生成 AI がソフトウェア開発を変える 10 の方法-AI-php.cn

#翻訳者| Chen Jun

##査読者| Chonglou

前世紀

90人々がソフトウェアプログラミングについて言及するとき、それは通常、エディタを選択し、コードをCVS またはにチェックインすることを意味しました。 SVN コードベースを作成し、そのコードを実行可能ファイルにコンパイルします。 Eclipse や Visual Studio (IDE ) などの対応する統合開発環境プログラミング、開発、文書化、構築、テスト、展開、その他のステップを完全なソフトウェア開発ライフサイクル (SDLC) に組み込むことができるため、開発者の作業効率が向上します。

生成 AI がソフトウェア開発を変える 10 の方法

近年、クラウドコンピューティングと

DevSecOps 自動化ツールが人気です。これにより、開発者の総合的な能力が向上し、より多くの企業がソフトウェアアプリケーションの開発、展開、保守を容易にできるようになります。

現在、生成 AI は次世代開発パラダイムシフトの触媒として機能し、企業がソフトウェアを作成および保守する方法を変え、新しい開発ツールとパラダイムをもたらすことを約束しています。この点で、多くの開発者は、AI によって私たちが知っているようなプログラミングスキルの消滅につながるのではないかと考え始めています。同時に、さまざまな企業の

IT リーダーも次のことを検討しています。AI は次の SDLC とにどのような影響を与えるでしょうか。 DevSecOps の開発に 10 年かかりますか?これら 2 つの質問について、私はあなたと一緒に以下の答えを見つけていきます。ジェネレーティブ AI ジェネレーティブ AI は新しいツールですか、それとも新しい開発方法ですか?

#プルミ

#CEOジョー・ダフィーは次のように考えています。「AI はプログラミングの自動化を強化し、企業の生産性と生産性を大幅に向上させ、それによって人間の業務の抽象化レベルを向上させますが、プログラミングを真に置き換えることはできません。」 Ashish Thomvest Ventures の責任者である Kakran 氏は、: 「生成 AI がソフトウェアデリバリーのライフサイクルを破壊している。」開発チームと DevOps チームの生産性が向上すると考えています。同時に、生成 AI の機能が向上し続けるにつれて、開発者の責任もそれに応じて調整されます。マティリオン同社の最高技術責任者エド・トンプソン

は次のように考えています。

# の現在の形式は実際に開発者の生産性を向上させ、これまでの忙しさを解消します。Copilots がプログラミングの世界を根本的に変えたと信じている人たちです。人々は開発者の仕事を誤解しています。それはコードを書くだけであり、現実世界の問題を解決することではありません。」では、生成的なソフトウェア開発の世界? 1.自然言語プロンプトに基づいて標準コードを生成天文学者

#Airflow エンジニアリングディレクターKaxil Naik は次のように考えています。 AI 支援の

Copilot は自然言語を関数コードに変換し、複雑なコードベースの理解を簡素化し、開発のベストプラクティスが確実に遵守されるようにします。プログラミング作業をより効率的にします。"StackOverflow の ##2023 year開発者調査によると、開発者の 70% が開発プロセスで AI ツールを使用している、または使用する予定であることがわかりました。開発に AI を使用した人の中で、82% 以上が AI を使用してソフトウェアコードを作成したことがあります。これらの数字は、開発者が従来のようにコードを記述し、既存のコードを再利用し、コンポーネントを構築する方法がパラダイムシフトを起こしていることを示すのに十分です。 2.

コード検証は開発者の重要な責任ですプログラミングをより簡単にするよりシンプルかつ効率的にするために、開発者は、生成されたコードのセキュリティ上の問題やパフォーマンス上の欠陥を回避するために、多くの時間を費やし、効率的なツールを使用してコードを検証するという重要な責任を負う必要があります。 Sonar の開発者関係担当ディレクター、ピーター・マッキー氏「AI は生産性を向上させるために使用されており、彼らには AI が生成するものを徹底的に検査する責任があります。」多くの場合、プログラムに従ってクリーニングを行うことで、継続的な検査と監視が確実に実行されるようになります。配送プロセス中。これにより、開発者は、手動で作成されたコードや AI で生成されたコードの潜在的なバグや脆弱性を修正する代わりに、新しいタスクにより多くの時間を費やすことができます。

McKee 氏は次のように付け加えました。「開発者が自動化を使用して AI 生成コードをスキャンおよび監視できなかった場合、修正が必要な後続のコードと技術的負債が指数関数的に増加することを意味します。 #3.大企業向けの新しい開発モデルになる生成式を使用する

AIツール開発コードが個々の開発チームに与える影響大企業では、何千ものアプリケーションツールと標準がサポートされています。開発者が記述するコードを減らして、より多くの作業を行うだけで済む場合、開発作業はどのようになるでしょうか。ジェネレーティブによって開発されたコードと統合された大企業の場合と同様#?

##Red Hat 開発ツールおよび戦略推進部門の Markus Eisele 氏は、次のように考えています。その結果、開発者間の認知の違いが増大することは言うまでもありません。「AI によって構築された一元的な開発ポータルは、開発チームによる簡単なアクセスを促進し、コラボレーションプロセスにおける摩擦を排除することで、チーム間のアプリケーションのベストプラクティスを実現します。これは、統合開発環境がコンピューターと同様のアセンブリプラットフォームに変わる可能性があることを意味します。」製造における支援設計 (

CAD

) または建設におけるビルディングインフォメーションモデリング (BIM)。焦点はカスタムコンポーネントの構築から移行します。既存のコンポーネントを組み立て、組み込みツールを活用して設計を検証します。4.プログラミング作業とコード供給の削減チェーンリスクの増加

生成 AI

を使用して開発されたコードのもう 1 つの影響は、ビジネスに関わることです。リーダーはどのように関連ポリシーを策定し、サプライチェーンコードの内容を監視するのでしょうか。エンタープライズアプリケーションに組み込まれています。これまで、企業が継続的に追跡する必要があるのは、オープンソースおよび商用ソフトウェアコンポーネントでした。将来的には、この新しい生成 AI 出力を追加する必要があるでしょう。

Sonatype の Live CTOIlkka Turunen は次のように考えています。 AIのサプライチェーンの維持管理において重要な役割を果たします。彼らは、日常業務における AI モデルの安全性、信頼性、および起源について、より厳格なレビューを実施する予定です。 AI リスク評価を実施し、AI モデルの部品表を適切に管理することで、企業は開発インフラストラクチャに適切な AI セキュリティと管理を確保する必要があります。

実際には、

SAST、DAST、その他のセキュリティおよびコード管理コードスキャンの自動化を改善し、開発者がコードをエンタープライズリソースライブラリに統合する前に、

生成 AI

の出力コードがセキュリティポリシーに準拠しているかどうかを検証できるツール。5.新しいモデルの統合の加速過去 10 年間で、

API

は #SaaS統合プラットフォーム、サービスとしての統合プラットフォーム (

iPaaS

) を通じて成長しました。 ) やその他のエコシステムテクノロジにより、開発者のコード統合能力は大幅に向上しました。それでも、信頼性とパフォーマンスを確保するために、開発者はデータフィールドをマッピングし、論理変換をプログラムするための多くの基本的な作業を行う必要があります。ジェネレーティブ AI、開発者は自然言語要件を備えた製品を構築でき、ビジュアルプロセスをコードなしで統合できます。Emmanuel Cassimatis、 SAP AI およびイノベーションチームで働く彼は、次のように考えています。開発ライフサイクルは常に細分化されています。 AI はさまざまなアプリケーションからデータをマイニングし、統一された統合レベルを達成することで、開発者間のコラボレーションを強化できます。 ”##

6.開発者は AI エージェントのマネージャーになります

ハニカム責任者製品マネージャーフィリップカーターは、生成 AI が開発者と品質保証 (QA) エンジニアの将来のタスクを変えると信じています。「将来的には、自然言語がより多くのコード生成と、生成されたコードを検証するためのテストをガイドするようになるでしょう。AI エージェントがほとんどの作業を行うことになり、開発者はこれらのエージェントが従うべきプログラミングの目標と制約を設定する必要があります。」

Carter は引き続き大胆に予測します。「AI エージェントは、実行中のプログラムの動作を分析し、未知の要因をチェックして、開発者の手の届かないタスクを実行できます。」したがって、開発者はシステムアーキテクチャ、非機能性、運用要件を高レベルの観点から定義して、生成 AI を導くことができます。自分で行うのではなく、コード開発と自動テスト。

7.AI は SDLC# の複数の段階に導入されています

##現在、Copilots と多くの生成 AI このツールは主にプログラミングに焦点を当てていますが、その新機能は SDLC の他の段階も変更します。 Gigster のプリンシパルソリューションエンジニアであるウンベルトモレイラ氏は、次のように考えています。たとえば、モデル A は要件に合わせて最適化でき、モデル B はコード開発用、モデル C は QA 用です。」

実際には、さまざまなツールのおかげで、より強力なテストが提供されます。コード変更に関するフィードバックをより迅速に提供できるため、生成 AI モデルへの移行は QA に一定の影響を与えています。 Descope の共同創設者 Gilad Shriki 氏は、「AI の台頭により、SDK からテスト、ドキュメントに至るまで、ソフトウェアエンジニアリングを取り巻くすべての側面が生成 AI によって支援されるようになるでしょう。開発担当者は、特定の AI 使用法での作業を文書化する必要さえあります」と述べています。

#8.Generative AI

開発の役割をセグメント化する

ソフトウェア開発における生成 AI の役割は、現在の従来の人間の開発機能から分離される可能性があります。言い換えれば、マシンが果たすさまざまなコードジェネレーター、コンパイラー、その他の開発セグメントの役割が徐々に現れることになります。

Chainguard#Dustin Kirkland

は次のように考えています。「人間の開発者に加えて、従来のコード開発でおなじみのパースペクティブですが、別の隠れたパースペクティブが現れます。このパースペクティブは人間には読みにくいですが、AI が実行するコンパイラーとインタプリタによって完全に理解できます。このコードの中間層は、別のパースペクティブとして機能します。しかし、AI 自体のセキュリティ識別機能が正確かつ効率的であるかどうかを疑問視する人もいます。

9.AI は開発プロセスの運用能力を向上させます

LaunchDarkly のデベロッパーエクスペリエンスディレクター Cody De Arkland

は、ソフトウェアの改善に役立つ

生成 AI と対話型学習の使用を提案しました。アプリケーションの信頼性と操作性のユースケース。 # 学習した内容に準拠し、設計標準を満たす Web アプリケーションコンポーネントを開発および生成する

開発者が新しい機能を作成したことを検出したら、対応する機能タグを作成します

##新しいソフトウェアの展開を開始します (
) と、問題が発見された場合にロールバックする機能
デプロイ後ではなくカスタマイズによって実行-run、QAもちろん、これらのユースケースには問題も伴います:
Generative AI どのような次世代開発と SRE

機能が有効化または強化されるか。

#10.企業が防御すべき AI リスク

##生成 AI が SDLC 全体にさらに深く関わるようになると、次のような新しい疑問が生じる可能性があります。

生成 AI知的財産権 (コードとデータを含む) などの潜在的なリスク。これを行うには、企業はメリットがリスクを上回るかどうかを検討する必要があります。

タブナインエコシステム事業開発担当副社長ブランドン・ユングは次のように考えています: モデルに入力されるデータ、特にデータのトレーニングセットでは、企業の最も貴重な資産 -- コードとデータを保護する AI モデルの評価と選択に時間と労力を費やします。

Generative AI を使用したソフトウェア開発はまだ初期段階にありますが、Generative AI アルゴリズム、およびこれらのアルゴリズムをサポートするツールが企業資産を保護するための保護手段を確立できるかどうかは、生成 AIソフトウェア自体の開発、テスト、展開、そしてメンテナンス能力。