Thoughtworks сообщает о быстром росте инструментов искусственного интеллекта для разработки программного обеспечения

Инструменты и методы ИИ быстро расширяются в программном обеспечении, поскольку организации стремятся оптимизировать большие языковые модели для практических приложений, согласно недавнему отчету консалтинговой компании Thoughtworks. Однако неправильное использование этих инструментов все еще может создавать проблемы для компаний.

В последнем отчете компании Technology Radar 40% из 105 выявленных инструментов, методов, платформ, языков и фреймворков, отмеченных как «интересные», были связаны с ИИ.

Сара Тарапоревалла возглавляет практику модернизации предприятий, платформ и облака (EMPC) Thoughtworks Australia в Австралии. В эксклюзивном интервью TechRepublic она объяснила, что инструменты и методы ИИ доказывают свою состоятельность за пределами шумихи вокруг ИИ, существующей на рынке.

«Чтобы попасть в технологический радар, наши собственные команды должны его использовать, чтобы мы могли составить мнение о том, будет ли он эффективным или нет», — объяснила она. «То, что мы видим по всему миру во всех наших проектах, заключается в том, что мы смогли сгенерировать около 40% этих элементов, о которых мы говорим, из работы, которая действительно происходит».

Новые инструменты и методы ИИ быстро внедряются в производство

Технологический радар Thoughtworks предназначен для отслеживания «интересных вещей», которые, по мнению глобального консультативного совета по технологиям консалтинговой компании, появляются в глобальном пространстве разработки программного обеспечения. Отчет также присваивает им рейтинг, который указывает покупателям технологий, следует ли «принять», «испытать», «оценить» или «придержать» эти инструменты или методы.

Согласно отчету:

Принять: «Всплески», которые компании должны настоятельно рассмотреть. Испытание: Инструменты или методы, которые Thoughtworks считает готовыми к использованию, но не такими проверенными, как те, что находятся в категории «принять». Оценка: То, на что следует обратить пристальное внимание, но не обязательно пробовать. Удержание: Действовать с осторожностью.

В отчете расширенной генерации поиска был присвоен статус «принятия» как «предпочтительной модели для наших команд для улучшения качества ответов, генерируемых большой языковой моделью». Между тем, таким методам, как «использование LLM в качестве судьи» — который использует одного LLM для оценки ответов другого LLM, требуя тщательной настройки и калибровки — был присвоен статус «пробного».

Хотя агенты ИИ являются новыми, GCP Vertex AI Agent Builder, который позволяет организациям создавать агентов ИИ, используя подход, основанный на естественном языке или коде, также получил статус «пробной версии».

Тарапоревалла сказал, что инструменты или методы должны уже перейти в стадию производства, чтобы быть рекомендованными для статуса «пробы». Поэтому они будут представлять собой успех в реальных практических случаях использования.

«Поэтому, когда мы говорим об этом кембрийском взрыве в инструментах и ​​методах ИИ, мы на самом деле видим их в наших командах», — сказала она. «В Азиатско-Тихоокеанском регионе это репрезентативно для клиентов, с точки зрения их ожиданий и того, насколько они готовы прорваться сквозь шумиху и взглянуть на реальность этих инструментов и методов».

SEE: Помешает ли доступность электроэнергии революции искусственного интеллекта? (TechRepublic Premium)

Быстрое внедрение инструментов ИИ вызывает тревожные антипаттерны

Согласно отчету, быстрое внедрение инструментов ИИ начинает создавать антипаттерны — или плохие шаблоны по всей отрасли, которые приводят к плохим результатам для организаций. В случае инструментов помощи в кодировании ключевым антипаттерном, который появился, является зависимость от предложений по помощи в кодировании, предоставляемых инструментами ИИ.

«Один из антишаблонов, который мы наблюдаем, — это опора на ответ, который выплевывается», — сказал Тарапоревалла. «Поэтому, хотя второй пилот поможет нам сгенерировать код, если у вас нет этого экспертного навыка и человека в цикле, чтобы оценить ответ, который выдается, мы рискуем перегрузить наши системы».

Technology Radar указал на обеспокоенность качеством кода в сгенерированном коде и быстрыми темпами роста кодовых баз. «Проблемы качества кода, в частности, подчеркивают область постоянного усердия разработчиков и архитекторов, чтобы убедиться, что они не утонут в «рабочем, но ужасном» коде», — говорится в отчете.

В отчете содержится «задержка» замены методов парного программирования на ИИ, при этом Thoughtworks отмечает, что этот подход направлен на то, чтобы ИИ помогал, а не шифровал кодовые базы с помощью усложнения.

«Мы всегда выступали за чистый код, чистый дизайн и тестирование, которые помогают снизить общую стоимость владения кодовой базой. Если же мы слишком полагаемся на ответы, которые выдают инструменты... это не поможет поддерживать жизненный цикл кодовой базы», ​​— предупредил Тарапоревалла.

Она добавила: «Командам просто нужно удвоить усилия по внедрению передовых инженерных практик, о которых мы всегда говорили, — таких как модульное тестирование, функции пригодности с точки зрения архитектуры и методы проверки, — просто чтобы убедиться, что получается правильный код».

Как организации могут ориентироваться в изменениях в сфере инструментов ИИ?

Сосредоточение внимания на проблеме, а не на технологическом решении, имеет ключевое значение для организаций, позволяя им внедрять правильные инструменты и методы, не поддаваясь шумихе.

«Мы часто даем совет: определите, какую проблему вы пытаетесь решить, а затем выясните, какие решения или инструменты могут помочь вам решить эту проблему», — сказал Тарапоревалла.

Управление ИИ также должно быть непрерывным и постоянным процессом. Организации могут извлечь выгоду из создания команды, которая может помочь определить стандарты управления ИИ, помочь обучить сотрудников и постоянно отслеживать изменения в экосистеме ИИ и нормативной среде.

«Наличие группы и команды, которые занимаются именно этим, — отличный способ масштабировать это по всей организации», — сказал Тарапоревалла. «Таким образом, вы устанавливаете оба ограждения правильным образом, но также позволяете командам экспериментировать и смотреть, как они могут использовать эти инструменты».

Компании также могут создавать платформы ИИ с интегрированными функциями управления.

«Вы могли бы кодифицировать свои политики в платформу MLOps и использовать ее в качестве базового слоя для команд, чтобы строить на нем», — добавил Тарапоревалла. «Таким образом, вы затем ограничили эксперименты, и вы знаете, какие части этой платформы должны развиваться и меняться со временем».

Эксперименты с инструментами и методами ИИ могут окупиться

По данным Thoughtworks, организациям, экспериментирующим с инструментами и методами ИИ, возможно, придется сменить используемые ими технологии, но со временем они также будут наращивать свою платформу и возможности.

«Я думаю, что когда речь идет о возврате инвестиций... если у нас есть мышление тестирования, мы не только используем эти инструменты для выполнения работы, но и смотрим на то, какие элементы мы продолжим надстраивать на нашей платформе по мере продвижения вперед, как на нашу основу», - сказал Тарапоревалла.

Она отметила, что такой подход может позволить организациям со временем извлекать большую выгоду из экспериментов с ИИ.

«Я думаю, что возврат инвестиций окупится в долгосрочной перспективе — если они смогут продолжать смотреть на это с точки зрения того, какие части мы собираемся перенести на более общую платформу, и чему мы учимся с точки зрения фонда, чтобы превратить это в положительный маховик?»