AI gør softwareudvikling hurtigere. Industriel software kræver stadig ingeniørekspertise.

AI transformerer softwareudvikling

For et par uger siden bad jeg et generativt AI-værktøj om at bygge en online version af et japansk kortspil, min far tidligere ejede. Omkring ti minutter senere var en fungerende webapplikation klar.

Resultatet var både imponerende og øjenåbnende. Et par kommandoer genererede funktionel kode, byggede brugergrænsefladen og producerede en applikation, der virkede. For kun kort tid siden ville det at skabe den samme applikation have krævet betydeligt mere ingeniørarbejde.

Oplevelser som denne viser, hvor dybt AI ændrer softwareudvikling. Udviklere kan nu generere kode, bygge applikationer, automatisere arbejdsprocesser og accelerere udviklingen på måder, der for kun få år siden var ubegribelige. I stigende grad bevæger AI sig ud over simpel kodegenerering til agentbaserede arbejdsgange, der kan foreslå ændringer, køre tests og automatisere større dele af ingeniørprocessen.

Som Product Management Director for GENESIS hos Mitsubishi Electric Iconics Digital Solutions skiftede mine tanker straks fra en simpel webapplikation til industriel automationssoftware. Hvis AI kunne bygge en fungerende applikation på ti minutter, hvad sker der så, når de samme evner anvendes på menneske-maskine-grænseflader (HMI), supervisory control and data acquisition (SCADA), visualisering, rapportering og andre industrielle applikationer?

At besvare det spørgsmål afslørede en vigtig sondring. AI gør softwareudvikling dramatisk hurtigere. Industriel software introducerer ingeniøruudfordringer, der strækker sig langt ud over blot at generere en applikation.

Ja, AI transformerer måden, industriel software bygges på, men ingeniørekspertise forbliver afgørende for at sikre, at industriel software fungerer pålideligt gennem hele sin driftslivscyklus.

Industriel software kræver mere end fungerende kode

Alle med adgang til nutidens AI-værktøjer kan generere en fungerende applikation på få minutter. At bygge et website, et dashboard eller en simpel visualisering kræver ikke længere omfattende programmeringserfaring.

Industriel software kræver meget mere end funktionel kode.

Tænk på en produktionsfacilitet, der allerede bruger en industriel forbindelsesplatform som Kepware til at indsamle driftsdata fra produktionsgulvet. AI kunne hurtigt generere en webapplikation, et dashboard, en rapport eller en konfigurationsarbejdsgang for at vise disse data. Dashboardet fungerer, informationen er synlig, og applikationen demonstrerer konceptet.

Alligevel afhænger operationel succes af meget mere end en vellykket demonstration. Industriel software skal integreres med eksisterende automationssystemer, fungere pålideligt under reelle forhold og fortsætte med at understøtte missionkritiske operationer længe efter implementeringen.

Genereringen af den første version af en applikation bliver stadig mere ligetil. At levere industriel software, som organisationer kan implementere med tillid, forbliver en grundlæggende anderledes ingeniøruudfordring, som kræver ekspertise inden for industrielle arkitekturer, cybersikkerhed, pålidelighed, validering, observerbarhed og langsigtet driftsydelse. 

Ekspertise inden for fagområdet gør forskellen

Erfarne ingeniører forstår de operationelle krav bag industrielle applikationer, de spørgsmål der skal stilles, og de risici der skal håndteres, før softwaren er klar til implementering.

Cybersikkerheds sårbarheder, softwarekomponenter, industrielle arkitekturer, regulatoriske overvejelser og langsigtet vedligeholdelse bliver alle en del af ingeniørprocessen. AI-genererede applikationer kan også introducere afhængigheder, API’er, legitimationsoplysninger, dataflow eller konfigurationsantagelser, som skal gennemgås før implementering. Fungerende kode viser, hvad en applikation kan gøre. Ingeniørekspertise afgør, om organisationer kan implementere den applikation med tillid. 

Byg industrielle applikationer på pålidelige platforme

Ingeniørekspertise er afgørende, men erfarne ingeniører bygger sjældent industriel software fra bunden. Moderne industrielle applikationer bygges på gennemprøvede softwareplatforme, der er udviklet, testet og forfinet gennem års anvendelse i den virkelige verden.

AI kan hurtigt generere en webapplikation oven på en industriel forbindelsesplatform, hvilket dramatisk reducerer udviklingstiden. Den applikation udgør dog kun ét lag af løsningen.

Dette princip gælder stadig, selv når AI bevæger sig dybere ind i industriel automation. Formålsbyggede ingeniøragenter kan nu generere programmerbar logik til PLC’er, HMI-skærme og andre industrielle applikationskomponenter, mens store softwareleverandører indlejring af generativ AI direkte i industrielle platforme. 

Disse kapaciteter er imponerende, men de forstærker et vigtigt spørgsmål: hvem validerer outputtet, hvem ejer livscyklussen, og hvem er ansvarlig, når software styrer en reel industriel proces? Hurtigere generering er ikke det samme som software, som organisationer kan implementere med tillid og support i mange år fremover.

Gennemprøvede industrielle softwareplatforme leverer allerede funktioner som validerede arkitekturer, redundans, cybersikkerhedsbeskyttelser og livscyklustjenester, så ingeniører kan fokusere på at løse industrielle problemer i stedet for at genopbygge gennemprøvede funktioner. 

Gennemprøvede softwareplatforme tilbyder også etablerede sikkerhedsmodeller, opdateringsveje, governance og langsigtet support, som ad hoc-genererede applikationer sjældent har fra starten. 

Livscyklusstyring strækker sig ud over implementering

Implementering af industriel software markerer begyndelsen på ingeniørprocessen, ikke slutningen. Forestil dig en fabriksleder, der anmoder om en driftsrapport. AI genererer rapporten på få minutter, applikationen fungerer som forventet, og alle er tilfredse med resultatet. Så siger fabrikslederen: “Jeg vil have den rapport hver dag.”

En engangsrapport er nu blevet til operationel software, som folk er afhængige af for at udføre deres arbejde. Softwareplatforme udvikler sig, driftskrav ændrer sig, og nye cybersikkerhedssårbarheder opstår. Løbende ingeniørarbejde bliver essentielt for at validere opdateringer, opretholde kompatibilitet, anvende sikkerhedsrettelser og sikre pålidelig drift over tid.

Genereringen af den første version af en applikation kan nu tage kun få minutter. Vedligeholdelsen af den applikation gennem dens driftsliv forbliver et løbende ingeniøroppgave. Langsigtet pålidelighed afhænger af governance, livscyklusstyring og kontinuerlig support, ikke blot generering af kode.

Hvorfor valg af den rette industrielle software er vigtigt

Erfarne industrielle softwarevirksomheder leverer langt mere end kun applikationsfunktionalitet. Ingeniørekspertise, produktvalidering, cybersikkerhedsviden, løbende softwareopdateringer og langsigtet livscyklussupport bidrager alle til software, som organisationer kan stole på i missionkritiske miljøer.

Organisationer, der evaluerer industriel software, bør se udover demoer og nutidig funktionalitet. Langsigtet driftsmæssig succes afhænger af at stille de rette spørgsmål, før softwaren implementeres. Hvem vil vedligeholde, sikre, validere og fortsætte udviklingen af softwaren gennem dens driftsliv? Beslutningen handler ikke kun om funktionernes hastighed, men om hvorvidt softwaren kan sikres, styres, opdateres, revideres og understøttes over tid. 

Afsluttende tanker

At bygge en online version af min fars japanske kortspil på ti minutter ændrede mine forventninger til softwareudvikling. AI reducerer dramatisk den tid, der kræves for at skabe software, og disse evner vil fortsat omforme industriel automation.

Hastighed alene afgør ikke, om industriel software er klar til missionkritiske operationer. Organisationer bør se udover, hvor hurtigt software kan skabes, og overveje, hvem der bygger den, hvordan den er konstrueret, og hvem der vil supportere den gennem dens driftsliv.

I industriel automation er det disse spørgsmål, der afgør, om software bliver en nyttig demonstration eller et pålideligt operationelt system.