Как AI и ML меняют разработку программного обеспечения
14 апреля 2023 г.Искусственный интеллект и машинное обучение меняют методы работы бизнеса. Предприятия накапливают огромное количество данных, которые используются в моделях искусственного интеллекта и машинного обучения для автоматизации и улучшения бизнес-процессов. Это, в свою очередь, стимулирует разработку приложений следующего поколения с поддержкой данных, которые позволяют предприятиям получать новые аналитические данные на основе данных и повышать эффективность бизнеса.
Влияние искусственного интеллекта и машинного обучения на предприятие распространяется и на организацию разработки программного обеспечения, поскольку приложения, управляющие бизнесом, все чаще будут иметь встроенные в них модели искусственного интеллекта и машинного обучения. Поэтому команды разработчиков программного обеспечения должны понимать, как эти технологии повлияют на вывод приложений на рынок.
SEE: ожидания бизнес-лидеров от приложений AI/ML слишком высоки, говорят директора по обработке данных (TechRepublic)
Инструменты искусственного интеллекта и машинного обучения коренным образом изменят способы создания приложений — от платформ и инструментов для разработки кода до моделей машинного обучения, которые автоматически генерируют код, и моделей, которые автоматизируют элементы тестирования приложений.
Многие разработчики программного обеспечения могут полагать, что использование моделей машинного обучения в разработке приложений только начинается, но это не так. В недавнем опросе Gartner почти 40% организаций, занимающихся разработкой программного обеспечения, заявили, что они уже используют модели машинного обучения в умеренной или широкой степени при разработке приложений. Тем не менее, большинство команд разработчиков не имеют необходимого уровня понимания машинного обучения.
Вот три способа, которыми машинное обучение повлияет на разработку программного обеспечения, и что разработчикам нужно знать об этой грядущей эволюции.
Перейти к:
- Кодирование приложений с расширенным ML
Дизайн приложений, дополненный машинным обучением
Тестирование приложений, дополненное машинным обучением
Кодирование приложений с расширенным ML
Новое поколение помощников по кодированию для профессиональных разработчиков демонстрирует не только более длинные и новые дополнения, но и возможность использовать комментарии для создания кода. Инструменты для создания кода с поддержкой машинного обучения, такие как Copilot, CodeWhisperer и Tabnine, подключаются к инструментам интегрированной среды разработки разработчиков и автоматически генерируют код приложения в ответ на комментарий или строку кода. Эти модели создания кода являются производными от больших языковых моделей, разрабатываемых гиперскейлерами, таких как OpenAI GPT-3.5, которая является основой приложения ChatGPT. Например, Codex является производным от GPT-3, но оптимизирован для создания программного кода. Gartner прогнозирует, что к 2027 году 50% разработчиков будут использовать инструменты кодирования на основе машинного обучения, по сравнению с менее чем 5% сегодня.
Перед руководителями программной инженерии неизбежно возникает вопрос, устранят ли эти модели потребность в инженерах, которые пишут код приложений, или сократят ее. Текущие модели машинного обучения, предназначенные для генерации кода, повысят производительность разработчиков, но не заменят их в ближайшей и среднесрочной перспективе. Однако будущее может принести дополнительные изменения.
Дизайн приложений, дополненный машинным обучением
Влияние ИИ и МО на разработку программного обеспечения не ограничивается внедрением моделей в приложения; он распространяется на инструменты, которые дизайнеры используют для создания привлекательных пользовательских интерфейсов для своих цифровых продуктов. Показано, что рабочий процесс передачи проектных ресурсов и спецификаций от дизайнеров UX разработчикам программного обеспечения становится все более автоматизированным. Растущее внедрение систем дизайна помогло облегчить этот переход. Ожидается, что эти возможности будут продолжать быстро улучшаться, что позволит сократить время развертывания приложений.
Исторически сложилось так, что разные точки зрения дизайнеров и разработчиков вызывали проблемы при создании приложений с привлекательным UX. Глядя в будущее дизайна цифровых продуктов на предприятии, руководители групп цифровых продуктов должны обладать навыками как проектирования, так и разработки. Появится роль «дизайн-стратега», который будет руководить конвергентными командами дизайнеров и разработчиков, чтобы быстрее создавать более качественные цифровые продукты, улучшая при этом качество приложений.
Тестирование приложений, дополненное машинным обучением
AI и ML также могут влиять на процесс тестирования приложений в таких критических областях, как планирование и приоритизация, создание и обслуживание, генерация данных, визуальное тестирование и анализ дефектов. Лидеры программной инженерии сталкиваются с нехваткой опытных тестировщиков, особенно людей с навыками, необходимыми для программного создания тестов. В инструментах тестирования программного обеспечения, дополненных искусственным интеллектом, используются алгоритмические подходы для повышения производительности тестировщиков. Это может значительно повысить эффективность инструментов автоматизации тестирования, позволяя командам разработчиков ПО повышать качество программного обеспечения и сокращать время цикла тестирования.
Несколько новых поставщиков вышли на рынок тестирования программного обеспечения с использованием искусственного интеллекта, и в прошлом году преобладали приобретения поставщиков. Gartner прогнозирует, что к 2027 году 80 % предприятий будут интегрировать инструменты тестирования, дополненные ИИ, в свою цепочку инструментов для разработки программного обеспечения, что значительно больше, чем 10 % в 2022 году. команды для быстрой доставки высококачественных приложений.
Влияние ИИ и МО на разработку программного обеспечения является значительным, и нельзя недооценивать положительное влияние совместных усилий науки о данных и разработки программного обеспечения. Богатство данных, которыми располагает предприятие, может существенно повысить ценность бизнес-приложений за счет моделей, которые генерируют прогнозы, модели оценки, рекомендации по следующему лучшему действию и другие ценные инструменты, улучшающие бизнес. Эти совместные усилия могут обеспечить повторение лучших практик, которые повысят производительность предприятия и будут способствовать высокой рентабельности инвестиций, которые бизнес делает в этих технологиях.
Ван Бейкер — вице-президент по аналитике в Gartner, Inc., занимающийся услугами разработки облачного ИИ и генеративным ИИ, включая услуги естественного языка, зрения и автоматизированного машинного обучения. Аналитики Gartner предоставят дополнительную информацию о последних стратегиях приложений на саммите Gartner Application Innovation & Business Solutions Summit, который пройдет 22–24 мая 2023 года в Лас-Вегасе, штат Невада.
Оригинал