Ajatusjohtajat

Voivatko kehittäjät omaksua “vibe-koodaus” ilman yrityksen omaksumista tekniseen velkaan?

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

Kun OpenAI:n perustaja Andrej Karpathy keksi termin “vibe-koodaus” viime viikolla, hän kuvaili käännekohtaa: kehittäjät luottavat yhä enemmän generatiiviseen tekoälyyn koodin luomisessa, kun taas he keskittyvät korkean tason ohjaamiseen ja “vain hieman koskettaa näppäimistöä”.

Perus-LLM-alustat – GitHub Copilot, DeepSeek, OpenAI – muokkaavat ohjelmistokehitystä, ja Cursor on juuri nyt nopein kasvava yritys, joka on saavuttanut 1 miljoonan dollarin vuosittaisen toistuvan tulon 100 miljoonaan dollariin (vain reilussa vuodessa). Mutta tämä nopeus tulee kustannuksella.

Tekninen velka, joka on jo arvioitu maksavan yrityksille yli 1,5 biljoonaa dollaria vuodessa toiminnallisten ja turvallisuuden tehokkuuden puutteiden vuoksi, ei ole uusi asia. Mutta nyt yritykset kohtaavat uuden, ja uskon, että vielä suuremman haasteen: tekoäly-tekniikan velan – hiljaisen kriisin, jota ruokkivat tehokkaat, virheelliset ja mahdollisesti epäturvalliset tekoälyllä luodut koodit.

Ihmiset ovat muuttaneet pullonkaulaa koodauksesta koodipohjan tarkastukseen

GitHub-tutkimus vuodelta 2024 osoitti, että lähes kaikki yritysten kehittäjät (97%) käyttävät generatiivisia tekoälykoodausvälineitä, mutta vain 38% Yhdysvaltain kehittäjistä sanoi, että heidän organisaatiot kannustavat Gen AI:n käyttöä.

Kehittäjät rakastavat LLM-mallien käyttämistä koodin luomiseen ja lähettämisessä nopeammin, ja yritykset ovat valmiit kiihdyttämään innovaatiota. Kuitenkin – manuaaliset tarkastukset ja perinteiset työkalut eivät voi sopeutua tai skaalautua optimaaliseen ja validointiin miljoonien tekoälyllä luotujen koodirivien päivittäin.

Näiden markkinavoimien vaikutuksesta perinteinen hallinto ja valvonta voi hajota, ja kun se hajoaa, vahvistamattomat koodit valuvat yrityksen pinolle.

Kehittäjien “vibe-koodauksen” riski supercharge- teknisen velan määrää ja kustannuksia, ellei organisaatiot toteuta varotoimia, jotka tasapainottavat innovaation nopeuden teknisen validoinnin kanssa.

Nopeuden illusio: Kun tekoäly ohittaa hallinnon

Tekoälyllä luodut koodit eivät ole sisäisesti virheellisiä – ne ovat vain validoitamattomia riittävän nopeasti ja skaalattavasti.

Tarkastele tietoja: kaikki LLM:t osoittavat mallihävikkiä (hallusinaatio). Viimeaikainen tutkimus, joka arvioi GitHub Copilotin koodin luomisen laatua, löysi 20% virheen. Ongelmaa lisää tekoälyn tuotannon valtava määrä. Yksittäinen kehittäjä voi käyttää LLM:ää luomaan 10 000 koodiriviä minuuteissa, jolloin ihmiskehittäjien kyky optimoida ja validoida sitä jää jälkeen. Perinteiset staattiset analyysit, jotka on suunniteltu ihmisten kirjoittamalle logiikalle, kamppailevat tekoälytuotosten todennäköisyyskuvioiden kanssa. Tuloksena on turvattomat pilvilaskut tehokkaiden algoritmien puutteesta, noudattamattomien riippuvuuksien turvallisuusriskit ja kriittiset virheet piilevät tuotantoympäristöissä.

Yhteisömme, yrityksemme ja kriittinen infrastruktuurimme riippuvat skaalautuvasta, kestävästä ja turvallista ohjelmistosta. Tekoäly-tekniikan velan pääsy yritykseen voi tarkoittaa liiketoiminnan kriittistä riskiä… tai pahempaa.

Hallinnan palauttaminen ilman “vibe-koodauksen” tappamista

Ratkaisu ei ole hylätä generatiivista tekoälyä koodaukseen – se on kehittäjien käyttäminen agenteja tekoälyjärjestelmiä massiivisina koodin optimointi- ja validointityökaluina. Agenteja malli voi käyttää tekniikoita, kuten evoluutioalgoritmeja, jotta koodi voidaan jalostaa useiden LLM:ien yli avain-suorituskykymittareiden, kuten tehokkuuden, suoritusaikaisen nopeuden, muistin käytön, optimointiin ja validointiin eri olosuhteissa.

Kolme periaatetta erottavat yritykset, jotka menestyvät tekoälyllä, niistä, jotka hukkuvat tekoäly-tekniikan velkaan:

  1. Skaalautuva validointi on ehdoton: Yritysten on omaksuttava agenteja tekoälyjärjestelmiä, jotka voivat validoida ja optimoida tekoälyllä luotua koodia skaalattavasti. Perinteiset manuaaliset tarkastukset ja perinteiset työkalut eivät ole riittäviä koodin määrän ja monimutkaisuuden käsittelyyn, jota LLM:t tuottavat. Ilman skaalautuvaa validointia tehokkuuden puutteet, turvallisuusriskit ja noudattamattomuusriskit lisääntyvät, mikä heikentää liiketoiminnan arvoa.
  1. Tasapaino nopeuden ja hallinnon välillä: Vaikka tekoäly kiihdyttää koodin tuotantoa, hallintorakenteiden on kehittymistä nopeuden kanssa. Organisaatioiden on toteutettava varotoimia, jotka varmistavat, että tekoälyllä luodut koodit täyttävät laatu-, turvallisuus- ja suorituskykystandardit ilman, että innovaatio jarrutetaan. Tämä tasapaino on kriittinen estääkseen nopeuden illuusion muuttumisen kalliiksi tekniseksi velaksi.
  1. Vain tekoäly voi pitää tekoälyn mukana: Tekoälyllä luodun koodin valtava määrä ja monimutkaisuus vaativat yhtä edistyneitä ratkaisuja. Yritysten on omaksuttava tekoälyohjattuja järjestelmiä, jotka voivat jatkuvasti analysoida, optimoida ja validoida koodia skaalattavasti. Nämä järjestelmät varmistavat, että tekoälyvoimaisen kehityksen nopeus ei kompromissa laatua, turvallisuutta tai suorituskykyä, mahdollistaen kestävän innovaation ilman teknisen velan kasaantumista.

Vibe-koodaus: Älkäämme menetä tasapainoa

Yritykset, jotka lykättevät “vibe-koodauksen” toimia, joutuvat jossain vaiheessa kohtaamaan musiikin: voiton marginaalien rapautuminen karkaavien pilvilaskujen vuoksi, innovaation halvaantuminen, kun tiimit kamppailevat hauraan koodin virheiden kanssa, kasvava tekninen velka ja piilevät riskit tekoälyllä esitettyjen turvallisuusvirheiden vuoksi.

Eteenpäin johtava polku kehittäjille ja yrityksille edellyttää, että vain tekoäly voi optimoida ja validoida tekoälyä skaalattavasti. Antamalla kehittäjille pääsy agenteja validointityökaluihin, he voivat omaksua “vibe-koodauksen” ilman, että yritys joutuu antautumaan kasvavaan tekoäly-tekniikan velkaan. Karpathyn huomautuksensa mukaan tekoälyllä luodun koodin potentiaali on jännittävä – jopa päihtyvä. Mutta yrityksen kehityksessä on oltava ensin “vibe-tarkistus” uuden evolutiivisen agenteja tekoälyrodun avulla.

Tohtori Leslie Kanthan on TurinTechin perustaja ja toimitusjohtaja, joka on tekoälyoptimoimisen yritys. Hänellä on Machine Learningin filosofian tohtorin tutkinto Lontoon yliopistosta (UCL), jossa hän on erikoistunut graafiteoriaan. Ennen TurinTechin perustamista vuonna 2018 tohtori Kanthan työskenteli kvantitatiivisissa tutkimustehtävissä rahoituslaitoksissa, kuten Credit Suisse, Bank of America ja Commerzbank.