生成式AI将在十个方面改变软件开发( 二 ) _生成式

【生成式AI将在十个方面改变软件开发】Sonatype的现场首席技术官Ilkka Turunen认为：“开发人员需要在维护和管理AI供应链方面发挥重要作用。他们将会在企业的日常运营中，对AI模型的安全性、真实性和来源予以更严格的审查。通过实施AI风险评估，并妥善管理AI模型物料清单，企业应确保开发基础架构拥有适当的AI安全和管理。”
在实践中，SAST、DAST、以及其他安全与代码管理工具，能够提高代码扫描的自动化能力，并且可以在开发人员将代码集成到企业资源库之前，协助验证生成式AI的产出代码是否符合安全策略。
5.新模式加速整合
在过去十年中，通过应用程序接口（API）、IFTTT的SaaS集成平台、集成平台即服务（iPaaS）、以及其他生态系统技术，开发人员的代码集成能力有了数量级的提升。尽管如此，开发人员仍然需要做大量的基础性工作，来映射数据字段、编程逻辑转换、以确保可靠性与性能。而利用生成式AI，开发人员可以构建出具备自然语言需求、可视化流程的无代码集成。
供职于SAP AI与创新团队的Emmanuel Cassimatis认为：“过去，从设计、构建、测试、集成、部署、交付到审查，整个开发生命周期中的不同步骤向来是分散的。而AI则可以从不同应用的数据中挖掘并实现一个统一的集成层面，从而加强开发人员之间的协作。”
6.开发人员将成为AI代理的管理者
Honeycomb的首席产品经理Phillip Carter认为，生成式AI将改变开发人员和质量保证（QA）工程师未来的工作任务。“将来，自然语言很可能会指导更多的代码生成和验证生成代码的测试。其中，AI代理将完成大部分工作，而开发人员则需要为这些代理设定需要遵循的编程目标和约束条件。”
Carter继续大胆地预测：“AI代理能够通过分析程序运行时的行为，检查未知的因素，以执行过去开发人员难以企及的QA、可观察性和安全任务。”据此，开发人员可以高屋建瓴地从上层定义系统架构、非功能性、以及操作要求，从而指导生成式AI进行代码开发和自动测试，而非亲历亲为。
7.AI被引入SDLC的多个阶段
虽然目前Copilots和许多生成式AI工具主要侧重于编程，但是其新的功能也会改变SDLC中的其他阶段。Gigster的首席解决方案工程师Humberto Moreira认为：“随着生成式AI被纳入SDLC，不同的模型会有其最为适合的特定周期阶段。例如，A模型可能会针对需求进行优化；B模型则是针对代码开发，而C模型却针对的是QA 。”
实际上，由于各类工具提供了更为强大的测试用例，并且能够对代码的更改提供更快的反馈，因此生成式AI模式的转变已经对QA产生了一定的影响。Descope的联合创始人Gilad Shriki说：“随着AI的崛起，从SDK到测试、再到文档，所有围绕着软件工程的方方面面都会得到生成式AI的辅助。开发人员甚至需要以特定的AI使用格式，来记录他们的工作。”
8.生成式AI细分开发角色
生成式AI在软件开发中的角色可能会从目前传统的人类开发职能中分离出来。也就是说，由机器扮演的不同代码生成器、编译器、以及其他开发细分角色会逐渐出现。
Chainguard的工程副总裁Dustin Kirkland认为：“除了人类开发者熟悉的传统代码开发视角，另一种隐蔽的视角将会出现。这种视角虽然对于人类的可读性较低，但是可以被由AI扮演的编译器和解释器完全领会。它将作为另一种代码的中间层，提供所谓AI安全优化的防御视图。”不过，也有人质疑：AI本身的安全识别能力是否准确、高效。
9.AI提高开发过程的运营能力
LaunchDarkly的开发者体验总监Cody De Arkland提出了使用生成式AI、以及交互式学习，来协助提高软件应用的可靠性和操作性的用例。其中包括：