يواصل المطورون العمل ضد تقليص الوقت لتلبية متطلبات السوق، وأحدث أداة في مجموعة الأدوات هي الذكاء الاصطناعي التوليدي (GenAI). من توليد التعليمات البرمجية إلى التوثيق وتسويق المنتجات، تُحدث التكنولوجيا تأثيرات إيجابية على الإنتاجية، وإن كانت أقل مما توحي به الضجة الحالية. على سبيل المثال، شركة الزراعة والبناء العالمية سي إن إتش الصناعية يحقق زيادة صافية في إنتاجية المطورين بنسبة 5% بعد تصحيح الأخطاء وعمليات الفحص الأمني، على الرغم من أن الفوائد لا تنتهي عند هذا الحد. تستخدم الشركة الذكاء الاصطناعي التوليدي بعدة طرق.
في الوقت الحاضر، لدى CNH حوالي 2000 مطور، 10٪ منهم يستخدمون GenAI بنشاط. أطلقت الشركة أول تطبيق يواجه العملاء للفنيين لدى التجار والذي يسمح لهم بالاستعلام عن كيفية إصلاح المركبات باستخدام الهاتف الخليوي والتطبيق بدلاً من غربلة الأدلة المكونة من 500 صفحة وملفات PDF.
“لقد تمكنا من الانتقال من التحدث إلى الوكيل إلى نموذج أولي في 30 يومًا، ومن النموذج الأولي إلى الطيار في 75 يومًا، ومن الطيار إلى الإطلاق في 60 يومًا، لذا فقد استغرق الأمر خمسة أشهر ونصف من الفكرة إلى أولها”. يقول مارك كيرميش، الرئيس العالمي لشؤون الرقمية والابتكار في CNH: “تكرار المنتج”.
أصبح المزارعون الآن قادرين على تتبع أسطول مركباتهم وبيانات الهندسة الزراعية التي تنتجها تلك المركبات.
يقوم فريق Kermisch بتجربة GitHub Copilot منذ صيف 2023. حتى الآن، كان الاستخدام الأعلى يتعلق بالتقنيات التقليدية المستندة إلى الويب، بما في ذلك C# وJava وHTML وSQL. وبشكل أكثر تحديدًا، فإنهم يستخدمونه لتطوير حالة الاختبار والتعليق على التعليمات البرمجية وتطوير الإجراءات القابلة للتكرار. هناك اعتماد وفعالية أقل عندما يتعلق الأمر بالأنظمة المدمجة التي تستخدم كود C وC++.
يستخدم الفريق أيضًا Microsoft Copilot ويختبر Google Gemini لأشياء مثل كتابة الأوصاف الوظيفية والنشرات الصحفية والمعلومات التي يواجهها الموظفون.
الاستعلام عن مصادر البيانات الضخمة والمزيد
مزود منصة تنسيق البيانات عالم الفلك يستخدم الذكاء الاصطناعي التوليدي لإنشاء الأكواد والدردشة المؤسسية. أعرب عملاء الشركة عن اهتمامهم بإنشاء التعليمات البرمجية بناءً على الموجه – وهي القدرة التي يستخدمها بالفعل اثنان من العملاء بنجاح. عادةً، يقوم هؤلاء العملاء بإنشاء خط أنابيب البيانات الخاص بهم باستخدام كود Python ثم نشره على منصة Astronomer للتشغيل، لكنهم يريدون المساعدة في كتابة خطوط الأنابيب هذه.
أنشأ Astronomer أيضًا روبوت دردشة يمكن استخدامه للإجابة على الأسئلة الهندسية عبر صفحة الوثائق العامة للشركة، وSlack chat، وStack Overflow، ومصادر أخرى. لقد كان الكود الخاص بروبوت الدردشة هذا مفتوح المصدر إلى جانب المسارات التي تغذيه، وفقًا لجوليان لانيف، كبير مسؤولي التكنولوجيا في Astronomer.
“أعتقد أن الفارق الكبير جاء من آخر 20%، وهو ما يضمن حصولك على الإجابات الصحيحة. من السهل جدًا الحصول على أول 80% باستخدام ماجستير إدارة أعمال تجاري أو مفتوح المصدر، ولكن الحصول على الـ 20% الأخيرة كان أمرًا صعبًا للغاية، خاصة عند تحديث الأمور،” كما يقول لانيفي. “لحسن الحظ، نحن نعمل في مجال خطوط أنابيب البيانات، مما يعني أنه يمكننا كتابة خطوط الأنابيب للقيام بذلك.”
هناك تطبيق مرجعي لذلك حتى يتمكن الآخرون من فهم كيفية إنشاء روبوت دردشة مماثل للمؤسسة، بما في ذلك التأكد من تحديث البيانات، وكيف يجب أن يبدو المسار، وما هو ماجستير إدارة الأعمال الذي يجب عليهم استخدامه، وكيفية التفاعل معه أيضًا مثل كيفية مراقبة جودة الاستجابة والتكلفة.
تكنولوجيا جديدة ومعايير جديدة
تستخدم شركة الخدمات الرقمية West Monroe Github Copilot للمهام الشاقة والمتكررة، وNigel (روبوت دردشة خاص مبني على محرك ChatGPT) لأشياء أبسط، مثل دمج التعليمات البرمجية مع واجهة برمجة تطبيقات خارجية موثقة جيدًا. ومع ذلك، يتطلب LLM سياقًا، مثل إخباره بإنشاء تكامل نظرًا لأن المطور يستخدم إطار عمل .NET ومكتبات معينة.
يركز شون ماكهيل، مطور البرمجيات السابق والشريك في ويست مونرو، على عمليات الاندماج والاستحواذ. في هذا المجال، ترغب شركات الأسهم الخاصة المهتمة بعملية الاستحواذ في فهم الأدوات والتقنيات التي تستخدمها الشركة المستهدفة، بما في ذلك كيفية استخدام GenAI في البرمجة.
يقول ماكهيل: “إننا ننظر إلى البحث والتطوير ككل – معايير البحث والتطوير، ومنهجية SDLC وكيفية استخدام الأدوات المتنوعة لاستكمال عملك”. “أود أن أقول إننا بدأنا خلال العام الماضي في رؤية المزيد من الشركات تستخدم الذكاء الاصطناعي التوليدي – وما زلنا نبني معاييرنا. من وجهة نظر المطورين الداخليين لدينا، إذا لم يكن لدينا فجأة ذكاء اصطناعي توليدي قيد التطوير، فسيكون الأمر مثل العودة إلى العصر الحجري.
داخليًا، أدى استخدام الذكاء الاصطناعي التوليدي إلى تحسين كفاءة المطورين بنسبة 15% إلى 25%، كما يقول ماكهيل، على الرغم من عدم استخدام GenAI في جميع عمليات التطوير.
فهم التعليمات البرمجية مقابل إنشاء التعليمات البرمجية
جو ريف، مدير هندسة البرمجيات في شركة التحليلات الرقمية السعة يقول إن GenAI مفيد لفهم التعليمات البرمجية ولكنه يحذر من أنه يجب على المطورين توخي الحذر بشأن إنشاء التعليمات البرمجية لأن GenAI يمكن أن يحدث أخطاء في الترميز. على سبيل المثال، عند العمل في مشروع هاكاثون يتضمن اكتشاف الاصطدام، كتب الذكاء الاصطناعي التوليدي حوالي 20 سطرًا من التعليمات البرمجية بناءً على اسم الوظيفة. نظرًا لأن ريف يستغرق حوالي 20 دقيقة لكتابة الكود بنفسه، فقد بدا أن الذكاء الاصطناعي التوليدي يوفر وقتًا رائعًا.
وبعد ساعتين أو ثلاث ساعات، كان من الواضح أن الكود لم يكن يكتشف الاصطدامات بشكل صحيح، لذلك كان على ريف أن يقضي ثلاث أو أربع ساعات في محاولة التعرف على الحالة الجذرية. اتضح أن الكود المكتوب بواسطة الذكاء الاصطناعي قد أدخل رمزًا أقل من الرمز حيث كان من المفترض أن يكون الرمز أكبر من الرمز.
“هذا خطأ مفاجئ حقًا. حتى في تصحيح الأخطاء، وصلت إلى هذا الأمر أخيرًا لأنني كنت أعتقد أنه من غير الممكن أن تكون هذه الوظيفة خاطئة بسبب ذلك [generated] يقول ريف: “الأمر برمته مرة واحدة”.
باعتباره واحدًا من أوائل مستخدمي Github Copilot، يقول ريف إن التكنولوجيا تسمح له بالتفكير بسرعة أعلى بكثير.
“إنه بالتأكيد يوفر الوقت، لكنه لا يتعلق بسرعة الكتابة. بدلاً من ذلك، يسمح لي بالتفكير في أجزاء ذات مستوى أعلى [and] يقول ريف: “تخطي الكثير من التفكير التفصيلي”.
أليكسي ديديك، رئيس [the] استخدم برنامج التميز الهندسي في EPAM Systems، المزود العالمي لخدمات التحول المدعومة بالهندسة الرقمية والسحابة والذكاء الاصطناعي، الذكاء الاصطناعي التوليدي لإنشاء نظام بلغة بايثون دون معرفة بايثون. (إنه في الواقع مطور جافا.)
“لن أكون قادرًا على القيام بذلك بدون الذكاء الاصطناعي التوليدي على المدى القصير. يقول ديديك: “كل هذا يتوقف على قابلية التطبيق، وكل هذا يتوقف على النظام”. “[W]عندما يكون هناك الكثير من التعليمات البرمجية القديمة، فإن قاعدة التعليمات البرمجية نفسها خاصة جدًا بالشركة، وبالتالي فإن النتائج ليست سحرية أو فورية، ولكن مع ذلك، [generative AI] هي تقنية قوية جدًا. إذا كانت آخر التحديثات لـ Gemini Pro، [introduces] 1 مليون رمز، ذلك [will] قم بزيادة السياق الذي يمكن أن يستخدمه LLM لفهم كيفية إنشاء التعليمات البرمجية المناسبة.
يستخدم EPAM الذكاء الاصطناعي التوليدي منذ طرحه لأول مرة ويشهدون تحسينات في الإنتاجية على المستوى الفردي، ولكن ليس كثيرًا على مستوى الفريق. في الواقع، نشرت الشركة مؤخرا ورقة بيضاء، استنادًا إلى مشاركة العميل، والتي توضح ما يجب على المؤسسات فعله لتحقيق النجاح في استخدام الذكاء الاصطناعي التوليدي.
يقول ديديك: “إذا كنت تتحدث إلى المهندسين، فإن الإنتاجية الفردية والأداء الفردي، نعم، هناك دفعة، ولكن كيفية تحويلها إلى أداء الفريق، وأداء المنتج، وأداء الشركة، وأداء الأعمال هو أكثر صعوبة بكثير”. “يمكن للذكاء الاصطناعي التوليدي إنشاء عناصر من التعليمات البرمجية، ولكن لا يزال يتعين عليك الحصول على SDLC كامل [in place] للتأكد من صحة الحل . ما زلنا بحاجة إلى التحقق من ذلك مقابل نطاق أوسع من المتطلبات مقابل مجموعة أكثر شمولاً من قصص المستخدمين، على سبيل المثال.
على الرغم من التبني السريع للذكاء الاصطناعي التوليدي داخل وخارج تكنولوجيا المعلومات، إلا أن الوقت لا يزال مبكرًا، لذلك يجب تحديد التوقعات التنظيمية وفقًا لذلك.
