التعامل مع دور الذكاء الاصطناعي التوليدي في تطوير البرمجيات

مع تبني عالم تطوير البرمجيات لإمكانيات أدوات الذكاء الاصطناعي التوليدي مثل CodeWhisperer من Amazon Web Services و Copilot من GitHub، يصبح من الضروري بشكل متزايد على المنظمات إنشاء سياسات واضحة للذكاء الاصطناعي التوليدي. هذه السياسات ضرورية ليس فقط للاستفادة من فوائد الإنتاجية ولكن أيضاً للتخفيف من المخاطر المحتملة المرتبطة بهذه الأدوات.

زيادة الإنتاجية مع الذكاء الاصطناعي التوليدي

أظهرت أدوات الذكاء الاصطناعي التوليدي وعداً هائلاً في تعزيز إنتاجية المبرمجين. ومع ذلك، يمكن أن يكون اعتماد هذه الأدوات دون إرشادات مناسبة له عواقب غير مقصودة. سلطت دراسات حديثة، مثل واحدة أجراها باحثون من جامعة Purdue في أغسطس، الضوء على عدم دقة نماذج الذكاء الاصطناعي التوليدي. على الرغم من ذلك، تستخدم أكثر من 80% من شركات Fortune-500 هذه الأدوات، مما يثير تساؤلات حول جودة الكود وموثوقيته.

مثال بارز هو شركة Samsung، التي واجهت تسرباً غير مقصود لكود مصدر داخلي حساس إلى أداة ذكاء اصطناعي توليدي مثل ChatGPT. أدى هذا الحادث إلى حظر سريع وشامل لاستخدام مساعدي الذكاء الاصطناعي التوليدي داخل الشركة. بينما قد يبدو مثل هذا رد الفعل معقولاً على المدى القصير، إلا أنه يفتقر إلى رؤية طويلة المدى للاستفادة من إمكانات الذكاء الاصطناعي التوليدي.

للاستفادة الكاملة من إمكانات الإنتاجية لأدوات الذكاء الاصطناعي التوليدي مع تجنب فخاخ العلاقات العامة، يجب على المنظمات إنشاء وإتاحة سياسات واضحة للذكاء الاصطناعي التوليدي لفرق الهندسة الخاصة بها. في هذا العدد من Tech Works، نستكشف كيف يمكن لقيادة الهندسة التي تبنت الذكاء الاصطناعي التوليدي مبكراً أن ترشد المنظمات في إنشاء سياسات فعالة.

أدوات الذكاء الاصطناعي التوليدي للمستهلكين مقابل المؤسسات

هناك العديد من أدوات الذكاء الاصطناعي التوليدي المتاحة، بما في ذلك CodeWhisperer، و Bard من Google، و LLaMA من Meta AI، و Copilot، و ChatGPT من OpenAI. ومع ذلك، اكتسبت أدوات مثل ChatGPT و Copilot زخماً كبيراً داخل فرق الهندسة. يعتمد اختيار أداة الذكاء الاصطناعي التوليدي للاستخدام على حالة الاستخدام المقصودة.

غالباً ما تُستخدم الأدوات الموجهة للمستهلكين مثل ChatGPT دون النظر في قيودها، مما يؤدي إلى استجابات غير دقيقة. يجب على المستخدمين تعليم هذه الأدوات صراحةً لتقديم الإجابات فقط عندما يكونون متأكدين، نظراً لأن نماذج اللغات الكبيرة العامة (LLMs) مدربة على تقديم استجابات حتى لو كانت تفتقر إلى معلومات دقيقة.

استخدام الأدوات الموجهة للمستهلكين للمهام الخاصة أو الحرجة داخل المنظمة يمكن أن يشكل مخاطر على الخصوصية والأمن. لذلك، يُنصح المنظمات بتوجيه مبرمجيها بعيداً عن مثل هذه الأدوات نحو خيارات أكثر أماناً وموجهة للمؤسسات.

يمكن تعزيز فعالية أدوات الذكاء الاصطناعي التوليدي بشكل كبير من خلال تدريبها في سياق احتياجات المنظمة المحددة. يمكن تدريب روبوتات الدردشة للمطورين الداخليين على استراتيجيات العمليات الداخلية ومعايير البرمجة، مما يؤدي إلى استجابات أكثر دقة ووعي بالسياق.

الذكاء الاصطناعي التوليدي قيم بشكل خاص للمهام مثل توليد مقتطفات الكود، وإنشاء الوثائق، واستيراد المكتبات، وتوليد النماذج الأولية (wireframes)، وتشغيل فحوصات الجودة والأمن، وتلخيص الكود. على الرغم من أن هذه المخرجات قد لا تكون جاهزة للإنتاج دائماً، إلا أنها تعمل كنقاط بداية قيمة للمطورين.

يقدم الذكاء الاصطناعي التوليدي أيضاً فوائد كبيرة في مجال الوثائق. غالباً ما تكون الوثائق الداخلية قديمة، وصعبة الوصول، ومنفصلة عن سير عمل تطوير البرمجيات. يمكن للذكاء الاصطناعي التوليدي المساعدة من خلال إعادة توليد مقتطفات الكود تلقائياً، والحفاظ على الوثائق، والمساعدة في البحث السياقي.

الذكاء الاصطناعي التوليدي والوظائف 

الذكاء الاصطناعي التوليدي ليس من المفترض أن يستبدل المبرمجين البشر بل لتعزيز قدراتهم وتبسيط المهام المتكررة. إنه يعزز الإنتاجية من خلال إزالة العمل الروتيني، مما يسمح للمبرمجين بالتركيز على الأنشطة ذات القيمة الأعلى.

تحتاج المنظمات إلى إدراك أن الذكاء الاصطناعي التوليدي قد جاء ليظل، ويجب أن تكون لديها سياسات واضحة للذكاء الاصطناعي التوليدي في مكانها. يجب أن تتضمن هذه البرامج التدريبية للمبرمجين للاستفادة الفعالة من أدوات الذكاء الاصطناعي التوليدي، وتحديد نقاط قوتها وضعفها، والالتزام بالمعايير الأخلاقية.

في مشهد سريع التطور حيث أصبحت أدوات الذكاء الاصطناعي التوليدي شائعة، من المرجح أن تستمتع المنظمات التي تتبنى هذه التقنيات بسياسات منظمة بزيادة الإنتاجية وتظل في طليعة تطوير البرمجيات.