoner allerede på vei inn i utviklerens arbeidsflyter. Til tross for denne AI-prototypen, definerer vi fortsatt eksplisitte AI-policyer, siden det er mange spørsmål rundt datasuverenitet, sikkerhet og regulering som ennå ikke er konkret besvart."

I tillegg må teknologiteam være klar over 'bygge avhengigheter av AI," Macosky legger til. “Å stole helt på AI risikerer silo, spesialisert utviklererfaring som kan føre til at folk ikke forstår hvordan de skal gjøre jobben sin uten AI, noe som igjen skaper betydelig risiko.”

Også : AI vil endre rollen til utviklere for alltid, men ledere sier at det er gode nyheter

Å lage AI-avhengigheter er ikke iboende skadelig, men vi må finne stadiet der det hjelper flytte mennesker fremover, i stedet for å erstatte områder der du fortsatt vil at mennesker skal ta kritiske avgjørelser," sier Macosky.

Dette er spesielt tilfelle med data og kode som må være av topp kvalitet. "Hvis vi stoler for sterkt på AI uten å utvikle og legge inn kvalitetsdata og kode, er det det som utgjør den største risikoen," sier han. 

Overdreven avhengighet av AI-verktøy kan være den største ulempen, er Jassal enig. "Stoler på verktøy som OpenAI Code Interpreter, som i hovedsak gjenoppretter 'Stack Overflow' oppskrifter, kan redusere innovasjon. Påvist praksis som peer-programmering med mentorer vil reduseres, og presse juniorutviklere mot sosial isolasjon. Teamarbeid er en essensiell komponent i enhver storskala programvareutvikling."

Også: AI er superlading samarbeid mellom utviklere og forretningsbrukere

Likevel er disse ekspertene og andre positive over at GenAI vil ha en positiv, langsiktig innvirkning på teknologer. arbeid. Dette er spesielt akutt, siden DevOps-team føler presset — “ser en økning i kravet om å frigi kode med høy hastighet — samtidig som de sikrer minimal forstyrrelse av de eksisterende systemene”," sier Naveen Kamat, visepresident og teknologisjef for Kyndryl. 

AI kan forbedre samarbeidet som kreves for å få praksiser som DevOps til å fungere, fortsetter han. "AI-drevne systemer kan også hjelpe team ved å gi et enkelt, enhetlig syn på systemer og deres problemer på tvers av den komplekse kjeden av DevOps. Samtidig kan bruken av AI på disse systemene forbedre den fullstendige forståelsen og kunnskapen om oppdagede anomalier og rette opp det umiddelbart gjennom varsler til de rette interessentene."

I tillegg, legger Kamat til, "AI kan hjelpe med overvåking av distribuert kode — når det gjelder ytelse, brukeropplevelse og tilbakemelding. Dette gjør det mulig for bedrifter å forbedre sin kundeopplevelse og for bedriftsledere og interessenter i bedriften å ha et kuratert, konsolidert syn for å kalibrere resultater og jobbe tett med DevOps-teamene for ytterligere forbedringer."  

Også: Utover programmering: AI skaper en ny generasjon jobbroller

Produktiviteten kan også få et løft ved å inkorporere AI i samarbeidsprosesser. “Vi ser at ingeniørteam integrerer strategiene sine mer og mer i overordnede forretningsmål,” sier Macosky. “På grunn av AIs evner er prototypeprosjekter som piloter, proof of concepts og applikasjonstesting betydelig mindre ressursomfattende, noe som øker teamets produktivitet. Som et resultat kan utviklere bringe disse prosjektene til forretningsteam, brainstorme nye organisatoriske mål basert på disse prosjektene, og totalt sett øke nivået av gjensidig forståelse mellom teknisk og ikke-teknisk personale."  

Til syvende og sist er den beste retningen for AI "at den forsvinner i bakgrunnen og er ikke-påtrengende," sier Jassal. "Generelt er det alltid enklere å ta i bruk nye verktøy når de piggyback på eksisterende prosesser og verktøy som integrerte utviklingsmiljøer."