Poiché il mondo dello sviluppo software abbraccia il potenziale degli strumenti di intelligenza artificiale generativa come CodeWhisperer di Amazon Web Services e Copilot di GitHub, diventa sempre più cruciale per le organizzazioni stabilire politiche di intelligenza artificiale generativa ben definite. Queste politiche sono essenziali non solo per sfruttare i vantaggi in termini di produttività, ma anche per mitigare i potenziali rischi associati a questi strumenti.
Aumento della produttività con l'intelligenza artificiale generativa
Gli strumenti di intelligenza artificiale generativa si sono rivelati estremamente promettenti nell’aumentare la produttività degli sviluppatori. Tuttavia, l’adozione di questi strumenti senza linee guida adeguate può avere conseguenze indesiderate. Studi recenti, come quello condotto dai ricercatori della Purdue University in agosto, hanno evidenziato imprecisioni nei modelli di intelligenza artificiale generativa. Nonostante ciò, oltre l’80% delle aziende Fortune 500 utilizza questi strumenti, sollevando dubbi sulla qualità e l’affidabilità del codice.
Un esempio notevole è Samsung, che ha dovuto far fronte a una fuga involontaria di codice sorgente interno sensibile in uno strumento di intelligenza artificiale generativa come ChatGPT . Questo incidente ha portato a un divieto rapido e radicale dell’uso di assistenti di intelligenza artificiale generativa all’interno dell’azienda. Sebbene tale reazione possa sembrare ragionevole nel breve termine, manca una visione a lungo termine per sfruttare il potenziale dell’intelligenza artificiale generativa.
Per sfruttare appieno il potenziale di produttività degli strumenti di intelligenza artificiale generativa evitando le trappole delle pubbliche relazioni, le organizzazioni devono stabilire e comunicare chiare politiche di intelligenza artificiale generativa per i propri team di ingegneri. In questa edizione di Tech Works, esploriamo come la leadership ingegneristica che ha adottato precocemente l'intelligenza artificiale generativa può guidare le organizzazioni nella creazione di politiche efficaci.
Strumenti di intelligenza artificiale generativa per consumatori e aziende
Sono disponibili numerosi strumenti di intelligenza artificiale generativa, tra cui CodeWhisperer, Bard di Google, LLaMA di Meta AI, Copilot e ChatGPT di OpenAI. Tuttavia, strumenti come ChatGPT e Copilot hanno guadagnato una notevole popolarità all'interno dei team di ingegneri. La scelta di quale strumento di intelligenza artificiale generativa utilizzare dipende dal caso d’uso previsto.
Strumenti incentrati sul consumatore come ChatGPT vengono spesso utilizzati senza considerare i loro limiti, dando luogo a risposte imprecise. Gli utenti devono istruire esplicitamente questi strumenti a fornire risposte solo quando sono certe, dato che i LLM pubblici sono addestrati a fornire risposte anche se mancano di informazioni accurate.
L'utilizzo di strumenti rivolti ai consumatori per attività proprietarie o critiche all'interno di un'organizzazione può comportare rischi per la privacy e la sicurezza. Pertanto, si consiglia alle organizzazioni di allontanare i propri ingegneri da tali strumenti e verso opzioni più sicure e orientate all’azienda.
L'efficacia degli strumenti di intelligenza artificiale generativa può essere notevolmente migliorata addestrandoli nel contesto delle esigenze specifiche di un'organizzazione. I chatbot degli sviluppatori interni possono essere addestrati su strategie interne, processi e standard di codifica, il che porta a risposte più accurate e consapevoli del contesto.
L’intelligenza artificiale generativa è particolarmente preziosa per attività come la generazione di frammenti di codice, la creazione di documentazione, l’importazione di librerie, la generazione di wireframe, l’esecuzione di scansioni di qualità e sicurezza e il riepilogo del codice. Anche se questi output potrebbero non essere sempre pronti per la produzione, rappresentano preziosi punti di partenza per gli sviluppatori.
L’intelligenza artificiale generativa offre vantaggi sostanziali anche nel campo della documentazione. La documentazione interna è spesso obsoleta, di difficile accesso e disaccoppiata dal flusso di lavoro di sviluppo del software. L’intelligenza artificiale generativa può aiutare rigenerando automaticamente frammenti di codice, mantenendo la documentazione e assistendo nelle ricerche basate sul contesto.
IA generativa sui lavori
L’intelligenza artificiale generativa non è destinata a sostituire gli sviluppatori umani, ma ad aumentare le loro capacità e a semplificare le attività ripetitive. Migliora la produttività eliminando il lavoro di routine, consentendo agli sviluppatori di concentrarsi su attività di maggior valore.
Le organizzazioni devono riconoscere che l’intelligenza artificiale generativa è qui per restare e dovrebbero disporre di politiche di intelligenza artificiale generativa ben definite. Queste politiche dovrebbero includere programmi di formazione per gli ingegneri per utilizzare in modo efficace gli strumenti di intelligenza artificiale generativa, identificarne i punti di forza e di debolezza e sostenere gli standard etici.
In un panorama in rapida evoluzione in cui gli strumenti di intelligenza artificiale generativa stanno diventando comuni, le organizzazioni che abbracciano queste tecnologie con policy ben strutturate probabilmente godranno di una maggiore produttività e rimarranno in prima linea nello sviluppo di software.