Роль генеративного ИИ в разработке программного обеспечения

По мере того как мир разработки программного обеспечения использует потенциал инструментов генеративного ИИ, таких как CodeWhisperer от Amazon Web Services и Copilot от GitHub, организациям становится все более важным устанавливать четко определенные политики в отношении генеративного ИИ. Эти политики необходимы не только для использования преимуществ производительности, но и для снижения потенциальных рисков, связанных с этими инструментами.

Повышение производительности с помощью генеративного ИИ

Инструменты генеративного ИИ показали огромный потенциал в повышении производительности разработчиков. Однако внедрение этих инструментов без надлежащих руководящих принципов может иметь непредвиденные последствия. Недавние исследования, такие как одно из исследований, проведенных исследователями Университета Пердью в августе, выявили неточности в моделях генеративного ИИ. Несмотря на это, более 80% компаний из списка Fortune 500 используют эти инструменты, что вызывает вопросы о качестве и надежности кода.

Заметным примером является Samsung, которая столкнулась с непреднамеренной утечкой конфиденциального внутреннего исходного кода в инструмент генеративного ИИ, такой как ChatGPT. Этот инцидент привел к быстрому и всеобъемлющему запрету на использование генеративных ИИ-ассистентов внутри компании. Хотя такая реакция может показаться разумной в краткосрочной перспективе, она не имеет долгосрочного видения использования потенциала генеративного ИИ.

Чтобы в полной мере использовать продуктивный потенциал инструментов генеративного ИИ и избежать проблем с репутацией, организациям необходимо разработать и довести до сведения инженерных команд четкую политику в отношении генеративного ИИ. В этом выпуске Tech Works мы рассмотрим, как руководство инженерных подразделений, рано внедрившее генеративный ИИ, может направлять организации в создании эффективных политик.

Потребительские и корпоративные инструменты генеративного ИИ

Существует множество инструментов генеративного ИИ, включая CodeWhisperer, Bard от Google, LLaMA от Meta AI, Copilot и ChatGPT от OpenAI. Однако такие инструменты, как ChatGPT и Copilot, получили широкое распространение в инженерных командах. Выбор конкретного инструмента генеративного ИИ зависит от предполагаемого сценария использования.

Потребительские инструменты, такие как ChatGPT, часто используются без учета их ограничений, что приводит к неточным ответам. Пользователям необходимо явно указывать этим инструментам предоставлять ответы только в том случае, если они уверены в их достоверности, поскольку публичные большие языковые модели (LLM) обучены давать ответы даже при отсутствии точной информации.

Использование инструментов, ориентированных на конечных пользователей, для проприетарных или критически важных задач в организации может создавать риски для конфиденциальности и безопасности. Поэтому организациям рекомендуется отговаривать своих инженеров от использования таких инструментов и направлять их в сторону более безопасных и корпоративных решений.

Эффективность инструментов генеративного ИИ можно значительно повысить, обучая их в контексте конкретных потребностей организации. Внутренние чат-боты для разработчиков можно обучать на основе внутренних стратегий, процессов и стандартов кодирования, что приводит к более точным и учитывающим контекст ответам.

Генеративный ИИ особенно ценен для таких задач, как генерация фрагментов кода, создание документации, импорт библиотек, создание прототипов интерфейсов, запуск проверок качества и безопасности, а также суммирование кода. Хотя эти результаты не всегда готовы к использованию в продакшене, они служат ценной отправной точкой для разработчиков.

Генеративный ИИ также приносит значительную пользу в сфере документации. Внутренняя документация часто устаревает, к ней трудно получить доступ, и она отделена от рабочего процесса разработки программного обеспечения. Генеративный ИИ может помочь путем автоматической регенерации фрагментов кода, поддержания документации в актуальном состоянии и помощи в поиске с учетом контекста.

Генеративный ИИ на рабочих местах 

Генеративный ИИ не предназначен для замены человеческих разработчиков, а для расширения их возможностей и оптимизации рутинных задач. Он повышает производительность, устраняя рутинную работу, позволяя разработчикам сосредоточиться на деятельности с более высокой добавленной стоимостью.

Организации должны осознавать, что генеративный ИИ остается с нами надолго, и иметь четко определенные политики в отношении генеративного ИИ. Эти политики должны включать программы обучения для инженеров, чтобы они могли эффективно использовать инструменты генеративного ИИ, понимать их сильные и слабые стороны и соблюдать этические стандарты.

В быстро меняющейся среде, где инструменты генеративного ИИ становятся нормой, организации, которые внедряют эти технологии с хорошо структурированными политиками, вероятно, получат повышение производительности и останутся на переднем крае разработки программного обеспечения.