ChatGPT veya GitHub Copilot gibi üretken yapay zeka araçlarından elde edilen büyük üretkenlik kazanım potansiyeline rağmen, CIO işleri aslında giderek daha karmaşık hale mi gelecek?
Java’dan Python’a kadar çok sayıda dilde istek üzerine kod üretmek artık mümkün. Zaten, yakın zamanda ankete katılan geliştiricilerin %95’i soruşturma Sourcegraph’tan Copilot, ChatGPT ve diğer AI araçlarını bu şekilde kullandığını iddia ediyor.
Ancak, otomatik olarak yeni kod oluşturmak, zaten karmaşık kod tabanlarını koruyan ve yüksek düzeyde uyum, hesap verebilirlik ve güvenlik gerektiren şirketlerde sorunun yalnızca bir kısmını çözer.
Kod çoğalması sorunu
Bu nedenle, yazılım işleriyle ilişkili güvenlik ve kalite güvence görevleri yakın zamanda ortadan kalkmayacak. “Programcılar ve yazılım mühendisleri için ChatGPT ve diğer harika dil modelleri, neredeyse her dilde kod oluşturmaya yardımcı oluyor” diyor. Andy Thurai, Constellation Research’te analist. “Ancak, üretilen kodun çoğu güvenlik açısından hassastır ve kurumsal sınıf kod için geçemeyebilir. Bu nedenle, yapay zeka kodlamayı hızlandırmaya yardımcı olabilirken, kodu analiz etmeye, güvenlik açıklarını bulmaya ve bunları düzeltmeye özen gösterilmelidir. AI satıcılarının öne sürdüğü üretkenlik artışının bir kısmı.”
Sonra kod çoğalması var.
Piyasaya sürüldüğünde uygulamaların edinilmesini kolaylaştırıyor gibi görünen bulut bilişimin gelişi, artık yönetilmesi gereken inanılmaz bir hizmet karmaşasıyla eş anlamlı. Ve bu, yazılım geliştirmede üretici yapay zekanın konuşlandırılmasına bir benzetme yapmak için kullanılabilir.
Daha hızlı kod teslimi ile daha yüksek beklentiler gelir
AI yoluyla kod üretmenin nispeten kolaylığı, sürekli genişleyen bir kod tabanına katkıda bulunacaktır. Sourcegraph anketinin yazarlarının “Büyük Kod” dediği şey. Ankette ankete katılan 500 geliştiricinin çoğunluğu, tüm bu yeni kodun yanı sıra kodun çoğalması ve teknik borca katkıda bulunma konusunda endişe duyuyor. Üretken yapay zekadan önce bile, on geliştiriciden yaklaşık sekizi, kod tabanlarının son üç yılda beş kat büyüdüğünü söyledi. Ve benzer sayıda geliştirici, başkaları tarafından oluşturulan mevcut kodu anlamakta zorlanıyor.
Programlamada üretken yapay zekanın üretkenlik beklentileri bu nedenle karışıktır.
Thurai, yazılımın bakımı ve desteklenmesiyle görevli BT ekipleri için yapay zekanın işleri karmaşıklaştırmaktan daha fazlasına yardımcı olabileceğini belirtiyor. “Yapay zeka olay müdahalesini, kalite yöneticilerini ve destek personelini de etkileyebilir” diyor. “Önceki olayları ortaya çıkarmak, sorunun nasıl çözüldüğünü anlamak ve bir daha olmaması için otomatikleştirmek mümkünse AI’yı kullanabilirler. AI ayrıca, sürekli uyarıları önlemek ve ilkel sorunları çözmek için saatler harcamaktan kaçınmak için bazı düzeltmelerin otomatikleştirilmesine yardımcı olabilir. Müşteri hizmetleri çalışanları için bu, hizmeti kendi ihtiyaçlarına göre özelleştirmeye yardımcı olabilir.”
Daha hızlı kod teslimi, aynı zamanda uygulamaların değişen ihtiyaçlara daha kolay uyum sağlamasını isteyen işletmelerin daha yüksek beklentilerini beraberinde getirir. “Model tabanlı bir yaklaşıma doğru ilerliyoruz ve eğer-o zaman-else kuralına dayalı kodlamadan uzaklaşıyoruz” diyor. Preeti Lobo, Apps Associates’te kurumsal entegrasyon ve otomasyon uygulama direktörü. “Günümüzde uygulamaların daha sezgisel olması ve herkes için genel bir deneyim sunmaktansa bireysel kullanıcı etrafında tasarlanması gerekiyor. Üretken yapay zeka zaten bu düzeyde bir özelleştirmeyi mümkün kılıyor ve gelecekte çoğu kod yapay zeka tarafından geliştirilecek.”
BT departmanı için yeni roller
Yine de, kaliteyi ve iş hedefleriyle uyumu sağlamak için kilit noktalarda insanlara ihtiyaç vardır. Preeti Lobo, “Geleneksel geliştiriciler, AI modelleri tarafından kullanılan eğitim verilerinin korunmasından ve tutarsızlıkların veya anormalliklerin gözden geçirilmesinden sorumlu olacak” diye ekliyor.
Yapay zeka destekli kod geliştirmenin yükselişi, CIO’ların işletme içinde daha geniş roller üstlenmesini de gerektiriyor. Preeti Lobo, “BT profesyonellerinin bir dizi yeni şapka giymesi beklenebilir” diyor.
Sorumluluklardaki bu artış, “etik yapay zeka eğitmeni, makine dili mühendisi, veri bilimcisi, yapay zeka stratejisti ve danışmanı ve kalite güvencesi” gibi rolleri de içeriyor. Ek olarak, teknoloji uzmanlarının “stratejik yapay zeka yol haritaları oluşturmanın yanı sıra veri yapılarındaki ve sonuçlardaki anormallikleri belirleme” ile ilgilenmesi gerekecek.
Üretken yapay zeka, doğal dil işlemeyi ön plana çıkarıyor
Lobo, üretken yapay zekanın doğal dil işlemeyi (NLP) de ön plana çıkardığını söylüyor. “Uzmanlar, Python, Java ve C++ gibi programlama dillerinde uzmanlaşmak için çabalamalı ve aşağıdakiler gibi kitaplıklar ve çerçeveler hakkında bilgi edinmelidir: Dizi, keras, Tensör Akışı, matplotlib Ve deniz doğumlu“, o ekler.
“Ancak dilbilimin yanı sıra analitik, problem çözme ve eleştirel düşünme becerilerini de geliştirmeye çalışmalılar. Bu tür beceriler, yapay zeka ile çalışırken temel bir faktör olan NLP dünyasında katlanarak yardımcı olabilir.”
Teknoloji uzmanları ayrıca başka bir rol üstlenirler: kendi uygulamalarının geliştirilmesinde ve devreye alınmasında daha fazla kişiye eşlik eder ve onları desteklerler. Thurai, “Geçmişte, olanaklar teknik kısıtlamalar veya BT hizmetlerinin sınırlamaları ile sınırlıydı” diye açıklıyor. “Bugün her şey mümkün. Herkes, herhangi bir işletmenin cirosunu veya kârını artırmanın bir yolunu bulabilir ve bu da yapay zeka kullanılarak uygulanabilir.”
Kaynak : “ZDNet.com”