AI助手革新软件开发 其中的挑战与机会

简介: AI助手革新软件开发 其中的挑战与机会

本文来源:企业网D1net


随着GenAI技术在代码编写方面的进步,软件开发团队的结构正在发生深刻变革,QA和初级开发人员的职位面临风险。AI助手能够生成高质量代码,使开发团队更加精简,以资深开发人员为核心,负责监督和优化AI生成的代码。企业通过AI工具实现开发流程的自动化和精益化,减少了初级开发者和产品经理的需求,转而依赖于跨职能团队和资深软件架构师,然而,这一趋势也带来了挑战,如培训下一代软件架构师的难题。尽管许多IT领导者认为AI助手将提升生产力,减少开发岗位的需求,但一些专家对此持怀疑态度,认为AI的实际效益可能被夸大。


随着AI在编写代码方面的能力越来越强,一些IT领导者认为,软件开发团队可能会缩减为仅由少数高级职位组成。


尽管早期的反馈结果好坏参半,但结论似乎已经显而易见:GenAI编码助手将重塑软件开发团队的组建方式,QA(质量保证)和初级开发人员的职位面临风险。


随着AI助手在代码编写方面的能力不断提升,一些IT领导者表示,CIO和开发负责人将会重新调整团队,重点放在AI专家和高级开发人员身上,由他们负责监督和优化AI生成的代码。


应用开发团队将变得更加精简,剩下的高级开发人员将专注于如何将产品需求最有效地转化为软件开发,Climate Tech Strategic Advisors的创始人、曾任Fermata Energy(一个车网互联应用提供商)开发团队负责人的Anna Demeo表示。


她指出,依赖AI编码助手的公司将减少对初级开发人员、实习生,甚至某些情况下对产品经理的招聘,因为这些角色将被AI取代。她说:“当你拥有一个庞大的团队时,总会有A类和B类员工,希望不会有C类员工,但现实中他们存在,AI在某种程度上使成为C类或B类员工变得更加困难。”


剩下的开发人员将需要具备批判性思维,能够理解业务需求,并能与产品专家、市场部门和其他员工一起跨职能合作。


开发人员的角色如同编辑


Demeo已经看到一些客户公司正在围绕AI重组他们的开发团队,由高级开发人员或软件架构师监督并调整AI生成的代码,她将这种角色变化比作出版小说的过程。


“程序员不再需要是写作者——他们是编辑,”她说,“这些高级开发人员必须理解内容是谁在阅读,在这种情况下,谁是客户,以及我们试图实现什么目标。”


未来的开发团队将由产品经理或业务分析师、UX设计师和软件架构师组成,软件架构师将使用AI工具生成原型,然后对代码进行调整,直到准备好发布,Copado的高级副总裁David Brooks补充道,Copado是Salesforce的DevOps平台提供商。


他预测,AI将接管其余的软件开发角色,包括安全和合规审查。


“某个时刻,目前的软件开发岗位将被淘汰,初级软件开发人员将是最先被取代的,”他补充道,“软件架构师将减少编码,更多地从事高层次的系统设计,并关注AI生成的解决方案。”


Brooks表示,前进的道路上会有一些波折,最大的挑战将是培训新一代的软件架构师——由于初级开发岗位减少,将不再有自然的晋升通道可以培养资深开发人员。


编码助手已经普及


目前尚不清楚开发团队的重组何时会达到临界点,但根据GitHub最近的一项调查,AI编码助手的使用已经在开发者中广泛普及,来自四个国家的97%以上的开发人员表示,他们在工作中使用了AI编码工具,这也强化了行业观察家们的观点,即编码助手是GenAI最受欢迎的应用之一。


GitHub报告称,截至1月底,已有130万用户使用了其Copilot编码助手,比上一财季增长了30%,截至7月底,已有超过77000个组织采用了Copilot,GitHub的母公司Microsoft表示。


与此同时,在线教育提供商Pluralsight的最新调查显示,大约四分之三的IT专业人士担心AI会让他们的技能变得过时。


一些观察人士认为,AI的影响将是长期的,许多开发团队将在未来几个月内加快步伐,充分利用AI。


Intellibus的创始人兼负责人Ed Watal表示,在未来一到两年内,开发团队实际上可能会变得更大,因为需要额外的导师来提高生产力,并在现有团队中培养AI提示工程技能。


但他补充道,从长远来看,开发团队可能会缩小,因为三名软件工程师将能够完成过去五到六个人的工作。


与此同时,传统的开发团队将被打破,更多的员工能够使用AI和低代码/无代码工具编写应用程序,Watal表示。


“他们有能力编写代码,尽管他们可能并不深入理解AI生成的代码是如何工作的。”他说。


尽管许多IT领导者预测AI编码助手最终将导致开发人员岗位的减少,但也有人质疑将大部分编程任务交给AI是否明智,一些开发负责人质疑使用AI同时编写和调试代码的合理性。


这些好处是否被夸大了?


Sauce Labs的首席测试策略师Marcus Merrell表示,一些企业可能高估了AI编码助手节省的时间,他认为,开发人员生产力可能提高30%,这是一个良好的开端,但并非根本性的变革。


“实际上我看到的是,团队认为他们会从这些工具中获得巨大的好处,因此他们过度投资于工具,过分依赖结构和流程的改变,或者在已经计划好的基础上,进一步削减员工数量,基于他们想象中从AI工具提供商那里获得的收益。”他补充道。


Merrell并不认为GenAI会取代开发人员的工作,相反,低代码/无代码工具的影响会更大。AI编码实验将继续取得适度成功,但最终,大型AI公司需要从他们的巨额投资中获得回报。


“我们将在未来两到三年内试图从这项技术中挤出生产力和‘魔法’,然后才慢慢承认这一切不过是个空壳游戏,”Merrell说,“我担心的是,我们会对这些工具产生依赖,而那些公司随后会开始收取运营这些模型的实际费用,这将对整个系统造成巨大冲击。”


版权声明:本文为企业网D1net编译,转载需在文章开头注明出处为:企业网D1net,如果不注明出处,企业网D1net将保留追究其法律责任的权利。


相关文章
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
1月前
|
传感器 机器学习/深度学习 人工智能
AI在智能制造中的革新应用与未来展望
【10月更文挑战第10天】AI在智能制造中的革新应用与未来展望
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
软件测试的未来:AI的崛起与质量保证的革新
在软件开发的世界中,测试一直是确保产品质量和用户满意度的关键步骤。随着人工智能技术的飞速发展,传统的软件测试方法正逐步被智能化工具所取代。本文将探讨AI如何重新定义软件测试流程、提升测试效率以及预测未来可能出现的挑战和机遇。
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
AI与未来医疗:技术的革新与挑战
随着科技的不断进步,人工智能(AI)在医疗领域的应用逐渐深入。本文探讨了AI在未来医疗中的潜力、面临的挑战以及其可能带来的伦理和社会影响。通过分析当前AI技术在医疗中的具体应用,如诊断、治疗和患者管理等方面,揭示其如何提高医疗服务的效率和准确性。同时,讨论了数据隐私、算法透明度等关键问题,强调了制定合理政策和规范的重要性。最后,提出了未来研究的方向和建议,以期为AI与医疗行业的深度融合提供参考。
54 1
|
9天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
【10月更文挑战第31天】2024年,AI大模型在软件开发领域的应用取得了显著进展,从自动化代码生成、智能代码审查到智能化测试,极大地提升了开发效率和代码质量。然而,技术挑战、伦理与安全问题以及模型可解释性仍是亟待解决的关键问题。开发者需不断学习和适应,以充分利用AI的优势。
|
9天前
|
人工智能 安全 测试技术
探索AI在软件开发中的应用:提升开发效率与质量
【10月更文挑战第31天】在快速发展的科技时代,人工智能(AI)已成为软件开发领域的重要组成部分。本文探讨了AI在代码生成、缺陷预测、自动化测试、性能优化和CI/CD中的应用,以及这些应用如何提升开发效率和产品质量。同时,文章也讨论了数据隐私、模型可解释性和技术更新等挑战。
|
9天前
|
机器学习/深度学习 人工智能 测试技术
革命来临:AI如何彻底颠覆传统软件开发的每一个环节
【10月更文挑战第32天】本文探讨了AI技术如何重塑软件开发行业,从需求分析、设计、编码、测试到项目管理,AI的应用不仅提高了开发效率,还提升了软件质量和用户体验。通过对比传统方法与AI驱动的新方法,展示了AI在各个阶段的具体应用和优势。
24 3
AI销售管理软件开发,AI 销售助手:复制销冠能力的神奇利器
在商业竞争激烈的今天,如何将销冠的能力复制给普通销售人员是许多公司的梦想。如今,“AI 销售助手” 通过多维度分析客户痛点,精准生成客户画像,帮助销售人员量身定制销售方案,显著提升成交率,使普通销售人员也能成为销售冠军,为企业创造巨大价值。
|
18天前
|
机器学习/深度学习 人工智能 监控
探索 AI 在软件开发中的新角色:代码审查与质量保证
【10月更文挑战第22天】本文探讨了AI在软件开发中的新角色,特别是在代码审查和质量保证方面。AI通过静态代码分析、代码风格一致性检查和历史数据学习,提高代码审查的效率和准确性。在质量保证中,AI还能够自动生成测试用例、监控应用性能并持续优化。文章还讨论了AI在软件开发中的实践应用、挑战与机遇,以及实施的最佳实践。
|
15天前
|
机器学习/深度学习 人工智能 测试技术
探索AI在软件开发中的应用:提升效率与创新
【10月更文挑战第25天】本文探讨了AI在软件开发中的应用,包括自动化测试、代码生成与优化、智能项目管理等方面,介绍了TensorFlow、PyTorch和GitHub Copilot等实用工具,展望了AI在未来的潜力,并强调了AI对提升开发效率和创新能力的重要性。