Mark Andreage가 말했을 때, “소프트웨어 팻웨어는 세상을 먹고있다”고 일부 사람들은 소프트웨어 FTware가 AI에 의해 작성된 다음 다시 쓰일 것이라고 상상했다. 오늘날 AI를 만드는 방법을 높이지만, 잘 만드는 방법은 필요하지 않습니다. 그것이 새로운 유형의 기술 부채가 시작되는 곳입니다.
2024 년에 개발자는 사용 가능한 최고의 AI 도구를 사용하여 2,500 억 개 이상의 코드를 만들었습니다. 그 숫자는 올해 두 배가 될 것입니다. Microsoft는 최근 코드의 30%가 AI에 의해 작성되고 성장하고 있다고 언급했다. 그것은 몇 년 전에 상상되지 않은 한 속도로 개발자들이 한 속도로 글을 쓰고, 테스트하고, 코드를 작성하는 데 도움이되고 있습니다.
이 생산성의 붐 아래의 불편한 진실은 다음과 같습니다. AI는 단순히 기술 부채를 해결하는 것이 아니라 규모로 만듭니다.
Turintech의 창립자 및 CEO.
분위기 코딩 : 빠르고 액체이지만 가득합니다
우리는 “Vibe Coding”의 시대에 들어갔다. 개발자들은 LLM, 스캔 지침 및 스티치를 사용하여 작업 솔루션과 함께 스티치를 요청했습니다. 종종 후드 아래에있는 내용을 완전히 이해하지 못했습니다. 빠르고 마찰이 없지만 위험하게 불투명합니다.
이 새로운 종류의 코드는 기능적으로 보일 수 있지만 종종 생산에 실패합니다. 건축 계획, 런타임 벤치 마크 및 엄격한 테스트와 같은 주요 엔지니어링 지점은 종종 무시되거나 지연됩니다.
결과 : 통제되지 않은 비 실적 코드 홍수 엔터프라이즈 시스템의 물결. Jaini는 단순한 생산성 도구가 아닙니다. 새로운 추상화 계층으로, 친숙한 위험을 제시 할 때 엔지니어링의 복잡성을 숨 깁니다.
AI는 빚을 모순합니다
풍자는 AI 레거시가 기술 부채에 대처하는 데 도움이된다는 것입니다. 구 코드를 정리하고, 부정확성을 표시하고, 현대화를 촉진합니다. 그런 의미에서 그는 귀중한 파트너입니다.
그러나 모순이 있습니다. AI가 오래된 문제를 해결함에 따라 새로운 문제가 발생합니다.
많은 모델에는 엔터프라이즈 참조가 부족합니다. 그들은 인프라, 규정 준수 또는 비즈니스 논리에 대한 설명이 아닙니다. 그들은 실제 영향에 대한 논리를 할 수 없으며 요청 될 때까지 출력을 거의 검증하지 않으며, 적용 할 시간이나 툴링을 가진 개발자는 거의 없습니다.
결과? 숨겨진 실격, 발기 계산 소비, 휘발성 코드 경로 및 취성 통합의 새로운 물결 – 모든 속도로 분포됩니다.
생산성은 충분하지 않습니다. Sattling은 새로운 표준입니다
배송 코드는 에지를 신속하게 보장하지 않습니다. 이제 중요한 것은 생존력입니다. 시간이 지남에 따라 코드 규모, 적응 및 생존 할 수 있습니까?
매우 생식기 출력은 0에서 무엇이든가는 데 중점을 둡니다. 엔터프라이즈 코드는 압력, 규모 및 숨겨진 비용과 관련하여 작동해야합니다. 팀은 순도뿐만 아니라 영향을 줄 수있는 시스템이 필요합니다. 이는 급여 생성 속도에 있어도 엔지니어링의 강성을 다시 표현한다는 것을 의미합니다.
퍼팅은 새로운 벤치 마크가되었습니다. 그리고 그는 빠른 코드에서 맞춤 코드로의 사고 방식의 변화를 요구합니다.
엔지니어링 기초로 돌아갑니다
이러한 변화는 조용한 데이터 수익을 요구할 것입니다. LLMS는 자연어에서 코드를 생성 할 때 코드가 생산 준비가되었는지 여부를 결정하는 신념, 테스트 및 벤치마킹입니다.
엔지니어는 출력을 평가하고 정제에 지속적으로 초점을 맞춘 스코어링 모델, 장애물을 참조하고, 장애물을 참조하십시오. 기업은 삶만으로는 충분하지 않다는 것을 이해하고 있습니다. 속도와 규모에 대한 실제 – 월드 테스트를 위해 AI 출력을 제출하는 시스템이 필요합니다.
AI-Panded Software Fatware 개발의 새로운 분야
Jinnie는 소프트웨어 FTWare를 생산하는 방법을 변경했지만 검증 방법을 변경했습니다. 우리는 더 빠른 코드 이상을 요구하는 새로운 단계에 들어가고 있습니다. 경쟁 목표, 전시회, 비용, 유지 보수 및 확장 성의 출력을 평가하는 방법이 있으며 테스트 사례뿐만 아니라 실제 세계에 적합한 것을 결정합니다.
이것은 더 나은 묻지 않거나 이전 데이터가 플레이 북으로 돌아 가지 않습니다. 시스템이 스코어링, 벤치마킹, 인간 반응 및 통계적 논리를 통합하여 생존 가능성을 향한 출력을 안내하는 새로운 유형의 AI-Native 엔지니어링입니다.
척도에서 AI 출력을 개발, 테스트 및 정화하는 능력은 다음 혁신의 물결을 정의합니다.
위험에 처해 있습니다
이러한 변화를 피하는 것은 가격이 저렴합니다. 높은 클라우드 청구서, 생산의 불안정한 코드 및 작업 및 디버깅으로 인한 전달이 느려집니다. 최악의 경우, 혁신은 팀의 아이디어가 부족하지 않지만 AI 생성 실격에 묻혔기 때문에 속도가 느려집니다.
소프트웨어 팻웨어 개발에서 AI의 모든 이점을 얻으려면 VIBS를 넘어서 생존력에 중점을 두어야합니다. 미래는 더 빨리 생산하고 검증 할 수있는 사람들에게 속합니다. 성공적인 팀은 AI가 생산할 수있는 것뿐만 아니라 직무에 적합한 지에 대한 전문가의 판단을 사용하여 Ai-Helped 출력을 엔지니어링 등급 검증으로 심문합니다.
코딩을위한 최고의 대형 언어 모델 (LLM)을 나열합니다.
이 기사는 Meiladarpro의 전문 Insights Channel의 일부로 만들어졌으며 오늘날 기술 산업에서 최고의 마음을 포함하고 있습니다. 여기에 표현 된 견해는 저자의 견해이며 Hilladrapro 또는 Future Plc를 가질 필요는 없습니다. 더 많은 것을 찾는 데 관심이 있다면 여기에서 :
