프로그래밍의 '데빈 AI 시대', 소프트웨어 개발자의 기쁨과 고민

작성자 | Keith Pitt

작성됨 | Yifeng

제작됨 | 51CTO Technology Stack(WeChat ID: blog51cto)

이 기사의 저자인 Keith Pitt는 소프트웨어 개발 회사 Buildkite 창립자이자 CEO입니다. 2013년에 그는 기술 산업을 위한 지속적인 통합 및 지속적인 전달(CI/CD) 플랫폼을 제공하기 위해 다른 소프트웨어 엔지니어인 Tim Lucas와 함께 회사를 설립했습니다. 최근에는 OneVentures와 AirTree의 시리즈 B 공동 주도로 지원을 받았습니다. 자금조달.

20년 프로그래밍 베테랑이자 소프트웨어 개발자에게 서비스를 제공하는 회사의 CEO인 Keith Pitt는 지능적인 인공 지능 및 결국 대부분의 소프트웨어 개발 기술이 본능적인 타이밍 예측에 도전하게 만드는 AI 프로그래밍 도구 생성에 대한 초기 생각을 설명합니다. 회의적인 수준.

그는 기사에서 다음과 같이 말했습니다. "아직도 약간의 의구심이 있지만 일상적인 개발 작업에서 생성 AI와 상호 작용한 경험을 통해 시야가 넓어지고 가능하다고 생각하는 것에 대해 생각하기 시작했습니다. AI는 비교적 기본적인 영역에서 소프트웨어 개발의 변화에는 긍정적인 측면과 부정적인 측면이 있습니다.”

1. 긍정적인 측면: AI는 개발 작업을 더욱 단순하게 만듭니다

1. 지루한 작업을 끝내세요

개발자는 문법이나 구두점과 같은 세부 사항에 너무 많은 시간을 보냅니다. , 그리고 그러한 일자리는 사라질 수 있고 사라져야 합니다. 개발자는 더 이상 매뉴얼을 뒤지거나 코드 교환에서 코드 조각을 엮을 필요가 없으며 대신 원하는 결과를 설명하여 완벽하게 형식화된 코드 답변을 얻을 수 있습니다. LLM(대형 언어 모델)은 기존 코드에서 오타, 구두점 오류 및 개발자에게 골칫거리가 될 수 있는 기타 세부 사항을 검사할 수도 있습니다.

2. 프레임워크 개발 프로세스 재구성

Spring, Express.js 및 Django와 같은 소프트웨어 프레임워크를 사용하여 개발할 때 AI 프로그래밍 도구는 소프트웨어 개발의 공통 부분을 추상화하고 일관된 지침을 설정하며 공통 기능을 제공합니다. 미리 작성된 코드는 크게 향상될 수 있습니다. 생산력. 생성된 AI는 상용구 코드를 생성하고, 반복 작업을 자동화하고, 코드 최적화를 제안함으로써 도구의 가치를 보여줍니다.

AI는 특정 프로젝트에 대한 프레임워크 구성 요소를 사용자 정의하는 데도 도움이 될 수 있습니다.

3. "일반인" 개발자가 부상할 것입니다

많은 개발자의 전문성은 특정 프로그래밍 언어에 대한 숙련도에 달려 있습니다. AI가 어떤 언어로든 코드를 생성할 수 있게 되면 Python이나 Ruby에 능숙하다는 것은 더 이상 중요하지 않습니다. 마찬가지로 테스트 및 코드 최적화와 같은 전문 백엔드 기술과 관련된 작업은 생성 AI 모델로 빠르게 이전됩니다.

가장 가치 있는 기술은 매력적인 사용자 인터페이스 구축, 사용자 요구 사항을 문서로 변환, 고객 지원을 위한 새로운 방법 발명 등 AI가 잘 못하는 기술입니다. 소프트웨어 "시인", 즉 코드를 통해 가능한 훌륭한 아이디어를 꿈꾸는 사람들이 중심 무대에 오를 것입니다.

4. 소프트웨어 테스팅의 혁명

제너레이티브 AI는 당연히 소프트웨어 테스팅에 적합합니다. 개발자가 코드를 작성하면 AI는 원하는 만큼 테스트 스크립트를 생성할 수 있습니다. 최근 IDC 조사에 따르면 소프트웨어 품질 보증 및 보안 테스트는 AI 프로그래밍의 가장 기대되는 이점으로, 다른 옵션보다 훨씬 빠른 것으로 나타났습니다. 이로 인해 DevOps의 지속적인 통합/배포 관행이 중단되고 많은 테스트 전문가가 새로운 작업 영역을 찾게 됩니다.

5. 모두를 위한 개발자 시대

현재의 로우코드/노코드 개발 도구는 이미 매우 우수하며, 생성 AI는 이를 새로운 차원으로 끌어올릴 것입니다. 로우 코드/노 코드 도구는 고도로 자동화되어 있지만 여전히 사람들이 화이트보드에 작업 흐름을 모아서 소프트웨어로 전환해야 합니다.

미래에는 모델에 손으로 그린 ​​작업 흐름 스케치를 제공하고 필요한 코드를 몇 초 만에 얻을 수 있을 것입니다.

2. 부정적인 측면: 코드 오염, 기술 저하

AI는 가능성이 가득하지만 전능하다고 간주되어서는 안 됩니다.

1. 과잉 테스트의 위험

모델은 테스트를 빠르게 생성할 수 있기 때문에 필요한 것보다 더 많은 테스트를 실행할 수 있습니다. 과잉 테스트는 소프트웨어 개발, 특히 팀이 생성하는 테스트 수로 성능을 측정하는 조직에서 흔히 발생하는 문제입니다. 중복되거나 불필요한 테스트를 너무 많이 실행하면 프로젝트 속도가 느려지고 프로세스 후반에 병목 현상이 발생할 수 있습니다.

그러나 AI가 테스트를 제거할 시기를 추천할 수 있게 되면 개발자에게는 큰 해방이 될 것입니다. 생성 AI에 대한 이러한 비전은 저를 미래에 대해 기대하게 만듭니다.

2. 개발 능력 저하

“나는 항상 게으른 사람을 선택하여 힘든 일을 합니다. 왜냐하면 그 사람은 쉬운 방법을 찾을 것이기 때문입니다.” 이 인용문은 빌 게이츠가 한 말이라고 잘못 해석되는 경우가 많습니다. 이 문장의 유래는 불분명하지만 문장 자체에는 분명한 진실이 있습니다. 게으른 사람들은 항상 힘든 일을 피하기 위해 지름길을 찾고 있으며 AI는 탁월한 솔루션을 제공합니다.

제너레이티브 AI는 게으른 개발자에게 중독성이 있으며 비대하고 비효율적이며 성능이 낮은 코드를 생성할 수 있습니다. 더욱 무서운 것은 AI 프로그래밍 도구가 우수한 개발자들이 자랑스러워하는 혁신을 억누를 수도 있다는 점이다. 생성적 AI는 기존 패턴과 데이터를 기반으로 코딩되므로 "편안한 영역"에서 벗어나고 싶지 않은 개발자의 혁신 잠재력이 더욱 제한될 수 있습니다.

3. AI 프로그래밍 도구의 성능이 저하됨

Generative AI는 모델을 훈련하는 데 사용되는 데이터만큼만 우수합니다.

낮은 품질의 데이터, 훈련 지름길, 열악한 힌트 엔지니어링으로 인해 AI 생성 코드가 품질 표준을 충족하지 못하거나, 버그가 있거나, 작업이 완료되지 않을 수 있습니다. 이로 인해 조직은 AI 프로그래밍 도구의 품질에 대한 신뢰를 잃고 잠재적인 이점을 놓칠 수 있습니다.

3. 가장 가치 있는 질문: AI가 소프트웨어 개발자를 대체할 것인가?

주의를 끄는 일부 전문가가 비슷한 주장을 했지만 그러한 결론을 뒷받침할 역사적 선례는 없습니다. 고급 언어부터 객체 지향, 프레임워크에 이르기까지 기술 발전으로 인해 개발자 생산성이 꾸준히 향상되었지만 수요는 증가할 뿐입니다.

제너레이티브 AI는 저급 기본 코딩 기술 시장을 약화시킬 수 있지만 더 큰 영향은 LLM이 현재 잘하지 못하는 일, 즉 혁신을 수행하도록 전체 업계를 가치 사슬 위로 끌어올리는 것입니다.

생성 AI 모델은 알려지지 않은 것이 아니라 생성되기를 기다리는 것이 아니라 알려진 것을 기반으로 훈련된다는 점을 기억하세요. 나는 기계가 혁명적인 사용자 인터페이스를 디자인하거나 조만간 Uber를 개발할 것이라고 기대하지 않습니다.

그러나 개발자가 자신의 경력에서 이렇게 폭발적인 생산성을 경험하는 것은 어려울 수 있습니다. 개발자들은 어렸을 때처럼 기계와 싸우려고 하기보다는 흐름에 따라 파도를 타야 합니다. AI 프로그래밍은 사람들을 많은 지루한 작업에서 해방시켜 줄 것이며 이는 모두에게 흥미로울 것입니다. 특정 작업 작업이 사라질 수 있는 위험은 학습하고 조치를 취하도록 하는 인센티브로 바뀌어야 합니다. 비즈니스 요구 사항을 우아하고 성능이 뛰어난 소프트웨어로 전환할 수 있는 우수한 개발자에 대한 수요는 항상 높습니다.

AIGC에 대해 자세히 알아보려면 다음을 방문하세요.

51CTO AI.x 커뮤니티

https://www.51cto.com/aigc/

위 내용은 프로그래밍의 '데빈 AI 시대', 소프트웨어 개발자의 기쁨과 고민의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!