Die Rolle der generativen KI in der Softwareentwicklung navigieren

Während die Welt der Softwareentwicklung das Potenzial generativer KI-Tools wie Amazon Web Services’ CodeWhisperer und GitHub’s Copilot nutzt, wird es für Organisationen zunehmend wichtig, klar definierte Richtlinien für generative KI zu etablieren. Diese Richtlinien sind nicht nur unerlässlich, um die Produktivitätsvorteile zu nutzen, sondern auch, um die potenziellen Risiken, die mit diesen Tools verbunden sind, zu minimieren.

Produktivitätssteigerung mit generativer KI

Generative KI-Tools haben großes Potenzial gezeigt, die Produktivität von Entwicklern zu steigern. Die Einführung dieser Tools ohne angemessene Richtlinien kann jedoch unbeabsichtigte Folgen haben. Jüngste Studien, wie eine im August von Forschern der Purdue University durchgeführte, haben Ungenauigkeiten in generativen KI-Modellen hervorgehoben. Trotz dessen nutzen mehr als 80 % der Fortune-500-Unternehmen diese Tools, was Fragen zur Codequalität und Zuverlässigkeit aufwirft.

Ein bemerkenswertes Beispiel ist Samsung, das unbeabsichtigt sensible interne Quellcode in ein generatives KI-Tool wie ChatGPT geleckt hat. Dieser Vorfall führte zu einem schnellen und weitreichenden Verbot der Nutzung generativer KI-Assistenten innerhalb des Unternehmens. Während eine solche Reaktion kurzfristig vernünftig erscheinen mag, fehlt ihr eine langfristige Vision zur Nutzung des Potenzials von generativer KI.

Um das Produktivitätspotenzial generativer KI-Tools voll auszuschöpfen und PR-Fallen zu vermeiden, müssen Organisationen klare Richtlinien für generative KI für ihre Engineering-Teams etablieren und kommunizieren. In dieser Ausgabe von Tech Works untersuchen wir, wie Engineering-Führungskräfte, die generative KI frühzeitig übernommen haben, Organisationen bei der Erstellung effektiver Richtlinien anleiten können.

Consumer- vs. Enterprise-generative KI-Tools

Es stehen zahlreiche generative KI-Tools zur Verfügung, darunter CodeWhisperer, Googles Bard, Meta AIs LLaMA, Copilot und OpenAIs ChatGPT. Tools wie ChatGPT und Copilot haben jedoch innerhalb von Engineering-Teams erhebliche Popularität erlangt. Die Wahl des zu verwendenden generativen KI-Tools hängt vom beabsichtigten Anwendungsfall ab.

Consumer-fokussierte Tools wie ChatGPT werden oft ohne Berücksichtigung ihrer Einschränkungen verwendet, was zu ungenauen Antworten führt. Benutzer müssen diese Tools explizit anweisen, nur dann Antworten zu geben, wenn sie sicher sind, da öffentliche LLMs darauf trainiert sind, Antworten zu liefern, auch wenn ihnen genaue Informationen fehlen.

Die Verwendung von Consumer-Tools für proprietäre oder kritische Aufgaben innerhalb einer Organisation kann Datenschutz- und Sicherheitsrisiken bergen. Daher wird Organisationen geraten, ihre Ingenieure von solchen Tools fernzuhalten und sie zu sichereren und unternehmensorientierteren Optionen zu lenken.

Die Effektivität generativer KI-Tools kann erheblich gesteigert werden, indem sie im Kontext der spezifischen Bedürfnisse einer Organisation geschult werden. Interne Entwickler-Chatbots können auf interne Strategien, Prozesse und Coding-Standards trainiert werden, was zu genaueren und kontextbewussteren Antworten führt.

Generative KI ist besonders wertvoll für Aufgaben wie das Generieren von Code-Snippets, das Erstellen von Dokumentation, das Importieren von Bibliotheken, das Generieren von Wireframes, das Ausführen von Qualitäts- und Sicherheitsscans sowie das Zusammenfassen von Code. Während diese Ausgaben nicht immer produktionsreif sind, dienen sie als wertvolle Ausgangspunkte für Entwickler.

Generative KI bietet auch im Bereich der Dokumentation erhebliche Vorteile. Interne Dokumentationen sind oft veraltet, schwer zugänglich und entkoppelt vom Workflow der Softwareentwicklung. Generative KI kann helfen, indem sie Code-Snippets automatisch neu generiert, die Dokumentation pflegt und bei kontextbezogenen Suchen unterstützt.

Generative KI bei Jobs 

Generative KI ist nicht dazu gedacht, menschliche Entwickler zu ersetzen, sondern ihre Fähigkeiten zu erweitern und repetitive Aufgaben zu vereinfachen. Sie steigert die Produktivität, indem sie Routinearbeit entfernt, sodass sich Entwickler auf höherwertige Aktivitäten konzentrieren können.

Organisationen müssen erkennen, dass generative KI hier ist, um zu bleiben, und sollten klar definierte Richtlinien für generative KI etablieren. Diese Richtlinien sollten Schulungsprogramme für Ingenieure umfassen, um generative KI-Tools effektiv zu nutzen, ihre Stärken und Schwächen zu identifizieren und ethische Standards einzuhalten.

In einer sich schnell wandelnden Landschaft, in der generative KI-Tools alltäglich werden, werden Organisationen, die diese Technologien mit gut strukturierten Richtlinien annehmen, wahrscheinlich eine gesteigerte Produktivität genießen und an der Spitze der Softwareentwicklung bleiben.