Не отставая от ИИ: новый болезненный мандат для инженеров -программистов

Появляется новая эра разработки программного обеспечения, с искусственным интеллектом (ИИ) на переднем крае. Ожидается, что к 2028 году 90% инженеров -программистов Enterprise будут использовать помощников по коду ИИ, по сравнению с менее чем 14% в начале 2024 года.

Сегодня разработчики используют инструменты, основанные на искусственном интеллекте, такие как помощники кода искусственного интеллекта и инструменты тестирования искусственного интеллекта, ограниченные кодированием и тестированием. Тем не менее, Gartner предсказывает будущее, в котором ИИ будет неотъемлемой частью большинства задач по разработке программного обеспечения, изменяя как характер работы разработчиков, так и их способ работы.

Лидеры разработки программного обеспечения стремятся подтолкнуть использование ИИ для повышения повышения производительности, выходя за рамки кодирования и тестирования. Цель состоит в том, чтобы позволить разработчикам сосредоточиться на значимых задачах, которые требуют критического мышления, изобретательности человека и сочувствия. Например, решение проблем без проверенных шаблонов проектирования, экспериментирование с новыми режимами взаимодействия с пользователем или тратить больше времени на разговор с пользователями.

АИ-ненужная практика программного обеспечения, появляющийся набор практик и принципов, которые оптимизированы для использования инструментов на основе искусственного интеллекта для разработки и предоставления программных систем и приложений, возникнут, когда команды разработчиков перепроектируют свои рабочие процессы, чтобы в полной мере воспользоваться инструментами на основе искусственного интеллекта. Например, разработчики используют агенты искусственного интеллекта в рамках своих IDE, которые активно рефактор, записывают модульные тесты, создают документацию и рекомендуют рецензенты кода при объединении своего кода в хранилища управления источником. Цель состоит в том, чтобы автоматизировать комплексный рабочий процесс разработки программного обеспечения, в конечном итоге полностью.

Как разработчики переходят от AI-Augments к полностью разработке программного обеспечения AI-II

Благодаря появлению инструментов разработчиков, основанных на искусственном интеллекте, разработка программного обеспечения стала AI-аугментом, хотя фундаментальные методы и жизненный цикл разработки программного обеспечения (SDLC) остаются практически неизменными. ИИ был интегрирован в различные задачи в рамках традиционного SDLC, предлагая постепенное время заказа, время цикла и улучшения качества.

Инструменты, основанные на искусственном интеллекте, помогут разработчикам выйти за рамки обработки трубки. Этими инструментами будут партнеры по идее, повышение человеческого творчества и поддержку команд продуктов в создании новых идей. Это относится к каждой роли в команде продукции: разработчики, владельцы продуктов, инженеры по качеству, инженеры по надежности сайта и дизайнеры пользователя (UX).

Например, мультимодальные возможности в инструментах разработки на основе искусственного интеллекта будут иметь решающее значение для повышения человеческого творчества. Вместо того, чтобы смотреть на чистый холст, диспетчер продуктов или дизайнер UX может использовать инструменты дизайна ИИ для преобразования текстовых подсказок, скриншотов или бумажных эскизов в изображения и визуальные прототипы. Эти платформы создания визуального контента, поддерживающие рабочие процессы, в том числе Codia, Figma, Motiff, Recraft, Uizard и Visily, могут затем вытекать по дизайну и, как только дизайн будет завершен, дизайнеры UX могут преобразовать эти проекты в HTML и CSS.

Инженеры -программисты и разработчики должны будут оттачивать свои навыки. Организации не смогут успешно принять практику AI, пока их рабочая сила не сможет эффективно использовать их. Например, способность четко сформулировать требования в точном и однозначном естественном языке становится важным навыком для наилучшего использования инструментов разработки на основе искусственного интеллекта.

Путешествие к AI-инженерной разработке программного обеспечения будет характеризоваться растущей долей автономных и полуавтономных задач по всему SDLC.

Тазу, как написание кода, где разработчики традиционно используют основы, основанные на правилах, генерация кода шаблона, естественным образом развиваются, чтобы включить помощников кода ИИ, чтобы помочь записать код. В конце концов, ИИ будет автономно генерировать код с руководством разработчика и надзором. Разработчики начнут выполнять все повседневные задачи с помощью инструментов разработки, и в конечном итоге, они научатся разгружать задачи в ИИ и оркестренные команды агентов.

Развивающаяся роль разработчиков как оркестраторов рабочих процессов, управляемых ИИ

В области разработчика программного обеспечения AI роль разработчика больше сродни дирижеру оркестра, чем музыкант. Их главная роль — направлять оркестр музыкантов, чтобы эти музыканты понимали композицию и могли его играть. Подобно тому, как дирижер оркестра должен глубоко понимать музыку, разработчик в роли дирижера должен глубоко понимать разработку программного обеспечения.

Ай-нюмированные инженерные практики могут обеспечить лучшее и более быстрое принятие решений в рабочих процессах разработки вверх по течению. Например, команды продуктов могут использовать AI-с поддержкой анализа для принятия решений на дорожную карту продуктов, которые подтверждают или опровергают субъективный выбор человека. Затем команды могут ускорить создание прототипов, чтобы ускорить технико -экономические обоснования и наметить информированный путь вперед. Другие варианты использования вверх по течению включают в себя дизайн продукта, аналитику внедрения пользователей и приоритизация функций.

Кроме того, масштабирование емкости разработчика может обеспечить важную ценность бизнеса. Большинство критически важных рабочих процессов доставки программного обеспечения полагаются на людей в цикле (HITL) для коррекции ошибок, положительного подкрепления и реализации ограждений политики. Индустрия видит ранние сигналы HITL Agentic Workflows с предварительными просмотрами от GitHub, привлекательного, применения и стеклейца, показывающих, что пользователи переходят от выражения намерения в функционирующее рабочее приложение, развернутое в облаке. Тем не менее, наличие людей в петле для самых обыденных задач потребляет драгоценные циклы разработчика. Достижения в агентских возможностях могут позволить себе автономные петли улучшения, тем самым освобождая время для разработчика и достигнув уровней обслуживания ранее недостижимым из -за ограничений потенциала человека.

Практические шаги для инженерных лидеров по внедрению AI-местных подходов

Ай-нюдентная разработка программного обеспечения появится, когда организации изучают эти возможности и определяют и делятся и делятся тем, что эффективно, а что нет. Лидеры должны определить применимость практики AI-немуж для SDLC на основе трех факторов: критичность бизнеса, риск и сложность. Лидеры также должны рассмотреть поэтапный подход к переходу на AI-немолевые методы:

Оценка и планирование: Оценить текущие рабочие процессы и определить области, где ИИ может добавить наибольшую ценность. Рассмотрим задачи с низким уровнем риска, которые могут быть автоматизированы.

Пилот и эксперименты: Чтобы проверить их эффективность, реализуйте инструменты искусственного интеллекта в контролируемой среде. Используйте обратную связь, чтобы уточнить процессы и постепенно расширять использование ИИ.

Интеграция и масштабированиеПосле того, как инструменты ИИ доказали свою ценность, интегрируют их в более широкие рабочие процессы и масштабируют их использование в разных командах, обеспечивая беспрепятственное сотрудничество между ИИ и человеческими разработчиками.

Непрерывное улучшение: Установить автономные петли улучшения, где инструменты искусственного интеллекта обучаются и адаптируются с течением времени, повышая эффективность и уменьшая вмешательство человека в обычные задачи.

Путь к AI-инженерной разработке программного обеспечения будет отмечен постоянно растущим процентом автономных и полуавтономных задач по всему SDLC. В таблице 1 суммируется, как мы видим эту эволюцию.

Как и все инновации, AI-инженерная разработка программного обеспечения потребует от лидеров разработки программного обеспечения для смягчения новых рисков и решения новых задач. Решение этих проблем включает в себя баланс автоматизации с человеческим надзором, непрерывным развитием навыков и надежными мерами безопасности.

Некоторые из этих проблем включают неспособность изменить мышление с реализаторов проверенных решений для создателей инновационных решений. В том же духе неспособность признать разработку программного обеспечения в основном как командный спорт лишает команды здоровых дебатов, обсуждения и запросов, которые стимулируют творчество и инновации. Лидеры разработки программного обеспечения должны опасаться потенциальной деградации критических наборов навыков, которые должны инженеры, чтобы вырасти в более высокие роли и возможности в своих командах.

Тогда есть риски безопасности. Чрезмерная зависимость от результатов ИИ без проверки может привести к значительным бизнес-рискам, включая репутационный ущерб. Кроме того, инструменты искусственного интеллекта расширяют поверхности угрозы безопасности, требуя комплексных оценки риска. Наконец, многоагентные рабочие процессы могут усугубить риски галлюцинации и переоборудование модели, требуя тщательного мониторинга и управления контекстом.

Смягчение рисков безопасности и соответствия, связанных с практикой AI, требует трехстороннего подхода, сфокусированного на трех уровнях приложений с поддержкой AI:

Расширенная цепочка поставок программного обеспечения, которая теперь включает в себя модели Genai и их экосистему инструментов, протоколов и рамок. Примеры включают модельный протокол контекста (MCP), запущенный Anpropic и недавний протокол Agent2agent (A2A), представленный Google. Эти технологии значительно расширяют поверхность атаки набора инструментов разработки программного обеспечения и представляют риски, как показано в топ -10 OWASP для LLM Applications 2025.

Второй риск относится к первоначальному пользовательскому коду. АИ-ненужная разработка программного обеспечения приводит к беспрецедентному увеличению объема генерируемого кода, что затрудняет удовлетворение требований безопасности. Это требует автоматических методов тестирования безопасности приложений, таких как статическое и динамическое тестирование безопасности приложений, тестирование на проникновение и тестирование пузырьков, анализ программного состава и сканирование секретов. Команды по разработке программного обеспечения должны использовать руководящие принципы, выделенные в NIST 800-218 и 800-204D для защиты от этих рисков безопасности.

Третий риск относится к нарушению интеллектуальной собственности (IP). Это может занять две формы: защита собственного IP-адреса, убедившись, что инструменты искусственного интеллекта не используют исходный код и данные организации для обучения своих моделей, и обеспечение того, чтобы пользователи инструментов искусственного интеллекта не нарушали сторонний IP. В обоих случаях это требует управления инструментами искусственного интеллекта с использованием централизованных подходов к управлению, таким как платформ, которые могут реализовать политики управления в масштабе, не препятствуя опыту разработчиков.

Лидеры разработки программного обеспечения, подготовленные к эпоху AI-немуж, должны переосмыслить рабочие процессы разработчиков, чтобы извлечь выгоду из повышения производительности и повышения творчества. При этом они должны расставить приоритеты в сфере использования низкого риска и высокой стоимости для агентских инструментов, оценивая их способность автоматизировать повторяющуюся работу и держать людей в цикле для надзора, проверки и объяснения.

Наконец, они должны исследовать способы извлечь выгоду из петель автономного улучшения. Они могут сегментировать задачи на основе критичности бизнеса, порога риска и сложности задач и использовать циклы самосовершенствования для обеспечения стоимости бизнеса без повышения рисков.

По мере того, как разработка программного обеспечения переходит в эпоху AI-родной, лидеры должны использовать преобразующий потенциал инструментов на основе искусственного интеллекта, одновременно тщательно управляя связанными рисками. Они могут разблокировать производительность и креативность, переосмысливая рабочие процессы, определяя приоритеты в стратегических случаях использования и используя петли автономных улучшений, обеспечивая устойчивую и инновационную практику развития, которые уравновешивают автоматизацию с человеческим надзором.

Trending Stories youtube.com/thenewstack Tech движется быстро, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом. Manjunath (Manju) Bhat-это исследовательский вице-президент и Gartner в области разработки программного обеспечения, охватывающего технологии и практики, связанные с DevSecops, генеративным ИИ, облачным архитектурами, зеленым программным обеспечением, безопасностью программного обеспечения с открытым исходным кодом и цепочкой программного обеспечения. Мистер Бхат советует … Подробнее от Манджунатха Бхата