Yapay zeka işbirlikçi yazılım geliştirmede bir takım oyuncusu olabilir mi?

Bazı sektör liderleri ve uzmanların görüşüne göre, üretken yapay zekanın etkisi, iş rolleri için sunulan mucizelerle karşılaştırılabilecek düzeyde değil.

Önde gelen bir sektör analistine, üretken yapay zekanın (GenAI) birlikte çalışma şeklimiz üzerindeki etkisini sorduğunuzda, görevlerimizi ve etkileşimlerimizi yeniden şekillendirebilecek tüm yolları keşfetmeye yeni başladığımızı söyleyeceklerdir.

Accenture tarafından yapılan bir analize göre GenAI, "daha insan odaklı iş süreçleriyle işin yeniden icat edilmesine yol açacak". "GenAI, montaj çalışanlarından müşteri hizmetleri temsilcilerine ve laboratuvar bilim adamlarına kadar herkese kendi iş akışlarını yeniden şekillendirme gücü vererek iş sürecinin yeniden tasarımını demokratikleştiriyor."

Hepsi iyi, hepsi iyi. Ancak GenAI özellikli uygulamalar geliştiren veya araçlarla çalışan insanların çalışmaları üzerindeki etkisini nadiren duyuyoruz. Seçilen dillerde hızlı bir şekilde kod oluşturabilmenin ötesinde teknoloji uzmanlarının işlerini nasıl değiştiriyor?

Bazı sektör liderleri ve uzmanların görüşüne göre GenAI'nin etkisi, iş rolleri için sunulan mucizelerle pek karşılaştırılabilecek gibi görünmüyor. Egnyte'nin baş teknoloji sorumlusu Amrit Jassal, "Her geliştirici bu araçlarda yazılım geliştirme fırsatı görmüyor" diyor. "Özellikle deneyimli geliştiriciler için pek çok pürüzlü nokta var."

Yazılım geliştirme ve teknoloji çalışmaları büyük ölçüde ekip çalışmasına, işin gruplar arasında dağıtılmasına ve iş kullanıcılarıyla yakın çalışmaya dayanır. Agile, scrum ve DevOps gibi uygulamaların bu kadar önemli olmasının nedeni budur. Jassal, bu amaçlar açısından yapay zekanın henüz pek fazla umut vaat etmediğini söylüyor. "Üretken yapay zeka araçları hâlâ DevOps veya yöneticiler gibi uzman kullanıcılar içindeki ekiplerden ziyade bireyleri hedef alıyor."

Boomi'nin baş ürün ve teknoloji sorumlusu Ed Macosky, yapay zekanın işbirlikçi etkileri "daha başlangıç aşamasında ve bir anlamda, tamamen keşfedilmesi gereken keşfedilmemiş sulara yelken açıyoruz" diyor. "Yapay zeka gelişmeye devam ederken, erken yinelemeler zaten geliştirici iş akışlarında yerini alıyor. Ancak, bu yapay zeka prototipine rağmen, veri egemenliği, güvenlik ve düzenlemeyle ilgili birçok soru olduğu için hala açık yapay zeka politikaları tanımlıyoruz. henüz somut olarak yanıtlanmadı."

Macosky ayrıca teknoloji ekiplerinin "yapay zekaya bağımlılık oluşturma" konusunda da bilinçli olması gerektiğini ekliyor: "Yapay zekaya tamamen güvenmek, insanların yapay zeka olmadan işlerini nasıl yapacaklarını anlayamamalarıyla sonuçlanabilecek, izole edilmiş, uzmanlaşmış geliştirici deneyimi riskini taşır. bu da önemli bir risk yaratıyor."

Macosky, yapay zeka bağımlılıkları yaratmak "doğal olarak zararlı değil, ancak hâlâ insanların kritik kararlar vermesini istediğiniz alanların yerini almak yerine, yapay zekanın insanları ileriye taşımaya yardımcı olduğu aşamayı tam olarak belirlememiz gerekiyor" diyor.

Bu özellikle yüksek kalitede olması gereken veri ve kodlarda geçerlidir. "Kaliteli veri ve kod geliştirip girmeden yapay zekaya çok fazla güvenirsek, en büyük riski oluşturan şey budur" diyor.

Jassal, yapay zeka araçlarına aşırı güvenmenin en büyük dezavantaj olabileceğini kabul ediyor. "Aslında 'Yığın Taşması' tariflerini yeniden ortaya çıkaran OpenAI Kod Yorumlayıcı gibi araçlara güvenmek yeniliği azaltabilir. Mentorlarla eşdüzey programlama gibi kanıtlanmış uygulamalar azalacak ve genç geliştiricileri sosyal izolasyona itecektir. Ekip çalışması, herhangi bir büyük uygulamanın önemli bir bileşenidir. ölçekli yazılım geliştirme."

Yine de bu uzmanlar ve diğerleri, GenAI'nın teknoloji uzmanlarının çalışmaları üzerinde olumlu, uzun vadeli bir etkiye sahip olacağı konusunda iyimser. Başkan yardımcısı ve baş teknoloji sorumlusu Naveen Kamat, DevOps ekiplerinin "mevcut sistemlerde minimum kesintiyi sağlarken yüksek hızda kod yayınlama gereksiniminde bir artış görülmesi" nedeniyle baskıyı hissetmesi nedeniyle bu durum özellikle ciddi. Kyndryl.

AI, DevOps gibi uygulamaların işe yaraması için gereken iş birliğini geliştirebilir, diye devam ediyor. "Yapay zeka destekli sistemler, karmaşık DevOps zinciri boyunca sistemlere ve sorunlara ilişkin tek ve birleşik bir görünüm sağlayarak ekiplere yardımcı olabilir. Aynı zamanda yapay zekanın bu sistemlere uygulanması, tespit edilen anormalliklerin tam olarak anlaşılmasını ve bilgisini geliştirebilir ve bunları düzeltebilir. Doğru paydaşlara anında uyarılar aracılığıyla."

Kamat ayrıca şunları ekliyor: "Yapay zeka, performans, kullanıcı deneyimi ve geri bildirim açısından dağıtılan kodun izlenmesine yardımcı olabilir. Bu, kuruluşların müşteri deneyimlerini geliştirmelerini ve kuruluş içindeki yöneticilerin ve paydaşların sonuçları kalibre etmek ve daha fazla iyileştirme için DevOps ekipleriyle yakın işbirliği içinde çalışmak için seçilmiş, birleştirilmiş bir görüşe sahip olun."

Yapay zekanın işbirlikçi süreçlere dahil edilmesiyle üretkenlik de artabilir. Macosky, "Mühendislik ekiplerinin stratejilerini genel iş hedeflerine giderek daha fazla dahil ettiğini görüyoruz" diyor. "Yapay zekanın yetenekleri nedeniyle, pilot uygulamalar, kavramların kanıtlanması ve uygulama testleri gibi prototip projeleri önemli ölçüde daha az kaynak kapsamlı olduğundan ekip üretkenliğini artırıyor. Sonuç olarak geliştiriciler bu projeleri iş ekiplerine getirebilir ve bu projelere dayalı olarak yeni organizasyonel hedefler üzerinde beyin fırtınası yapabilirler. ve teknik ve teknik olmayan personel arasındaki karşılıklı anlayış düzeyini genel olarak artırın."

Jassal, sonuçta yapay zeka için en iyi yönün "arka planda kaybolması ve müdahaleci olmamasıdır" diyor. "Genel olarak, yeni araçların benimsenmesi, Entegre Geliştirme Ortamları gibi mevcut süreç ve araçlardan faydalanıldığında her zaman daha kolaydır."