在软件开发中驾驭生成式AI的角色

随着软件开发世界拥抱像亚马逊网络服务（AWS）的CodeWhisperer和GitHub的Copilot这样的生成式AI工具的潜力，组织建立明确定义的生成式AI政策变得越来越重要。这些政策不仅对于利用生产力效益至关重要，而且对于减轻与这些工具相关的潜在风险也至关重要。

生成式AI带来的生产力提升

生成式AI工具在提高开发人员生产力方面显示出巨大的潜力。然而，在没有适当指导的情况下采用这些工具可能会产生意想不到的后果。最近的研究，例如普渡大学研究人员在8月进行的一项研究，突出了生成式AI模型中的不准确之处。尽管如此，超过80%的财富500强公司正在使用这些工具，引发了关于代码质量和可靠性的问题。

一个显著的例子是三星，它无意中将对敏感内部源代码泄露到像ChatGPT这样的生成式AI工具中。这一事件导致该公司迅速全面禁止使用生成式AI助手。虽然这种反应在短期内看似合理，但它缺乏利用生成式AI潜力的长期愿景。

为了充分利用生成式AI工具的生产力潜力并避免公关困境，组织必须为其工程团队建立并传达清晰的生成式AI政策。在本期Tech Works中，我们探讨了早期采用生成式AI的工程领导如何指导组织制定有效的政策。

消费者与企业生成式AI工具

有许多可用的生成式AI工具，包括CodeWhisperer、Google的Bard、Meta AI的LLaMA、Copilot和OpenAI的ChatGPT。然而，像ChatGPT和Copilot这样的工具在工程团队中获得了显著的关注。选择使用哪种生成式AI工具取决于预期的用例。

像ChatGPT这样的消费者导向工具往往在不考虑其局限性的情况下使用，导致回答不准确。用户必须明确指示这些工具仅在确定时才提供答案，因为公共大型语言模型（LLM）被训练为即使缺乏准确信息也会提供响应。

在组织内部使用面向消费者的工具处理专有或关键任务可能会带来隐私和安全风险。因此，建议组织引导其工程师远离此类工具，转向更安全且面向企业的选项。

通过在组织特定需求的背景下训练生成式AI工具，可以显著增强其有效性。内部开发人员聊天机器人可以使用内部战略、流程和编码标准进行训练，从而产生更准确和具有上下文意识的响应。

生成式AI在生成代码片段、创建文档、导入库、生成线框、运行质量和安全扫描以及总结代码等任务中特别有价值。虽然这些输出可能并不总是准备好投入生产，但它们为开发人员提供了有价值的起点。

生成式AI在文档领域也提供了实质性的好处。内部文档通常已过时、难以访问，并且与软件开发工作流程脱节。生成式AI可以通过自动生成代码片段、维护文档以及协助进行上下文驱动搜索来帮助解决这些问题。

生成式AI与就业 

生成式AI并非旨在取代人类开发人员，而是为了增强他们的能力并简化重复性任务。它通过消除常规工作来提高生产力，使开发人员能够专注于更高价值的工作。

组织需要认识到生成式AI将长期存在，并且应该制定明确的生成式AI政策。这些政策应包括工程师的培训项目，以有效利用生成式AI工具，识别其优缺点，并坚持道德标准。

在生成式AI工具变得司空见惯的快速变化的格局中，拥抱这些技术并制定结构良好政策的组织可能会享受提高的生产力，并保持在软件开发的最前沿。