Navegando el papel de la IA generativa en el desarrollo de software

A medida que el mundo del desarrollo de software abraza el potencial de herramientas de IA generativa como CodeWhisperer de Amazon Web Services y Copilot de GitHub, se vuelve cada vez más crucial que las organizaciones establezcan políticas de IA generativa bien definidas. Estas políticas son esenciales no solo para aprovechar los beneficios de productividad, sino también para mitigar los riesgos potenciales asociados con estas herramientas.

Impulso de productividad con IA generativa

Las herramientas de IA generativa han mostrado una inmensa promesa en el aumento de la productividad de los desarrolladores. Sin embargo, la adopción de estas herramientas sin las directrices adecuadas puede tener consecuencias no deseadas. Estudios recientes, como uno realizado por investigadores de la Universidad de Purdue en agosto, han destacado inexactitudes en los modelos de IA generativa. A pesar de esto, más del 80% de las empresas Fortune 500 están utilizando estas herramientas, lo que plantea preguntas sobre la calidad y fiabilidad del código.

Un ejemplo notable es Samsung, que sufrió una filtración inadvertida de código fuente interno sensible en una herramienta de IA generativa como ChatGPT. Este incidente provocó una prohibición rápida y exhaustiva del uso de asistentes de IA generativa dentro de la empresa. Aunque esta reacción puede parecer razonable a corto plazo, carece de una visión a largo plazo para aprovechar el potencial de la IA generativa.

Para aprovechar al máximo el potencial de productividad de las herramientas de IA generativa y evitar problemas de relaciones públicas, las organizaciones deben establecer y comunicar políticas claras de IA generativa para sus equipos de ingeniería. En esta edición de Tech Works, exploramos cómo el liderazgo de ingeniería que adoptó la IA generativa tempranamente puede guiar a las organizaciones en la creación de políticas efectivas.

Herramientas de IA generativa para consumidores vs. empresariales

Existen numerosas herramientas de IA generativa disponibles, incluyendo CodeWhisperer, Bard de Google, LLaMA de Meta AI, Copilot y ChatGPT de OpenAI. Sin embargo, herramientas como ChatGPT y Copilot han ganado una tracción significativa dentro de los equipos de ingeniería. La elección de qué herramienta de IA generativa utilizar depende del caso de uso previsto.

Las herramientas centradas en el consumidor, como ChatGPT, a menudo se utilizan sin considerar sus limitaciones, lo que resulta en respuestas inexactas. Los usuarios deben instruir explícitamente a estas herramientas para que proporcionen respuestas solo cuando estén seguras, dado que los LLM públicos están entrenados para proporcionar respuestas incluso si carecen de información precisa.

El uso de herramientas orientadas al consumidor para tareas propietarias o críticas dentro de una organización puede plantear riesgos de privacidad y seguridad. Por lo tanto, se aconseja a las organizaciones que desvíen a sus ingenieros de estas herramientas y las orienten hacia opciones más seguras y orientadas a la empresa.

La efectividad de las herramientas de IA generativa puede mejorarse significativamente entrenándolas dentro del contexto de las necesidades específicas de una organización. Los chatbots de desarrolladores internos pueden entrenarse con estrategias internas, procesos y estándares de codificación, lo que conduce a respuestas más precisas y conscientes del contexto.

La IA generativa es particularmente valiosa para tareas como generar fragmentos de código, crear documentación, importar bibliotecas, generar wireframes, ejecutar análisis de calidad y seguridad, y resumir código. Aunque estas salidas pueden no estar siempre listas para producción, sirven como puntos de partida valiosos para los desarrolladores.

La IA generativa también ofrece beneficios sustanciales en el ámbito de la documentación. La documentación interna a menudo está desactualizada, es difícil de acceder y está desacoplada del flujo de trabajo de desarrollo de software. La IA generativa puede ayudar regenerando automáticamente fragmentos de código, manteniendo la documentación y asistiendo en búsquedas basadas en el contexto.

IA generativa y empleo 

La IA generativa no está destinada a reemplazar a los desarrolladores humanos, sino a aumentar sus capacidades y agilizar las tareas repetitivas. Mejora la productividad al eliminar el trabajo rutinario, permitiendo que los desarrolladores se centren en actividades de mayor valor.

Las organizaciones deben reconocer que la IA generativa ha llegado para quedarse y deben tener políticas bien definidas de IA generativa en su lugar. Estas políticas deben incluir programas de capacitación para ingenieros para utilizar eficazmente las herramientas de IA generativa, identificar sus fortalezas y debilidades, y mantener estándares éticos.

En un panorama en rápida evolución donde las herramientas de IA generativa se están volviendo comunes, las organizaciones que adopten estas tecnologías con políticas bien estructuradas probablemente disfrutarán de una mayor productividad y se mantendrán a la vanguardia del desarrollo de software.