新一代软件 ： Gen AI 在软件开发中的真正价(汉) 2024

Gen AI 在软件开发中的真正价值 随着通用人工智能（Gen AI）在软件工程领域掀起风暴，有关巨大生产率提升和大规模采用的报道层出不穷。但这种情况是否真的如此？Capgemini 的新研究case?研究所(CRI)让生成 AI 的价值成为焦点。 软件对于现代企业至关重要，并不仅仅局限于“软件公司”。当我们谈论软件时，我们包括消费者软件以及当今支撑每一家公司的企业级软件。更为隐秘的是无处不在的嵌入式软件，它确保了无数设备和组织的顺畅运行。无论何种形式，软件工程正在经历一场巨大的变革。 当生成 AI 在 公共阶段 ， 捕获了三个应用程序公众的想象力 ： • 写作 ， 包括一些有史以来最令人惊叹的人工智能展示。 • 视觉图像 ， 具有使用书面提示创建图像的惊人能力。 编码 ， 在提供智能代码建议和自动化重复任务方面具有革命性。 现在生成式AI已在公众视野中存在超过一年，对其能力进行更为细腻和准确的评估成为可能。我们的最新研究探讨了最后一个类别——编码，或更广泛地说，生成式AI对软件工程的影响。我们分析哪些预测得到了验证、接近正确以及哪些预测被忽视了。 • 软件工程面临的挑战是什么 ？ 我们如何最好地管理与生成 AI 相关的风险 ？ 我们一直密切关注这一领域，并且在软件开发的几乎每一个方面都看到有人在某地测试通用人工智能（Gen AI），以改进流程。我们的初步观察引发了诸多疑问。其中： • 组织如何有效地衡量和量化通过生成 AI 实现的生产率提高 ？ • 如何利用生成式AI引入软件开发过程中的新高标准和更高质量，而不仅仅是加速现有实践？ • 生成式AI将如何影响软件开发生命周期（SDLC）的各个阶段？• 组织如何迅速采用并规模化应用生成式AI以提高生产效率和推动创新？• 生成式AI将如何影响软件工程师的工作方式？ • 生成 AI 将如何影响软件开发团队的设置？ 为了找到答案 ， 凯捷研究所最近采访1,000 高级管理人员（包括总监及以上级别）和 1,000 名软件专业人士（包括架构师、开发人员、测试人员和项目经理），来自年收入超过 10 亿美元的组织，以了解生成式人工智能当前的应用情况及其未来潜力。2023 年初，Capgemini 还启动了一个全球性倡议，旨在探索生成式人工智能的应用案例，并通过标准化协议衡量其对典型软件任务的影响。研究结果正在汇总到一个数据库中，用于内部和外部基准比较。这项研究和实验数据共同提供了有关组织如何已经利用生成式人工智能以及未来可能带来的机会的重要见解。 Gen AI 的节省时间的潜力 在 SWE 中利用 Gen AI 具有明显的价值 ， 但输出的质量是上下文相关的 其中一个最初预测是时间节约。我们看到了大量的预测，甚至有预测称代码开发速度可以提高50%以上。实际上，并非如此。我们的报告发现，使用生成式AI的企业在软件工程功能上的生产力提高了7%至18%。这一提升在专门任务如代码辅助方面最为显著，最大潜在时间节约可达34%，平均为9%。 在考虑使用通用人工智能（Gen AI）进行软件工程（SWE）所实现的生产力提升时，重要的是要认识到这些提升会因上下文而异。例如，工具的选择会产生影响。一些较为通用的Gen AI工具非常擅长生成代码，而其他应用场景（如编码专用用户界面或集成到开发环境的能力）则需要专门的Gen AI工具。 我们预测，在适当培训和工具优化的情况下，这些初步的生产率提升将会逐渐增加，但目前来看，节省时间并不是生成式AI在软件开发中主要带来的好处。那么，是什么驱动了生成式AI的采用呢？找到这一答案的第一个线索是了解谁在使用它。 同样地，一个在简单前端应用中表现优秀的通用AI编码助手，如果代码充满了复杂的商业术语，也不一定能提供同样的优势。 一场无形的革命 ？ 目前，27%的组织正在运行某种生成式AI试点。但只有11%的组织目前正在使用生成式AI来辅助软件开发任务。其余的大多数组织仍处于较早的阶段。 相比之下，46%的软件开发人员已经采用了生成式AI。他们利用生成式AI来辅助编码、测试、更新和设计。开发人员使用生成式AI来分析大量数据，包括客户评价、市场研究和行业最佳实践，以识别用户偏好并将其转化为功能性和系统性需求。开发人员正在清理旧代码并减少技术债务。总体而言，目前生成式AI的采用主要来自底层推动。 生成式AI在繁琐任务中表现出色。让我们再次看看创建文档（这项具有最大时间节省量的专业任务）。如今，一些开发者正在利用生成式AI来帮助追踪不断变化的需求，并通过分析文档的完整性和清晰性来验证需求文档。任何用于验证的时间都可以被用于更具价值和个人满足感的任务。 不仅生成性人工智能（Gen AI）补充了员工，员工也补充了生成性人工智能。这一点在“幻觉”的情况下尤为明显，“幻觉”指的是生成性人工智能偶尔会产生虚假响应的倾向。 开发者们深知他们发现了一种强大的新技术，并开始将其适应以满足日常需求。我们之所以知道这一点，是因为63%的这些工作者未经官方许可使用了生成式AI。（更多相关内容稍后介绍！）这些软件开发创新者实现了哪些好处？ In一个例子一家律师事务所使用ChatGPT准备法律文件，却发现AI建议的案例并不存在。这些案例中的引用和内部引证都是虚假的。“为了使通用人工智能成为一个可信赖的工具，它需要人类的帮助。” 另一个使用生成式AI面临的挑战是在自我实现预言的领域。基于有限的输入与大语言模型（LLM）生成的产品生命周期（SDLC）中的各类成果（例如设计、代码、测试代码和数据）可能看似完美无缺，但实际上并未反映业务意图。 在一份充满好消息的报告中，这一条可能是最亮的：软件开发人员使用生成式AI是因为它让他们的工作变得更加愉快。69%的高级软件专业人士和55%的初级软件专业人士表示，使用生成式AI进行软件开发给他们带来了较高的满意度。部分原因可能在于开发人员自主使用生成式AI的方式。（显然，如果你是出于自愿使用一种新工具，你自然会寻找方法来使自己的工作更加轻松愉快。）但更重要的是，因为生成式AI具有无可比拟的能力来增强和补充员工的工作。 通用人工智能和专业人员共同创造前所未有的价值，将专门的知识转化为所有人都能访问的共享专业知识。我们的调查显示，49%的受访者表示通用人工智能帮助他们创造了更高的代码质量。 Gen AI 拥有无与伦比的能力补充员工。 通用人工智能（Gen AI）还充当了一种技术规范与业务需求之间的翻译工具。它可以基于业务输入自动生成文档、用户故事甚至代码片段，从而使业务相关方更容易表达他们的需求，开发人员也更容易理解和实施这些需求。通过增强清晰度和相互理解，通用人工智能促进了更有效的团队合作，并在软件工程中推动了成功项目的结果。然而，如我们稍后所述，在没有明确架构的情况下，通用人工智能的好处可能会迅速转化为潜在的风险。 Gen AI 正在改善协作 卸载繁琐任务从一开始就普遍被预测到。但在我们的报告中，生成式AI在软件开发中最常被提及的好处却出乎意料：78%的软件专业人士认为生成式AI有可能改善业务和技术团队之间的协作。 对于工程师向新手解释详细任务而言，这是一种特殊技能。甚至有一种戏剧性的名称来形容这种现象。“知识诅咒”指的是非常 knowledgeable 的人，在尝试站在缺乏相关知识的人的角度时所面临的困难。从何开始，需要哪些背景信息，哪些术语需要定义——这往往很困难，并且双方常常感到沮丧。软件专业人士中有超过四分之三的人认为，由于生成式人工智能（Gen AI）的应用，合作潜力得到了提升，这是一个非常好的消息。 关于通用人工智能（Gen AI）是否会取代工作岗位的巨大担忧，我们很高兴地报告说，实际情况并非如此。整个报告中，计划使用Gen AI来减少员工人数的比例最低，仅为4%。相比之下，50%的组织打算开发新的软件功能，而47%的组织计划利用Gen AI提升员工技能。许多组织正在创造新的职位，如AI开发者、Gen AI架构师、AI平台架构师和提示工程师等。然而，除了这些新职位之外，还存在对现有角色和技能演进的日益增长需求——例如擅长提示工程的软件工程师。总体来看，当前Gen AI对员工和组织的影响是相当积极的，那么是否还有值得担忧的地方呢？ 定义架构在 AI 驱动代码生成中的重要性 定义架构在 AI 驱动代码生成中的重要性 我们无法撰写此论文而不讨论通用人工智能（Gen AI）对软件架构的影响。在没有明确架构的情况下生成代码可能会导致长期的重大挑战，特别是在可重复性和可扩展性方面。相反，当开发人员建立稳健的架构并有效应用提示工程，尤其是结合使用Gen AI时，代码生成过程会变得更加一致，并产生更高的质量输出。 生成式AI在维持一致性方面发挥着关键作用，通过将合规标准直接集成到代码生成过程中，确保生成的代码不仅满足技术要求，还遵守必要的监管指南。 通过奠定坚实的基础架构并利用通用人工智能（Gen AI），开发者可以生成更加可靠和可维护的代码，最终提升其软件项目的有效性和可持续性。 51%的高级管理人员认为，在软件工程中利用生成式AI将需要在软件工作队伍的技能提升和交叉技能培训上进行重大投资。然而，只有39%的组织为软件工程制定了生成式AI技能提升计划。 等等 ， 你说 63% 的开发者的 Gen AI工具是未经批准的吗 ？ 当然，让我们回到那个统计数据上，因为它说明了很多问题。首先，它表明了一种不能忽视的风险水平。而在公共部门和保险行业中，这一数字几乎达到九成的Gen AI用户正在使用未经授权的工具和解决方案。这可能会带来严重的法律、功能性和安全后果。 我们所看到的是一个行业 ， 员工的速度比他们工作的组织更快。 还有另一个事实隐藏在那63%之中。据推测，员工使用未经批准的通用人工智能工具是因为他们的雇主未能提供足够功能的工具。这正是我们对当前软件开发中通用人工智能的真实图景。我们看到的是一个行业，在这个行业中，员工们正以比他们所在组织更快的速度前进。令人印象深刻的是，41%的受访员工已经提升了自己的技能，能够利用生成式AI进行工作。在这群人中，有40%的人为自己支付了课程费用——这表明他们非常重视这些知识。然而，这也表明他们没有从雇主那里获得自己认为必要的培训。 用于基于软件工程工具的路径的生成 AI • 各种工具简介 • 推动工程 • 会话软件工程• 软件开发生命周期中的应用场景 • 认证 • 生成式AI语言模型介绍 • 高级提示工程 • 软件开发生命周期中的LLM应用场景 • 认证 向软件团队传授生成 AI 技能的培训计划蓝图。 然而，培训不足以创造真正的学习文化。下图展示了开发生成式AI交付能力的动员计划蓝图： 如何让组织及其员工共同合作以减少不必要的风险，并从生成式AI中获得最大价值？我们相信培养一种学习文化是其中一个重要步骤。 生成式AI为重新思考软件工程和整体业务提供了无数机会。但灵感只是第一步。将这些新想法规模化，并将其转化为复杂系统中安全且具有增值作用的部分，属于管理职责。那么，组织如何实现这一点？ 在 SWE 中使用 Gen AI 加强基础 重命名Gen AI为由Gen AI增强的SWE突显了坚实软件工程（SWE）和项目管理实践在实现可扩展成果中的关键作用。尽管Gen AI可以提升开发效率，但质量关卡、个人责任和结构化流程依然至关重要。即使借助AI工具，开发者仍然对代码负责。管理层应重点确保执行质量检查并培养确保可靠输出的行为。此外，将持续和自动化测试与AI驱动的开发过程结合，既能加速创新又能维持高标准。Gen AI与严格SWE基础的融合确保了可持续且高质量的结果。 有一项步骤如此重要，我们将其置于第一步之前：优先推动通用人工智能（Gen AI）的采纳。这意味着确保必要的时间和资金来探索、合作、测试和扩展。如果在一开始就未预算时间与资金，它们在需要时将不存在。解决方案正在快速演变，因此组织需要做好相应调整的准备。没有优先计划试图采纳Ge