Το Generative AI είναι μια νέα τεχνολογία μόνο για δύο χρόνια, αλλά έχει ήδη πάρει τη θέση του ως απαραίτητο εργαλείο για τους επαγγελματίες της τεχνολογίας. Ο αριθμός των αγγελιών εργασίας που αναφέρουν τη γενιά του AI έχει αυξηθεί 3,5 φορές τον περασμένο χρόνο. Για τους επαγγελματίες της τεχνολογίας, αυτό σηματοδοτεί μια αλλαγή στην έμφαση στην καθημερινή τους εργασία. Όμως, δεδομένου ότι αυτή είναι πλέον μια βασική δεξιότητα, θα πρέπει να περιλαμβάνονται στις δημοσιεύσεις οι ικανότητες δημιουργίας τεχνητής νοημοσύνης;
Επίσης: 15 εκπληκτικοί τρόποι χρήσης AI για εξοικονόμηση εβδομάδων εργασίας το 2024.
Σύμφωνα με μια πρόσφατη έρευνα του Hiring Lab, οι αναφορές για τη γενιά της τεχνητής νοημοσύνης στις αγγελίες εργασίας είναι πιο εμφανείς στην ανάλυση δεδομένων, την ανάπτυξη λογισμικού και την επιστημονική έρευνα. Κατά ειρωνικό τρόπο, οι αγγελίες θέσεων εργασίας τεχνητής νοημοσύνης γενιάς υπολείπονται των προσδοκιών σε κλάδους που φαίνονται φυσικοί υποψήφιοι για τη γενιά τεχνητής νοημοσύνης, συμπεριλαμβανομένων των τομέων ασφάλισης, υποστήριξης logistics και πληροφοριών υγείας. Τομείς που ξεπερνούν τις προσδοκίες περιλαμβάνουν την αρχιτεκτονική, τις τέχνες και την ψυχαγωγία και τη βιομηχανική μηχανική.
Ωστόσο, είναι πιθανό η υιοθέτηση της τεχνητής νοημοσύνης από γενιά σε γενιά να συμβαίνει σε όλες τις τάξεις της τεχνολογίας, ανεξάρτητα από τον κλάδο ή το επίπεδο εμπειρίας, λένε οι παρατηρητές του κλάδου. Τα πλεονεκτήματα είναι τόσο συναρπαστικά που σε αυτό το σημείο πιθανότατα έρχονται τόσο φυσικά όσο και οι δεξιότητες πληκτρολόγησης.
Μετασχηματιστικά εργαλεία
Για αρχή, η γενιά της τεχνητής νοημοσύνης «εφευρίσκει εκ νέου την παραγωγικότητα και την αποτελεσματικότητα στην ανάπτυξη λογισμικού, δίνοντας στους προγραμματιστές περισσότερο χρόνο για στρατηγική και δημιουργική εργασία», είπε στο ZDNET ο Paul McDonagh-Smith, ανώτερος λέκτορας πληροφορικής στο MIT Sloan Executive Education. Σύμφωνα με τον ίδιο, αυτά τα εργαλεία αλλάζουν σχεδόν κάθε τομέα ανάπτυξης λογισμικού, συμπεριλαμβανομένης της δημιουργίας κώδικα, των δοκιμών, του εντοπισμού σφαλμάτων και της τεκμηρίωσης. “Αυτά τα εργαλεία επιτρέπουν στους προγραμματιστές να προχωρήσουν πιο γρήγορα σε πιο σύνθετο σχεδιασμό λογισμικού και επίλυση προβλημάτων με τον εξορθολογισμό των επαναλαμβανόμενων εργασιών κωδικοποίησης.”
Επίσης: Εάν το ChatGPT παράγει κώδικα που δημιουργείται από AI για την εφαρμογή σας, σε ποιον ανήκει στην πραγματικότητα;
«Ας είμαστε ειλικρινείς: Τα περισσότερα από τα αρχικά προβλήματα με τα εργαλεία AI έχουν επιλυθεί», δήλωσε ο Nate Berent-Spilson, ανώτερος αντιπρόεδρος ανάπτυξης προϊόντων στο NTT DATA. «Ναι, υπήρχαν εύλογες ανησυχίες για αρχικά λάθη και διαρροές πληροφοριών στο μοντέλο, αλλά τώρα το έχουμε ξεπεράσει αυτό».
Τεράστια ενίσχυση απόδοσης
Ακόμη και οι πιο έμπειροι επαγγελματίες της τεχνολογίας επωφελούνται από τη βοήθεια που λαμβάνουν από τη γενιά του AI. «Πετυχαίνουν τεράστια κέρδη επιδόσεων αναγκάζοντας την τεχνητή νοημοσύνη να επιλύει συγκεκριμένα προβλήματα χρησιμοποιώντας καθιερωμένα πρότυπα», συνέχισε. «Η βαθιά κατανόηση των προτύπων λογισμικού τους επιτρέπει να διαχειρίζονται αποτελεσματικά την τεχνητή νοημοσύνη, ακόμη και να αλλάζουν γλώσσες προγραμματισμού με εκπληκτική ευκολία. Έχουμε δει έμπειρους προγραμματιστές να κατέχουν εντελώς νέες γλώσσες όπως η Rust και να γίνονται αμέσως παραγωγικοί».
Επίσης: Είμαι ειδικός στα εργαλεία τεχνητής νοημοσύνης και αυτά είναι τα μόνα που πληρώνω.
Το πιο σημαντικό, «Το AI εξαλείφει την αγγαρεία που καταναλώνει τον χρόνο των ανώτερων προγραμματιστών», είπε ο Berent-Spilson. «Εκμεταλλευτείτε τις αναθεωρήσεις αιτημάτων έλξης: Με την τεχνητή νοημοσύνη να εκτελεί αρχικά περάσματα και να παρέχει άμεση ανατροφοδότηση στους προγραμματιστές, μειώνουμε σημαντικά τον χρόνο κύκλου και ελευθερώνουμε ανώτερους μηχανικούς για πιο πολύτιμη εργασία».
Οι προγραμματιστές αλλάζουν
Ως μέρος αυτής της τάσης, «βλέπουμε τους προγραμματιστές να περνούν από τη σύνταξη κώδικα στη διαχείριση πρακτόρων τεχνητής νοημοσύνης», δήλωσε ο Jitin Bhasker, γενικός διευθυντής και αντιπρόεδρος της ServiceNow. Οι επιδόσεις που επιτυγχάνονται μέσω της υιοθέτησης της τεχνητής νοημοσύνης από τους τεχνολόγους δεν αφορούν μόνο την προσωπική παραγωγικότητα, αλλά είναι σχετικές «με μια προβλεπόμενη έλλειψη μισού εκατομμυρίου προγραμματιστών έως το 2030 και την ανάγκη δημιουργίας ενός δισεκατομμυρίου νέων εφαρμογών», πρόσθεσε.
Επίσης: Το 25% των επιχειρήσεων που χρησιμοποιούν τεχνητή νοημοσύνη θα αναπτύξουν πράκτορες τεχνητής νοημοσύνης έως το 2025
Τα εργαλεία Gen-AI χρησιμεύουν ως βοηθοί έμπειρων επαγγελματιών και βοηθούν τους λιγότερο έμπειρους επαγγελματίες να ξεκινήσουν την ταχύτητα. «Κατά κάποιους τρόπους, θα μπορούσαμε να χαρακτηρίσουμε αυτά τα εργαλεία ως μέντορες—προσφέροντας προτάσεις σύνταξης, βοήθεια εντοπισμού σφαλμάτων και συμβουλές βελτιστοποίησης κώδικα», είπε ο McDonagh-Smith. «Οι προγραμματιστές με λιγότερη εμπειρία, που μπορεί να μην είναι ακόμη εξοικειωμένοι με συμβάσεις κωδικοποίησης και πολύπλοκους αλγόριθμους, εκπαιδεύονται σε αυτήν τη μορφή καθοδήγησης. Ενώ οι έμπειροι προγραμματιστές χρησιμοποιούν επίσης εργαλεία δημιουργίας τεχνητής νοημοσύνης για να αυξήσουν την παραγωγικότητα, νομίζω ότι ο σχετικός αντίκτυπος στις πρώιμες σταδιοδρομίες προγραμματιστών είναι πιο έντονος επειδή η τεχνητή νοημοσύνη τους βοηθά να χτίσουν τις ικανότητες και την εμπιστοσύνη για να δημιουργήσουν γρήγορα και να κλείσουν θεμελιώδη κενά γνώσης».
Με προσοχή
Ωστόσο, καθώς το γονίδιο AI γίνεται ένα κοινό εργαλείο στον κατασκευαστικό χώρο, η Berent-Spilson συνιστά προσοχή. «Το πραγματικό παιχνίδι που αλλάζει εδώ είναι η ταχύτητα, αλλά υπάρχει μια ατάκα», είπε. «Ενώ η τεχνητή νοημοσύνη μπορεί να μειώσει σημαντικά τους χρόνους του κύκλου, θα ενισχύσει επίσης τυχόν υπάρχοντες περιορισμούς της διαδικασίας. Σκεφτείτε το σαν να προσθέτετε έναν υπερσυμπιεστή στο αυτοκίνητό σας: εάν το σασί σας δεν είναι αξιόπιστο, απλώς θα διορθώσετε το πρόβλημα πιο γρήγορα. ”
Να είστε προσεκτικοί “σχετικά με την ποιότητα του κώδικα, τη δυνατότητα συντήρησης και τις απαιτήσεις IP”, συμβουλεύει η McDonagh-Smith. «Παρόλο που είναι συντακτικά σωστά, τα εργαλεία τεχνητής νοημοσύνης έχουν παρατηρηθεί ότι παράγουν κώδικα που είναι λογικά ελαττωματικός ή αναποτελεσματικός, οδηγώντας σε πιθανή υποβάθμιση του κώδικα με την πάροδο του χρόνου, εάν δεν ελεγχθεί προσεκτικά. Πρέπει επίσης να είμαστε επιφυλακτικοί με την εξάπλωση του λογισμικού, όπου η ευκολία δημιουργίας κώδικα που δημιουργείται από AI έχει ως αποτέλεσμα υπερβολικά περίπλοκο ή περιττό κώδικα που μπορεί να κάνει τα έργα δύσκολο να διατηρηθούν με την πάροδο του χρόνου».
Επίσης: Τα πιο δημοφιλή εργαλεία AI του 2024 (και τι σημαίνει αυτό)
Η ικανότητα να εκμεταλλευόμαστε τη γενιά της AI «συσχετίζεται άμεσα με την τεχνική ωριμότητα», σημείωσε επίσης ο Berent-Spilson. «Οι οργανισμοί που αξιοποιούν πρότυπα που βασίζονται σε σύννεφο, προσεγγίσεις all-as-code και υψηλά επίπεδα αυτοματισμού βλέπουν άμεσα οφέλη. Αλλά αν εξακολουθείτε να είστε συνδεδεμένοι με μη αυτόματες διαδικασίες και βαριά τεκμηρίωση, θα αντιμετωπίσετε περισσότερα εμπόδια. Το AI υπερέχει στην εργασία με δομημένα δεδομένα. input – ο κώδικας που μεταγλωττίζει έχει μια εσωτερική δομή, για παράδειγμα όταν κάνετε ανάπτυξη συμβολαίων, η τεχνητή νοημοσύνη μπορεί αμέσως να κατανοήσει και να αλληλεπιδράσει με τα τελικά σημεία, επειδή τα μοτίβα είναι ξεκάθαρα και καλά καθορισμένα.
Το γονίδιο AI βοηθά
Τελικά, η γενιά της τεχνητής νοημοσύνης βοηθά στην «αύξηση του πηλίκου δημιουργικότητας μιας εταιρείας», είπε ο McDonagh-Smith. «Όταν είδα εργαλεία τεχνητής νοημοσύνης να χρησιμοποιούνται αποτελεσματικά σε ομάδες ανάπτυξης λογισμικού, παρατήρησα ότι αυτά τα εργαλεία όχι μόνο παρείχαν κέρδη παραγωγικότητας, αλλά έδωσαν επίσης στους προγραμματιστές χρόνο πίσω που θα μπορούσε να χρησιμοποιηθεί για δημιουργική επίλυση προβλημάτων και πειραματισμό».
