Cuando Mark Andresen dijo: “El software está comiendo el mundo”, algunos imaginaron que el software sería escrito, y luego re -escrito por AI. Hoy, la IA acelera cómo creamos, pero cómo hacemos bien no es necesariamente. Aquí es donde comienza un nuevo tipo de deuda técnica.
En 2024, los desarrolladores usan las mejores herramientas de IA disponibles para crear 256 mil millones de líneas de líneas. Es probable que este número se duplique este año. Genny se ha vuelto esencial, Microsoft señaló recientemente que el 30% de su código está escrito por la IA y creciendo. Está ayudando a los desarrolladores a escribir a una velocidad, probar y escribir un código de refactorización que fuera inimaginable hace unos años.
La parte inferior de este auge de la productividad es un hecho incómodo: la IA no es simplemente resolver la deuda técnica, sino que está creando una escala.
Fundador y CEO de Turintac.
Codificación de vibra: rápido, líquido, pero llena
Hemos entrado en la era de la “codificación de hermano”. Los desarrolladores solicitan un LLM, escanean sugerencias y cosen el solus que trabaja, a menudo sin comprender completamente lo que está debajo del capó. Es rápido y sin fricción, pero peligrosamente opaco.
Esta nueva raza de código puede parecer efectiva, pero a menudo no produce. Las ramas de ingeniería originales, como los planes arquitectónicos, los puntos de referencia de ruptura y las pruebas rígidas, a menudo se evitan o retrasan.
Resultados: El código inapropiado y no editado es una ola de sistemas de empresas de inundación. Genny no es solo un equipo de productividad. Esta es una nueva capa abstracta, oculta la complejidad de ingeniería al tiempo que introduce riesgos familiares.
Paradoja de la deuda tecnológica de IA o
Honestamente, AI Legacy Tech también está ayudando a lidiar con la deuda de la deuda: limpiar códigos antiguos, marcar ineficiencia y consolar la modernización. En ese sentido, este es un amigo valioso.
Sin embargo, aquí Paradox: AI resuelve viejos problemas, lo que lo hace nuevo.
Muchos modelos carecen del contexto empresarial. No tienen en cuenta la infraestructura, el consentimiento o la lógica comercial. No pueden discutir sobre el rendimiento del mundo real y rara vez legitiman las salidas si no están persuadidos, y algunos desarrolladores tienen tiempo o equipo para implementarlo.
El resultado? Ineficiencia oculta, uso de cálculos hinchados, rutas de código inestables y una nueva ola de integrificación frágil, suministrada a todas las velocidades.
La productividad no es suficiente: nuevo valor del rendimiento
El código de envío no garantiza ninguna ventaja adicional. Lo importante ahora es el rendimiento: ¿puede el código escalar, adaptarse y sobrevivir con el tiempo?
Demasiados resultados genitales se centra en pasar de cero a cualquier cosa. El código empresarial debe funcionar en el contexto, bajo presión, sin escala y gastos ocultos. Las partes necesitan sistemas que legalicen el rendimiento, no solo la corrección. Esto significa que la velocidad de la generación es reconstruir la dureza de la ingeniería.
El empleo se ha convertido en un nuevo punto de referencia. Y afirma ser transferido del código rápido para ajustar el código.
Una declaración en fundamentos de ingeniería
Este cambio solicita un retorno silencioso a los fundamentos de la ciencia de datos. Aunque el LLM crea código del lenguaje natural, determina la validez, las pruebas y la evaluación comparativa que determina si se produce el código.
Ingenieros indica, las restricciones relevantes, los modelos de puntuación tienen un nuevo enfoque que evalúa los resultados y evalúa el refinamiento continuo. Las empresas se dan cuenta de que cantar solo no es suficiente: necesitan un sistema bajo salidas de IA para investigaciones del mundo real en su velocidad y escala.
Una nueva disciplina en el desarrollo del software con AI
Genny ha cambiado cómo producimos software, pero no cómo lo hacemos legal. Estamos entrando en una nueva etapa que exige más que el código más rápido. Lo que se necesita ahora son los objetivos competitivos (rendimiento, costo, mantenimiento y calificabilidad, una forma de evaluar los resultados y no solo en el examen, sino no solo en el examen, lo que es lo correcto para el mundo real.
No es solo volver a los mejores o antiguos libros de jugadas de ciencias de datos. Es un nuevo tipo de ingeniería nativa de AI, donde los sistemas integran el razonamiento estadístico para guiar los resultados hacia la puntuación, la evaluación comparativa, las reacciones humanitarias y el funcionamiento.
La escala definirá la próxima ola de capacidad de innovación para desarrollar, probar y refinar las salidas de IA en la escala.
Lo que está en riesgo
Este cambio es costoso de ignorar: facturas de nubes más altas, códigos inestables en la producción y la distribución lenta debido al trabajo y la depuración. Después de todo, la innovación es lenta porque las partes no carecen de ideas, pero han sido enterradas bajo la ineficiencia expuesta a la AI.
Para beneficiarnos completamente de la IA en el desarrollo del software, debemos ir más allá de las vibraciones y concentrarnos en la funcionalidad. El futuro puede generar aquellos que les pertenecen rápidamente y darles validación rápidamente. Los equipos que tienen éxito interrogarán sus resultados de Help de AI con investigaciones de grado de ingeniería, no solo lo que AI puede crear, sino que use su juicio experto sobre si es adecuado para el trabajo.
Escuchamos los mejores modelos de idiomas grandes (LLM) para la codificación.
Este artículo fue producido como parte del canal de Insight Specialist TechRaderPro, donde somos la mejor y brillante mente brillante en la industria de la tecnología. Las opiniones publicadas aquí están en el autor y no son esenciales para TechroderPro o Future PLC. Si está interesado en contribuir, busque más aquí:
