Navigare il ruolo dell'AI generativa nello sviluppo software

Mentre il mondo dello sviluppo software abbraccia il potenziale degli strumenti di AI generativa come CodeWhisperer di Amazon Web Services e Copilot di GitHub, diventa sempre più cruciale per le organizzazioni stabilire politiche ben definite per l'AI generativa. Queste politiche sono essenziali non solo per sfruttare i benefici di produttività, ma anche per mitigare i potenziali rischi associati a questi strumenti.

Aumento della produttività con l'AI generativa

Gli strumenti di AI generativa hanno mostrato una promessa immensa nel potenziare la produttività degli sviluppatori. Tuttavia, l'adozione di questi strumenti senza adeguate linee guida può avere conseguenze impreviste. Studi recenti, come uno condotto dai ricercatori della Purdue University ad agosto, hanno evidenziato inaccurati nei modelli di AI generativa. Nonostante ciò, più dell'80% delle aziende Fortune-500 sta utilizzando questi strumenti, sollevando domande sulla qualità e l'affidabilità del codice.

Un esempio notevole è Samsung, che ha subito una fuga involontaria di codice sorgente interno sensibile in uno strumento di AI generativa come ChatGPT. Questo incidente ha portato a un divieto rapido e ampio sull'uso di assistenti AI generativi all'interno dell'azienda. Sebbene una tale reazione possa sembrare ragionevole nel breve termine, manca di una visione a lungo termine per sfruttare il potenziale dell'AI generativa.

Per sfruttare appieno il potenziale di produttività degli strumenti di AI generativa evitando le trappole delle pubbliche relazioni, le organizzazioni devono stabilire e comunicare chiare politiche di AI generativa per i loro team di ingegneria. In questa edizione di Tech Works, esploriamo come la leadership ingegneristica che ha adottato l'AI generativa in anticipo possa guidare le organizzazioni nella creazione di politiche efficaci.

Strumenti di AI generativa consumer vs enterprise

Numerosi strumenti di AI generativa sono disponibili, tra cui CodeWhisperer, Bard di Google, LLaMA di Meta AI, Copilot e ChatGPT di OpenAI. Tuttavia, strumenti come ChatGPT e Copilot hanno guadagnato una trazione significativa all'interno dei team di ingegneria. La scelta di quale strumento di AI generativa utilizzare dipende dal caso d'uso previsto.

Gli strumenti focalizzati sul consumer come ChatGPT sono spesso utilizzati senza considerare le loro limitazioni, risultando in risposte inaccurate. Gli utenti devono istruire esplicitamente questi strumenti a fornire risposte solo quando sono sicuri, dato che i LLM pubblici sono addestrati a fornire risposte anche se mancano di informazioni accurate.

L'uso di strumenti orientati al consumer per attività proprietarie o critiche all'interno di un'organizzazione può presentare rischi per la privacy e la sicurezza. Pertanto, si consiglia alle organizzazioni di allontanare i loro ingegneri da tali strumenti e orientarli verso opzioni più sicure e orientate all'enterprise.

L'efficacia degli strumenti di AI generativa può essere significativamente migliorata addestrandoli nel contesto delle esigenze specifiche di un'organizzazione. I chatbot per sviluppatori interni possono essere addestrati su strategie interne, processi e standard di codifica, il che porta a risposte più accurate e consapevoli del contesto.

L'AI generativa è particolarmente preziosa per attività come la generazione di snippet di codice, la creazione di documentazione, l'importazione di librerie, la generazione di wireframe, l'esecuzione di scansioni di qualità e sicurezza e la sintesi del codice. Sebbene questi output non siano sempre pronti per la produzione, servono come punti di partenza preziosi per gli sviluppatori.

L'IA generativa offre inoltre sostanziali vantaggi nel campo della documentazione. La documentazione interna è spesso obsoleta, difficile da accedere e scollegata dal flusso di lavoro di sviluppo del software. L'IA generativa può aiutare rigenerando automaticamente frammenti di codice, mantenendo la documentazione e assistendo nelle ricerche basate sul contesto.

IA generativa nei lavori 

L'AI generativa non è destinata a sostituire gli sviluppatori umani, ma ad aumentare le loro capacità e a semplificare i compiti ripetitivi. Migliora la produttività rimuovendo il lavoro di routine, consentendo agli sviluppatori di concentrarsi su attività a valore più elevato.

Le organizzazioni devono riconoscere che l'IA generativa è qui per restare e dovrebbero avere politiche ben definite sull'IA generativa. Queste politiche dovrebbero includere programmi di formazione per gli ingegneri per utilizzare efficacemente gli strumenti di IA generativa, identificarne punti di forza e debolezza e mantenere standard etici.

In un panorama in rapida evoluzione in cui gli strumenti di IA generativa stanno diventando comuni, le organizzazioni che abbracciano queste tecnologie con politiche ben strutturate godranno probabilmente di una maggiore produttività e rimarranno in prima linea nello sviluppo del software.