यही कारण है कि आधे डेवलपर्स जल्द ही एआई-संवर्धित सॉफ़्टवेयर का उपयोग करेंगे

गार्टनर रिसर्च के एक नए अध्ययन के अनुसार, सॉफ्टवेयर के निर्माण, परीक्षण और संचालन में सहायता के लिए जेनरेटिव आर्टिफिशियल इंटेलिजेंस (जेनएआई) उपकरण 2027 तक सभी एंटरप्राइज़ सॉफ्टवेयर इंजीनियरों में से आधे द्वारा अपनाए जाने की उम्मीद है।

आज, केवल लगभग 5% एंटरप्राइज़ सॉफ़्टवेयर इंजीनियर कोडिंग में सहायता के लिए जेनएआई टूल का उपयोग करते हैं। अध्ययन में पाया गया कि यह संख्या तेजी से बढ़ने की संभावना है क्योंकि सॉफ्टवेयर की मांग अधिकांश संगठनों की क्षमता से अधिक है, मौजूदा डेवलपर्स अधिकतम हो गए हैं, वे पर्याप्त तेजी से सुविधाओं का निर्माण करने में असमर्थ हैं, और वे अपने काम से कम संतुष्ट हैं।

बड़े भाषा मॉडल (एलएलएम) जैसे गिटहब कोपायलट, रेप्लिट घोस्टराइटर और अमेज़ॅन कोडव्हिस्परर पर आधारित एआई-आधारित कोड जनरेशन उत्पाद जटिल सुझाव उत्पन्न कर सकते हैं जिसके परिणामस्वरूप डेवलपर उत्पादकता में उल्लेखनीय वृद्धि हो सकती है। लेकिन, वे उपकरण किसी भी तरह से मानव सॉफ्टवेयर डेवलपर्स और इंजीनियरों की आवश्यकता को खत्म नहीं करते हैं क्योंकि जेनएआई अभी भी त्रुटियां उत्पन्न कर सकता है और अद्वितीय कोड बनाने में असमर्थ है।

जैसा कि कहा गया है, दो वर्षों के भीतर, 80% सॉफ्टवेयर इंजीनियरिंग संगठनों से एप्लिकेशन डिलीवरी के लिए पुन: प्रयोज्य सेवाओं, घटकों और उपकरणों के आंतरिक प्रदाता के रूप में प्लेटफ़ॉर्म टीमों की स्थापना करने की उम्मीद है।

अनुसंधान फर्म आईडीसी के अनुसार, कोड निर्माण के लिए जेनएआई के साथ उद्यम प्रयोग पाठ पीढ़ी के लिए इसके उपयोग के बाद दूसरे स्थान पर है।

आईडीसी

सिस्को सीआईओ फ्लेचर प्रेविन ने कहा है कि जिन स्थानों पर उन्होंने एआई को छूने की कभी उम्मीद नहीं की थी उनमें से एक सॉफ्टवेयर विकास था, जिसे वह एक कला के रूप में देखते हैं जिसके लिए अद्वितीय रचनात्मक क्षमताओं की आवश्यकता होती है। हालाँकि, ChatGPT ऐसे कोड बनाने में माहिर है जो कॉर्पोरेट डेटा स्वच्छता और सुरक्षा को संबोधित करता है और यह नए ऐप्स बनाने के लिए कोड का पुन: उपयोग कर सकता है।

ए माइक्रोसॉफ्ट द्वारा 2022 का अध्ययन GitHub में चेक किए जा रहे सभी कोडों में से आधे से अधिक को इसके विकास में AI द्वारा सहायता प्रदान की गई थी। यह संख्या बढ़ने की उम्मीद है सभी कोड का 80% GitHub में चेक किया गया GitHub के सीईओ थॉमस डोहमके के अनुसार, अगले पांच वर्षों के भीतर।

“…ऐतिहासिक रूप से सॉफ़्टवेयर विकास समयसीमा को संपीड़ित करने का कोई तरीका नहीं था,” प्रीविन ने एक पूर्व साक्षात्कार में कहा था। “अब, यह पता चला है कि आप कोड रीडिंग, कोड स्वच्छता, सुरक्षा, टिप्पणी के लिए कोपायलट जैसी चीजों में डेवलपर्स की मदद करके वेग में महत्वपूर्ण तेजी ला सकते हैं; यह वास्तव में उन चीज़ों में अच्छा है।”

कई अध्ययनों के अनुसार, एआई कोडिंग सहायक त्वरक के रूप में उभर रहे हैं, जो डेवलपर उत्पादकता और खुशी को बढ़ा रहे हैं। गार्टनर के अनुसार, नियमित कार्यों को संभालकर, जेनएआई सहायक डेवलपर्स को उच्च-मूल्य वाली गतिविधियों पर ध्यान केंद्रित करने में सक्षम बनाते हैं, जो संगठनों को मौजूदा टीमों के साथ तेजी से अधिक सुविधाएँ प्रदान करने की अनुमति देता है।

एआई सहायक “नागरिक” डेवलपर्स की लगातार बदलती व्यावसायिक जरूरतों को पूरा करने के लिए जल्दी से ऐप बनाने की क्षमता को भी बढ़ावा देते हैं।

आईडीसी के अनुसार, एआई का उपयोग करने में सक्षम होना वर्तमान में सबसे महत्वपूर्ण तकनीकी कौशल के रूप में देखा जाता है।

आईडीसी

गार्टनर के वरिष्ठ प्रधान विश्लेषक फिलिप वॉल्श ने कहा कि तीन सॉफ्टवेयर विकास क्षेत्र हैं जहां गार्टनर जेनरेटिव एआई टूल्स का प्रभाव देख रहा है:

• एआई कोडिंग सहायता।
• एआई-संवर्धित परीक्षण उपकरण।
• डिज़ाइन-से-विकास उपकरण.

एआई कोडिंग सहायता उपकरण एक डेवलपर के एकीकृत विकास वातावरण में प्लग-इन के रूप में कार्य करते हैं और इसमें कोड पूरा करने या जो पहले से लिखा गया है उसे पूरा करने के लिए कोड के स्निपेट का सुझाव देने जैसी क्षमताएं शामिल होती हैं।

यूनिट परीक्षण और सॉफ़्टवेयर दस्तावेज़ तैयार करने में मदद के लिए डेवलपर्स एआई-आधारित कोडिंग सहायकों का भी उपयोग कर रहे हैं। टूल का उपयोग कोड के एक हिस्से को हाइलाइट करने के लिए भी किया जा सकता है और फिर, एक प्राकृतिक चैट इंटरफ़ेस का उपयोग करके, डेवलपर्स जो वे देख रहे हैं उसकी कार्यक्षमता को बेहतर ढंग से समझने और समझाने के लिए प्रश्न पूछ सकते हैं।

वॉल्श ने कहा, “हम जानते हैं कि डेवलपर्स अक्सर उस कोड को सुधारने या अपडेट करने पर काम कर रहे हैं जो उन्होंने नहीं लिखा है।” या यह एक विरासती एप्लिकेशन है जिसे बहुत से लोगों ने लंबे समय से नहीं छुआ है या समझ नहीं पाए हैं।”

एआई-संवर्धित सॉफ़्टवेयर विकास में एम्बेडेड प्राकृतिक भाषा प्रसंस्करण मनुष्यों को अंतर्निहित एलएलएम से बात करने और विचारों को आज़माने, कोडिंग के लिए उनके दृष्टिकोण पर विचार-मंथन करने और एक ढांचे के बारे में अनुस्मारक प्राप्त करने की अनुमति देता है, उदाहरण के लिए, हाल ही में उपयोग नहीं किया गया है। हालांकि यह एक ऐसा मूल्य है जिसे गुणात्मक मीट्रिक से मापना मुश्किल है, प्राकृतिक भाषा प्रसंस्करण डेवलपर उपयोगकर्ता अनुभव को मजबूत करता है।

फॉरेस्टर रिसर्च के अनुसार, एंटरप्राइज एआई पहल से अगले कुछ वर्षों में उत्पादकता और रचनात्मक समस्या-समाधान में 50% की वृद्धि होने की उम्मीद है। “पिछले एक दशक में कई निवेशों के आधार पर, जेनेरिक एआई आईटी संचालन में उत्पादकता बढ़ाने के लिए तैयार है। फॉरेस्टर ने एक हालिया रिपोर्ट में कहा, “मौजूदा परियोजनाएं पहले से ही सॉफ्टवेयर विकास कार्यों में 40% तक सुधार का हवाला देती हैं।”

पिछले साल, GitHub ने एक अध्ययन प्रकाशित किया यह दर्शाता है कि इसके कोपायलट टूल का उपयोग करने वाले 88% डेवलपर्स अधिक उत्पादक महसूस करते हैं, कार्यों को पूरा करने में तेज़ थे, और उत्तरों के लिए इंटरनेट पर खोज करने में कम समय (77%) खर्च करते थे।

“वे अधिक उत्पादक महसूस करेंगे। वे देखेंगे कि वे सामग्री में उतना बदलाव नहीं कर रहे हैं या स्टैक ओवरफ्लो या Google पर चीजों को उतना नहीं देख रहे हैं, ”वाल्श ने कहा। “एआई कोडिंग सहायक जो क्षमताएं लाते हैं उनमें डेवलपर भावना अपेक्षाकृत अधिक है।”

औसतन, बाज़ार में पहले वर्ष के भीतर, उपयोगकर्ता लगभग 30% कोड स्वीकार करते हैं GitHub Copilot के सुझाव। समय के साथ, स्वीकृति दर में लगातार वृद्धि हुई क्योंकि डेवलपर्स टूल से अधिक परिचित हो गए।

वॉल्श ने कहा, “यह एक संकेत है कि एक डेवलपर को टूल को संकेत देने और टूल को अधिक कुशलता से उपयोग करने की आदत हो जाती है।” “इसका दूसरा पहलू यह है कि 60%, 70%, या 80% सुझावों का उपयोग नहीं किया जा रहा है। इसलिए, लूप में एक इंसान का होना अभी भी यहां बिल्कुल जरूरी है।

जबकि जेनएआई-सहायता प्राप्त परीक्षण उपकरण, किसी संगठन की परीक्षण डेटा बनाने की क्षमता में सुधार करने और एपीआई परीक्षण और प्रतिगमन परीक्षण बनाने में मदद करने के लिए डिज़ाइन किए गए हैं, नए नहीं हैं; GenAI केवल मौजूदा उत्पादों में क्षमताएं जोड़ रहा है।

अंत में, AI-संवर्धित डिज़ाइन-टू-डेवलपमेंट टूल जैसे फिग्मा डेवलपर्स को डिज़ाइन को तेजी से कोड में अनुवाद करने और अनुप्रयोगों के लिए फ्रंट-एंड प्रेजेंटेशन परतें बनाने में सहायता करें।

लेकिन जेनएआई के साथ समस्याएँ उन कई स्थानों पर बनी हुई हैं जहाँ इसे तैनात किया गया है। उदाहरण के लिए, कोडिंग त्रुटियां, मतिभ्रम और सुरक्षा खामियां ऐसे उपकरणों को अपनाने पर नजर रखने वाले संगठनों के लिए निरंतर चिंताएं बनी हुई हैं।

वॉल्श ने कहा, “हम अपने सभी ग्राहकों को सलाह देते हैं कि इन चीजों को लेकर मतिभ्रम बिल्कुल वास्तविक है, लेकिन उस जोखिम को कैसे कम किया जाए, इस संबंध में हमारी सलाह में कोई बदलाव नहीं आया है।” “आपके समग्र DevOps वर्कफ़्लो के हिस्से के रूप में आपके पास पहले से ही विभिन्न गुणवत्ता और सुरक्षा स्कैनिंग उपकरण होने चाहिए, और आपके पास मजबूत कोड समीक्षा प्रथाएं होनी चाहिए जहां एक वरिष्ठ इंजीनियर विलय से पहले किसी भी चीज़ की समीक्षा करता है।”

एआई-संवर्द्धन उपकरण कितने अच्छे हैं, यह कोड की जटिलता और स्वामित्व पर निर्भर करता है। यदि यह बॉयलर-प्लेट कार्य है, जैसे जावास्क्रिप्ट का उपयोग करके HTTP सर्वर के लिए कोड लिखना, तो स्वीकृति दर अधिक होती है; ऐसा इसलिए है क्योंकि अंतर्निहित एलएलएम को प्रशिक्षित करने के लिए उपयोग किया जाने वाला डेटा व्यापक रूप से उपयोग किया जाता है और उपलब्ध है।

हालाँकि, एंटरप्राइज़ इंजीनियरों ने पाया है कि जब वे अधिक जटिल कोड विकसित कर रहे हैं जो मालिकाना व्यावसायिक तर्क पर निर्भर करता है जो सार्वजनिक रूप से उपलब्ध प्रशिक्षण डेटा में अच्छी तरह से प्रस्तुत नहीं किया गया है, तो समय की बचत उतनी महत्वपूर्ण नहीं है – और मॉडल की सटीकता और प्रदर्शन उतना अच्छा नहीं है , वॉल्श ने कहा।

फिर भी, निकट से मध्यम अवधि में, जेनएआई-सक्षम सॉफ़्टवेयर निर्माण उपकरण सटीकता और क्षमताओं में वृद्धि करेंगे, जिसमें व्यावसायिक उपयोगकर्ताओं को डेटा विश्लेषण के लिए डिस्पोजेबल ऐप्स विकसित करने में सक्षम बनाना शामिल है, जहां एंटरप्राइज़-ग्रेड गुणवत्ता की आवश्यकता नहीं है।

वाल्श ने कहा, “वे मामले उनके काम में मदद करने के लिए उत्पादकता उपकरण के रूप में अधिक होंगे।” “वह आज के नो-कोड बाज़ार जैसा होगा। मैं क्षितिज पर ऐसे उपयोग के मामले देखता हूं। एआई द्वारा बनाए गए पूरी तरह से स्वचालित एंटरप्राइज़ ग्रेड सॉफ़्टवेयर की तुलना में यह वास्तविकता बनने के कहीं अधिक करीब है।