Το AI δεν είναι πανάκεια για την ανάπτυξη λογισμικού

Πόσο περισσότερο

Είναι παραγωγικοί οι προγραμματιστές που χρησιμοποιούν εργαλεία κωδικοποίησης AI; Πρόσφατα, υπήρξαν πολλές εικασίες ότι η τεχνητή νοημοσύνη κάνει τους προγραμματιστές 2x, 3x ή ακόμα και 5x πιο παραγωγικούς. Μια αναφορά προβλέπει α

δεκαπλάσια αύξηση της παραγωγικότητας των προγραμματιστών έως το 2030

.

Η ειρωνεία, ωστόσο, είναι ότι η κοινότητα των μηχανικών, ως επί το πλείστον, δεν μπόρεσε να συμφωνήσει σε έναν καθολικό τρόπο μέτρησης της παραγωγικότητας της μηχανικής. Μερικοί μάλιστα έχουν απορρίψει την ιδέα εντελώς, υποστηρίζοντας ότι οι περισσότερες μετρήσεις είναι εσφαλμένες ή ατελείς. Οι περισσότεροι από τους ισχυρισμούς σχετικά με τη βελτίωση της παραγωγικότητας της τεχνητής νοημοσύνης σήμερα είναι ποιοτικοί — βασισμένοι σε έρευνες και ανέκδοτα, και όχι σε ποσοτικά δεδομένα.

Πώς μπορούμε να κάνουμε κρίσεις για την τεχνητή νοημοσύνη χωρίς πρώτα να συμφωνήσουμε για τον τρόπο μέτρησης της παραγωγικότητας; Αν μάθαμε κάτι από το πείραμα της απομακρυσμένης εργασίας, είναι ότι βρεθήκαμε χωρίς δεδομένα για να ενημερώσουμε τις αποφάσεις μας — μεταβαίνοντας μεταξύ γραφείου, απομακρυσμένων και υβριδικών στρατηγικών που βασίζονται στο δόγμα και την ιδεολογία αντί για δεδομένα και μετρήσεις.

Βρισκόμαστε σε έναν δρόμο να επαναλάβουμε τους εαυτούς μας με την τεχνητή νοημοσύνη. Για να προχωρήσουμε, πρέπει πρώτα να κατανοήσουμε και να ποσοτικοποιήσουμε τον αντίκτυπό του.

Ο κίνδυνος να μείνει πίσω

Η τρέχουσα διαφημιστική εκστρατεία γύρω από την τεχνητή νοημοσύνη μπορεί να δώσει σε μερικούς από εμάς λόγους για παύση — λόγω του άγνωστου αντίκτυπου στην ποιότητα, του πιθανού κινδύνου λογοκλοπής και άλλων παραγόντων. Οι πιο προσεκτικές εταιρείες έχουν μπει σε ένα μοτίβο διακράτησης, περιμένοντας να δουν πώς θα εξελιχθούν όλα.

Για τις επιχειρήσεις με τεχνολογία, ωστόσο, ο κίνδυνος να μείνουν πίσω είναι υπαρξιακός. Το AI είναι ένας διπλός επιταχυντής, που επηρεάζει και τα δύο

τι

και

πως

οι εταιρείες κατασκευάζουν. Οι εταιρείες που επενδύουν στην τεχνητή νοημοσύνη σήμερα έχουν τη δυνατότητα να διπλασιαστούν, φέρνοντας στην αγορά όχι μόνο νέα προϊόντα με τεχνητή νοημοσύνη, αλλά και προϊόντα στην αγορά ταχύτερα και φθηνότερα.

Οι περισσότερες εταιρείες έχουν επικεντρωθεί στο

τι

αλλά η τεχνητή νοημοσύνη θα μπορούσε να είναι ο οδηγός για το

πως

, δημιουργώντας την ομάδα μηχανικών 10x ή ακόμα και 100x. Οι εταιρείες που καταλαβαίνουν πώς να διασχίσουν γρήγορα το χάσμα — βελτιστοποιώντας τα εργαλεία τεχνητής νοημοσύνης με τον πιο αποτελεσματικό και αποτελεσματικό τρόπο — και να φτάσουν γρηγορότερα στο οροπέδιο της παραγωγικότητας θα επωφεληθούν από το προβάδισμα για τα επόμενα χρόνια. Ο κίνδυνος να μην κάνεις τίποτα είναι πολύ μεγάλος.

Κατανόηση των ανταλλαγών

Για κάποιον με σφυρί, όλα μοιάζουν με καρφί. Έτσι, επίσης, με την AI.

Σύμφωνα με α

πρόσφατη αναφορά GitHub

, το κορυφαίο όφελος των εργαλείων κωδικοποίησης AI που αναφέρουν οι προγραμματιστές ήταν η βελτίωση των δεξιοτήτων τους στη γλώσσα κωδικοποίησης. Ένα άλλο βασικό πλεονέκτημα είναι η αυτοματοποίηση επαναλαμβανόμενων εργασιών, όπως η σύνταξη κώδικα λέβητα. ΕΝΑ

πρόσφατο πείραμα από τον Codecov

έδειξε ότι το ChatGPT έχει καλή απόδοση στη σύνταξη απλών δοκιμών για ασήμαντες συναρτήσεις και σχετικά απλές διαδρομές κώδικα.