خلبانهای هوش مصنوعی و تولیدکنندگان کد مزایای مشابهی را برای پلتفرمهای کمکد ارائه میکنند، اما آنها یکسان نیستند. این چیزی است که رهبران صنعت در مورد آینده توسعه با کد پایین می گویند.
- چگونه genAI بر توسعه نرم افزار تأثیر می گذارد
- آیا تولیدکنندگان کد جایگزین پلتفرمهای کمکد میشوند؟
- چگونه genAI مجموعه مهارتهای توسعهدهنده را هدایت میکند؟
- آیا کیفیت نرم افزار بهبود می یابد یا بدتر می شود؟
- آیا سازمانها برنامههای بیشتری با genAI خواهند ساخت؟
بیش از دو دهه از زمانی که اولین برنامه کمکد خود را توسعه دادم میگذرد. از آن زمان، من شاهد تکامل قابلیتهای پلتفرم بودم تا ساخت و ارتقای برنامهها را برای توسعهدهندگان نرمافزار و توسعهدهندگان شهروند آسانتر کند. کمکد و بدون کد میتواند به توسعهدهندگان کمک کند برنامهها را سریعتر بسازند، به کاربران تجاری این امکان را میدهد تا صفحهگستردهها را به جریانهای کاری تبدیل کنند، و به بخشهای فناوری اطلاعات کمک میکنند تسریع نوسازی برنامهها فراتر از برنامههای کاربردی، این پلتفرمها میتوانند توسعه یکپارچهسازیها، داشبوردها، جریانهای داده اینترنت اشیا و سایر قابلیتها را تسریع کنند.
تحولات در فناوری اغلب باعث ایجاد تغییرات در توسعه و نوسازی برنامهها میشود. به عنوان مثال، انتشار گوشیهای هوشمند و فروشگاههای اپلیکیشن نیازمند چرخش به سمت استراتژیهای توسعه موبایل اول بود، در حالی که زیرساخت ابری بسیاری از مشاغل غیرفناوری را قادر میسازد تا برنامهها را بهبود بخشند و قابلیتهای تحلیلی را توسعه دهند. اکنون، ما در مراحل اولیه مشاهده همین الگو با هوش مصنوعی مولد هستیم. سؤال این است که چگونه genAI بر پذیرش و استفاده از پلتفرمهای کمکد تأثیر میگذارد؟
چگونه genAI بر توسعه نرم افزار تأثیر می گذارد
من اخیراً در مورد ۱۰ روشی که هوش مصنوعی مولد توسعه نرم افزار را متحول می کند نوشتم. یکی از نکات من این بود که مولدهای کد امروزی ممکن است چرخه عمر توسعه نرم افزار (SDLC) را به یک فرآیند تولید تبدیل کنند که در آن توسعه دهندگان اجزای برنامه را درخواست می کنند و آنها را در برنامه ها و خدمات مونتاژ می کنند. ممکن است آیندهنگر به نظر برسد، اما تولید کننده های کد در حال حاضر تاثیر قابل توجهی دارند. GitHub دریافت که ۸۸٪ از توسعه دهندگان بهره وری بهبود یافته را گزارش کرده اند، ۷۴٪ روی کار رضایت بخش تر تمرکز کرده اند، و بیش از ۸۷٪ گفته اند که با استفاده از GitHub Copilot کارها را سریعتر انجام می دهند.
در حال حاضر، پلتفرمهای کمکد و بدون کد برای سادهسازی توسعه، افزایش تعداد افرادی که میتوانند برنامهها را توسعه دهند، و تکامل مهارتهای مورد نیاز برای سفارشیسازی تجربیات کاربر استفاده میشوند. بنابراین، genAI چگونه بر این پلتفرمها تأثیر میگذارد؟
جان کندی، معاون ارشد مهندسی در Quickbase. برای مثال، اگر میدانید چگونه سؤالات درست را از یک کمککننده بپرسید، میتوانید به سرعت از او بخواهید یک برنامه بسازد یا راهحلی را به کار ببندد.
در حالی که پرس و جو و درخواست زبان طبیعی به توسعه دهندگان نرم افزار امکان تولید کد و بهبود بهره وری را می دهد، پلتفرم های کم کد و بدون کد در حال اضافه کردن قابلیت های توسعه همزمان خود هستند.
دیوید بروکس، معاون ارشد و مبشر اصلی در کوپادو. “به جای ابزارهای گرافیکی مانند Figma برای تقلید UI، آنها با ابزار genAI کار خواهند کرد تا نمونه های اولیه رابط کاربری را در چارچوب انتخابی شرکت تولید کنند.”
آیا مولدهای کد جایگزین پلتفرمهای کمکد میشوند؟
تحقیق گیت هاب نشان می دهد که کاربران ۳۰ درصد از کدهای پیشنهادی Copilot را می پذیرند و توسعه دهندگان با تجربه کمتر از مزایای هوش مصنوعی بیشتری برخوردارند. این باعث میشود برخی بر این باور باشند که genAI ممکن است پایان پلتفرمهای کمکد باشد.
آناند کولکارنی، مدیر عامل و بنیانگذار Crowdbotics میگوید: «کد پایین در شرکت میمیرد و هوش مصنوعی آن را از بین میبرد. . “سوال بزرگ این است که چرا می خواهید از کم کد استفاده کنید در حالی که می توانید از هوش مصنوعی برای ایجاد کد کامل با همان تلاش استفاده کنید؟”
مایکل بکلی، یکی از بنیانگذاران و مدیر ارشد فناوری Appian، چیزها را متفاوت می بیند. نه، تولیدکنندگان کد بخشی از مشکل هستند. خلبانهای هوش مصنوعی ایجاد تعداد زیادی برنامه را آسان میکنند که فقط نیاز به یک پلتفرم با کد پایین برای اتصال و کنترل همه آنها را افزایش میدهد تا اطمینان حاصل شود که سیلوهای داده و مسائل امنیتی ایجاد نمیکنید.”
بکلی دید وسیع تری از اینکه genAI چگونه نیاز به کد پایین و موارد استفاده از آن را گسترش می دهد، دارد. «کد پایین استقرار دستیارهای هوش مصنوعی را آسان می کند، اما هوش مصنوعی فقط به اندازه داده هایش خوب است. پلتفرمهای کمکد در حال تکامل هستند تا شامل بافتهای داده برای ایجاد هوش مصنوعی خصوصی شوند که میتوانند به همه دادههای شما دسترسی داشته باشند و اسرار شما را حفظ کنند.»
پاسخ دیگری از Manish Rai، معاون بازاریابی محصول در SnapLogic می آید. “هوش مصنوعی و یادگیری ماشین راه را برای راههای جدید و نوآورانه برای پیادهسازی آسانتر اتوماسیون فرآیندهای کسبوکار و ادغام دادهها و برنامهها، در دسترستر کردن کاربران غیر فنی و کارآمدتر هموار کردهاند.”
در نهایت، سازمانها به نوآوریهای هوش مصنوعی بیشتر، تجربیات شخصیتر، چرخههای توسعه کوتاهتر و ارزش کسبوکار بیشتری که از سرمایهگذاریهای نرمافزاری ارائه میشود، نیاز دارند. افزایش انتظارات و دامنه احتمالاً رهبران فناوری را به ایجاد قابلیت های نرم افزاری با گزینه های کد و کم کد سوق می دهد.
سید میسرا، SAP معاون بازاریابی محصول، بر پتانسیل ترکیب کم/خیر تاکید میکند. توسعه کد با هوش مصنوعی و فناوری تلفن همراه برای برنامه های کاربردی پیشگامانه. توسعه کم/بدون کد، زمانی که با هوش مصنوعی ادغام می شود، نمونه سازی سریع و توسعه راه حل های پیچیده را امکان پذیر می کند و از محدودیت های سنتی فراتر می رود. به عنوان مثال، در بخش مراقبت های بهداشتی، توسعه دهندگان از این ابزارها برای ساخت سریع برنامه هایی استفاده می کنند که به طور قابل توجهی تشخیص بیماری پارکینسون را بهبود می بخشد، و از هوش مصنوعی برای تشخیص الگوهایی برای تشخیص های دقیق تر و سریع تر استفاده می کنند.”
چگونه genAI مجموعه مهارت های توسعه دهنده را هدایت می کند؟
GenAI میتواند کد، موارد آزمایشی، مستندات و سایر مصنوعات مورد نیاز برای توسعه نرمافزار تولید کند. چه تأثیری بر مهارتهای ایجاد قابلیتهای نرمافزاری با پلتفرمهای کمکد و بدون کد خواهد داشت؟
Dinesh Varadharajan، مدیر ارشد محصول Kissflow، میگوید: «کدنویسی از نحو سنتی به آگاهی متنی و هوشمندانه تغییر خواهد کرد. ساختارها، به کاربران تجاری قدرت می دهد تا برنامه هایی با مهارت های برنامه نویسی کمی ایجاد کنند.”
اگر توسعهدهندگان کمتر کدنویسی میکنند، چه مهارتهای دیگری مهمتر میشوند؟
اد ماکوسکی میگوید: «مجموعههای مهارت به گونهای تکامل مییابند که ترکیبی از تخصص کدنویسی سنتی، همراه با مهارت در استفاده از پلتفرمهای کم/بدون کد، درک نحوه ادغام فناوریهای هوش مصنوعی، و همکاری مؤثر در تیمهایی که از این ابزارها استفاده میکنند، را در بر میگیرد. مدیر ارشد محصول و فناوری در Boomi. “ترکیب کد پایین در کنار برنامهنویسهای کمکی به توسعهدهندگان این امکان را میدهد تا مهارتهای خود را افزایش دهند و بر روی حمایت از نتایج کسبوکار تمرکز کنند، به جای صرف زمان عمده خود برای یادگیری زبانهای مختلف کدنویسی.”
آرمون پطروسیان، مدیرعامل و یکی از بنیانگذاران Coalesce، اضافه می کند، “تاکید بیشتری بر تفکر تحلیلی خواهد شد. ، حل مسئله و تفکر طراحی با بار کمتری بر روی مانع فنی حل این نوع مسائل وجود دارد.”
امروزه، تولیدکنندگان کد میتوانند پیشنهادهای کد، خطوط تک کد و ماژولهای کوچک را تولید کنند. توسعه دهندگان همچنان باید کد تولید شده را برای تنظیم رابط ها، درک شرایط مرزی و ارزیابی خطرات امنیتی ارزیابی کنند. اما توسعه نرمافزار چگونه میتواند بهعنوان کمککننده، تولید کد و دستیاران هوش مصنوعی در کمکد به نظر برسد؟
سریکومار راماناتان، مدیر ارشد راهحلها در تأکید. «مجموعه مهارتهای در حال تکامل باعث میشود که توسعهدهندگان اصول هوش مصنوعی را بپذیرند، در حالی که توسعهدهندگان شهروند بر منطق کسبوکار تمرکز میکنند و هدفشان ارتقای کیفیت از طریق کارایی مشترک مبتنی بر هوش مصنوعی و راهحلهای سفارشیشده است.»
آیا کیفیت نرم افزار بهبود می یابد یا بدتر می شود؟
از آنجایی که افراد بیشتری با مجموعه مهارتهای مختلف از دستیارهای هوش مصنوعی برای ساخت و ارتقای نرمافزار استفاده میکنند، آیا باید انتظار داشته باشیم که کیفیت نرمافزار و تجربیات کاربر نهایی بهبود یابند یا بدتر شوند؟ یک سوال مرتبط این است که آیا ما شاهد انتشار نقص در تولید، افزایش بدهی های فنی و آسیب پذیری های امنیتی بیشتر خواهیم بود زیرا هوش مصنوعی افراد بیشتری را قادر می سازد کد بیشتری را منتشر کنند.
کندی از Quickbase میگوید: «ما در حال حاضر شاهد هستیم که تعداد زیادی برنامه ساخته شده توسط غیرتوسعهدهندهها در سازمانها تکثیر میشوند، بنابراین میدانیم که این یک فرآیند ساده است. “این هیجان انگیز است اما با احتیاط همراه است – با رایج شدن این برنامه ها و نسخه های کمکی، سازمان ها باید اطمینان حاصل کنند که سهولت ساخت “برنامه ای برای آن” منجر به گسترشی نمی شود که می تواند بهره وری را تضعیف کند یا خطرات امنیتی ایجاد کند.” /p>
یک پاسخ ممکن است از پلتفرمهای کمکد باشد که آزمایش، حاکمیت و سایر نردههای محافظ را به قابلیتهای کمک هوش مصنوعی خود گسترش میدهند.
سیلویا روچا، معاون مهندسی در OutSystems. نردههای محافظ داخلی این فناوریها، آزمایش را تقویت میکنند و در عین حال خطرات حریم خصوصی و امنیتی مرتبط با مدلهای هوش مصنوعی عمومی را حذف میکنند.
دستیاران هوش مصنوعی احتمالاً با پر کردن شکافهای بین الزامات نوشتن و تولید مصنوعات توسعه، به تیمهای توسعه کمک میکنند تا به سمت چپ حرکت کنند. GenAI همچنین این فرصت را دارد که بیشتر وظایف را مستقیماً از یک داستان کاربر به خوبی نوشته شده انجام دهد. به جای استفاده از ابزارهای شی/میدان سفارشی، یک کمک خلبان می تواند ابرداده مورد نیاز را ایجاد کرده و مستقیماً آن را در پلتفرم وارد کند.» بروکس از کوپادو می گوید.
اما به واقعیت امروزی برگردیم، جایی که کد تولید شده توسط هوش مصنوعی به معنای کد بدون نقص، بدون امنیت، بدون هزینه یا بدون انسان نیست. بن دکرای، مدافع توسعهدهنده در سونار.
آیا سازمان ها برنامه های بیشتری را با genAI خواهند ساخت؟
با سادهتر شدن خطوط مونتاژ، طراحی دستگاههای الکترونیکی و پروژههای ساخت و ساز، فرصتهایی برای رشد و گسترش در این صنایع باز شد. همین امر احتمالاً برای توسعه نرم افزار نیز صادق است و genAI تکامل بعدی است.
Varun Goswami، معاون مدیریت محصول در نرم افزار Newgen. این تغییر چرخه عمر را به طور قابل توجهی ساده کرده است و شرکت ها را قادر می سازد تا استراتژی های خود را برای ورود به بازار تسریع کنند. امروزه، با ظهور هوش مصنوعی مولد در توسعه اپلیکیشن، چرخه حیات فقط تکامل نیافته است. پرواز کرده است.”
اگر این پیشبینی درست باشد، بسیاری از کسبوکارها سود خواهند برد، اگرچه من معتقدم پلتفرمهای کمکد و بدون کد ارزش و اهمیت بیشتری در ساخت، آزمایش و توسعه نرمافزار توسعهیافته با دستیاران هوش مصنوعی خواهند داشت.
پست های مرتبط
چگونه هوش مصنوعی مولد توسعه کم کد را تغییر می دهد
چگونه هوش مصنوعی مولد توسعه کم کد را تغییر می دهد
چگونه هوش مصنوعی مولد توسعه کم کد را تغییر می دهد