생성 AI가 소프트웨어 개발을 변화시키는 10가지 방법
- WBOY앞으로
- 2024-03-11 12:10:02632검색
번역자 | Chen Jun
Reviewer | Chonglou
지난 세기90시대에는 사람들이 소프트웨어 프로그래밍을 언급할 때 일반적으로 코드를 확인하는 것을 의미했습니다. CVS 또는 SVN 코드 저장소를 삭제하고 코드를 실행 파일로 컴파일합니다. Eclipse 및 Visual Studio와 같은 해당 통합 개발 환경(IDE)은 프로그래밍, 개발, 문서화, 구성, 테스트, 배포 및 기타 단계를 전체 소프트웨어 개발 수명 주기에 통합할 수 있습니다( SDLC), 개발자 생산성이 향상됩니다.
최근 몇 년 동안 널리 사용되는 클라우드 컴퓨팅과 DevSecOps자동화 도구는 개발자의 포괄적인 역량을 향상시켜 더 많은 기업이 소프트웨어 애플리케이션을 더 쉽게 개발, 배포 및 유지 관리할 수 있게 되었습니다.
현재 생성 AI는 차세대 개발 패러다임 전환의 촉매제 역할을 하며 기업이 소프트웨어를 생성 및 유지 관리하는 방식을 바꾸고 새로운 개발 도구와 패러다임을 가져올 것으로 예상됩니다. 이에 대해 많은 개발자는 AI가 우리가 알고 있는 프로그래밍 기술의 종말을 가져올지 궁금해하기 시작했습니다 . 동시에 다양한 기업의 IT 리더들도 AI가 향후 10년 동안 SDLC 및 DevSecOps 개발에 어떤 영향을 미칠지 고려하고 있습니다. 이 두 가지 질문에 대해 저는 귀하와 협력하여 아래 답변을 찾을 것입니다.
생성 AI는 새로운 도구인가요, 아니면 새로운 개발 방식인가요?
Pulumi의 CEO Joe Duffy는 다음과 같이 믿습니다. “AI는 프로그래밍 자동화를 향상하고 기업의 생산성과 성과를 크게 향상시켜 인간 작업의 추상화 수준을 향상시킬 것입니다. . , 실제로 프로그래밍을 대체하지는 않습니다. Thomvest Ventures의 책임자인 Ashish Kakran은 다음과 같이 믿습니다. “개발 및 DevOps 팀은 더욱 정교해질 것입니다.
동시에 생성 AI의 기능이 지속적으로 향상됨에 따라 개발자의 책임도 그에 따라 조정될 것입니다.Matillion회사의 CTO인 Ed Thompson은 다음과 같이 믿습니다. “Copilots은 실제로 개발자의 생산성을 높이고 Copilots을 생각하는 사람들을 더 생산적으로 만듭니다. 사람들은 개발자의 임무가 실제 문제를 해결하는 것이 아니라 단지 코드를 작성하는 것이라고 잘못 생각하기 때문에 프로그래밍 환경을 근본적으로 변화시켰습니다.” 그렇다면 생성적 AI는 어떻게 변화하는가? 세계? 1.
자연어 프롬프트를 기반으로 표준 코드 생성Astronomer
의 Airflow 엔지니어링 이사 Kaxil Naik 생각: “ AI가 생성한 코드 템플릿 , 그리고 AI 지원 Copilot은 자연어를 기능 코드로 변환하여 복잡한 코드 기반에 대한 이해를 단순화하고 개발 모범 사례를 준수하도록 보장합니다. 프로그래밍 작업을 더 쉽게 만들어줍니다. StackOverflow의
2023연도 개발자 설문조사에 따르면 개발자의 70%가 개발 과정에서 AI 도구를 사용하고 있거나 사용할 계획을 갖고 있는 것으로 나타났습니다. 개발에 AI를 사용한 사람들 중 82% 이상이 AI를 사용하여 소프트웨어 코드를 작성했습니다. 이러한 수치는 개발자가 코드를 작성하고, 기존 코드를 재사용하고, 구성 요소를 구축하는 전통적인 방식이 패러다임 전환을 겪고 있음을 보여주기에 충분합니다. 2.코드 검증은 개발자의 중요한 책임입니다
프로그래밍을 더 쉽고 효율적으로 만드는 것 외에도 개발자는 많은 시간을 투자하고 효율적으로 사용하는 중요한 책임을 져야 합니다. 생성된 코드의 보안 문제나 성능 결함을 방지하기 위해 코드를 확인합니다.
Sonar의 개발자 관계 책임자 Peter McKee는 "개발자들이 생산성 향상을 위해 AI를 점점 더 많이 채택함에 따라 AI에서 생성된 콘텐츠를 포괄적으로 검토할 책임이 있습니다."라고 믿습니다. 프로그래밍에 따라 청소하면 배송 중 지속적인 검사와 모니터링이 보장됩니다. 결과적으로 개발자는 수동으로 생성되거나 AI가 생성한 코드에서 잠재적인 오류와 취약점을 수정하는 대신 새로운 작업에 더 많은 시간을 할애할 수 있습니다. McKee는 다음과 같이 덧붙였습니다. “개발자가 자동화를 사용하여 AI 생성 코드를 스캔하고 모니터링하지 못한다면 수정해야 할 코드와 기술 부채가 기하급수적으로 증가할 것입니다. 대기업을 위한 새로운 개발 모델
생성적 AI
도구를 사용하여 코드를 개발하는 방법 대기업에서는 개발자가 더 적은 코드로만 지원하는 경우 수천 개의 응용 프로그램 도구와 표준이 지원됩니다. 생성적AI에서 개발한 코드로 작성 및 추가 통합, 대기업의 개발 모습 Red Hat에서 개발
Markus Eisele, 도구 및 전략 홍보 부서 “다양한 팀을 위한 다양한 도구 조합은 개발자 간의 인지적 차이 증가는 말할 것도 없고 표준화 및 통합 개발 관행의 부족으로 이어질 것입니다. "AI로 구축된 중앙 집중식 개발 포털은 개발팀의 쉬운 액세스를 촉진하고 협업 프로세스의 마찰을 제거하여 팀 간 애플리케이션에 대한 모범 사례를 달성할 수 있습니다. 이는 통합 개발 환경이 컴퓨터와 유사한 조립 플랫폼으로 전환될 수 있음을 의미합니다. - 제조 분야의 보조 설계(CAD) 또는 건설 분야의 건축 정보 모델링(BIM)에서 초점은 맞춤형 구성요소 제작에서 기존 구성요소 조립으로 전환됩니다. 내장된 도구를 활용하여 설계를 검증합니다. 4.프로그래밍 감소, 코드 공급망 위험 증가
generative AI
로 개발된 코드 사용의 또 다른 영향에는 비즈니스 리더가 관련 정책을 개발하는 방법과 모니터링 방법이 포함됩니다. 기업 애플리케이션에 어떤 공급망 코드가 포함되어 있는지, 기업이 계속 추적해야 하는 것은 오픈 소스 및 상용 소프트웨어 구성 요소입니다. 앞으로는생성 AI를 추가해야 합니다. Sonatype의 현장 CTO Ilkka Turunen
은 다음과 같이 믿습니다. “개발자는 AI 공급망을 유지하고 관리하는 데 중요한 역할을 해야 합니다. 그들은 일상적인 작업에서 AI 모델의 안전성, 신뢰성 및 출처에 대해 더욱 엄격한 검토를 수행할 것입니다. AI 위험 평가를 구현하고 AI 모델 BOM을 적절하게 관리함으로써 기업은 개발 인프라에 적절한 AI 보안 및 관리 기능이 있는지 확인해야 합니다. ”실제로 SAST,
DAST 및 기타 보안 및 코드 관리 도구는 코드 스캔 자동화를 개선하고 개발자가 코드를 엔터프라이즈 리포지토리에 통합하여 여부를 확인하는 데 도움을 줄 수 있습니다. generative AI의 출력 코드는 보안 정책을 준수합니다. 5.새로운 모델의 가속화된 통합
지난 10년 동안 응용 프로그래밍 인터페이스( API ),
IFTTT의 SaaS 통합 플랫폼, 서비스형 통합 플랫폼(iPaaS) 및 기타 생태계 기술을 통해 개발자의 코드 통합 능력이 엄청나게 향상되었습니다. 개발자는 생성 AI를 사용하여 시각적 프로세스의 코드 없는 통합을 갖춘 제품을 구축할 수 있습니다. SAP AI 및 혁신 팀에서 일하는 Emmanuel Cassimatis는 다음과 같이 믿습니다. 주기는 항상 분산되어 있었습니다. AI는 다양한 애플리케이션에서 데이터를 마이닝하고 통합 통합 수준을 달성하여 개발자 간의 협업을 강화할 수 있습니다. ” 가 코드 개발 및 자동 테스트를 직접 수행하는 대신 수행하도록 안내할 수 있습니다. 7.AI는 SDLC 현재 Copilots 및 다수의 여러 단계에서 도입되고 있습니다. 사실 다양한 도구가 더 강력한 테스트 케이스를 제공하고 더 빠른 코드 변경을 제공할 수 있기 때문입니다. 피드백이므로 생성 모델로 전환합니다. AI 모델은 QA에 어느 정도 영향을 미쳤습니다. Descope의 공동 창립자인 Gilad Shriki는 다음과 같이 말했습니다. “AI가 부상함에 따라 SDK에서 테스트, 문서화에 이르기까지 소프트웨어 엔지니어링을 둘러싼 모든 측면이 생성 AI의 지원을 받게 될 것입니다. 개발자는 특정 AI 사용 형식을 사용하여 자신의 작업을 기록해야 합니다. ”8.개발 역할 세분화소프트웨어 개발에서 생성 AI의 역할은 현재의 전통적인 인간 개발 기능에서 바뀔 수 있습니다. 즉, 기계가 수행하는 다양한 코드 생성기, 컴파일러 및 기타 개발 부문 역할이 점차 등장할 것입니다. Chainguard 엔지니어링 부사장 Dustin Kirkland Cody de Arkland는 세대 AI, 대화식 공식 및 대화식 공식 사용을 제안했습니다. 사용 사례 알아보기 소프트웨어 애플리케이션의 신뢰성과 운용성을 향상시키는 데 도움이 됩니다. 여기에는 다음이 포함됩니다. 학습되고 만족스러운 디자인 표준을 준수하는 웹 애플리케이션 구성 요소를 개발하고 생성합니다. CI/CD) 배포 후 실행이 아닌 사용자 지정 실행을 통해 QA에 실시간 가시성을 제공 피드백 루프 전반에 걸쳐 더 많이 관여함에 따라 새로운 질문이 발생할 수 있습니다. 즉, 제너레이티브 AI발생할 수 있는 지적재산권(코드 및 데이터 포함) 등의 위험. 이를 위해 기업은 이익이 위험보다 더 큰지 평가해야 합니다. TabnineEcosystem시스템 및 비즈니스 개발 담당 부사장Brandon Jung은 다음과 같이 믿습니다. 모델에 입력되는 데이터, 특히 훈련 세트의 데이터에 세심한 주의를 기울여야 하며, 평가하고 평가하는 데 시간과 에너지를 소비해야 합니다. 회사의 가장 귀중한 자산--코드 및 데이터를 보호하기 위해 AI 모델을 선택하세요. 아직 Generative AI를 사용한 소프트웨어 개발의 초기 단계에 있지만, Generative AI알고리즘과 이를 지원하는 도구가 기업을 보호하기 위한 안전 장치를 구축할 수 있는지 여부는 아직 지켜봐야 합니다. 이는 대부분 생성 AI의 소프트웨어 개발, 테스트, 배포 및 유지 관리 능력에 달려 있습니다. Julian Chen, 51CTO 커뮤니티 편집자는 10년 이상의 IT 프로젝트 구현 경험을 가지고 있으며, 내부 및 외부 자원과 위험을 통제하는 데 능숙하며 네트워크 확산에 중점을 두고 있습니다. 정보 보안 지식과 경험. 원제: 생성 AI가 소프트웨어 개발을 변화시키는 10가지 방법, 저자: Isaac Sacolick6(QA) 엔지니어의 향후 업무. “미래에는 자연어가 더 많은 코드 생성과 테스트를 통해 생성된 코드를 확인할 가능성이 높습니다. AI 에이전트는 대부분의 작업을 수행하며 개발자는 이러한 에이전트가 따라야 할 프로그래밍 목표와 제약 조건을 설정해야 합니다.” Carter는 이어서 다음과 같이 과감하게 예측했습니다. “이에 따르면 AI 에이전트는 런타임 시 프로그램의 동작을 분석하고 알 수 없는 요소를 조사하여 과거 개발자가 할 수 없었던 QA, 관찰 가능성 및 보안 작업을 수행할 수 있습니다.” , 개발자는 높은 수준의 관점에서 시스템 아키텍처, 비기능 및 운영 요구 사항을 정의하여 Generative AI
Generative AI도구는 주로 초점을 맞춥니다. 프로그래밍을 위해 사용 중이지만 새로운 기능은 SDLC의 다른 단계도 변경합니다. Gigster
의 수석 솔루션 엔지니어인 Humberto Moreira는 다음과 같이 믿습니다. “생성 AI가 SDLC에 통합됨에 따라 다양한 모델이 가장 적합한 특정 주기 단계를 갖게 됩니다. 예를 들어 모델 A는 요구 사항에 맞게 최적화될 수 있습니다. B 모델은 코드 개발을 목표로 하고, C 모델은 QA를 목표로 합니다. "은 다음과 같이 믿습니다. “인간 개발자에게 친숙한 전통적인 코드 개발 관점 외에도 또 다른 숨겨진 관점이 나타날 것입니다. 비록 이 관점은 인간을 위한 것이지만, 가독성은 떨어지지만 AI가 수행하는 컴파일러와 해석기에 의해 완전히 이해될 수 있습니다. 이는 다른 코드의 중간 계층 역할을 하여 소위 AI 보안 최적화에 대한 방어적인 관점을 제공합니다. "그러나 일부 사람들은 AI에 대해 의문을 제기합니다. 보안 식별 기능이 정확하고 효율적인지 여부. 개발 프로세스 개선을 위한 高9.iAI Launchdarkly 개발자 경험 디렉터
개발자가 새로운 기능을 생성한 것을 감지하면 해당 기능 태그를 생성합니다.
새로 시작 문제가 발견되면 롤백할 수 있는 기능을 갖춘 소프트웨어 배포(물론 이러한 사용 사례에는 어떤 차세대 개발 및
번역자 소개
위 내용은 생성 AI가 소프트웨어 개발을 변화시키는 10가지 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!