AI generatif membuat terobosan dalam bidang pengembangan perangkat lunak, mengubah cara para insinyur mengoperasikan, melakukan iterasi, dan mengembangkan kode.
Kami melihat efek riak dari transformasi ini terlihat pada pengelolaan data, pemantauan, dan kemampuan observasi secara keseluruhan. AI mengubah lebih dari sekadar alur kerja, namun juga mengubah jalur karier.
Chief technology officer dan salah satu pendiri Chronosphere.
Dari halusinasi hingga kode pengujian mandiri, AI belajar dari kesalahannya
Model bahasa besar (LLM) dapat digunakan untuk bertukar pikiran, menyusun informasi, dan membuat kode. Namun, mereka masih sering melakukan kesalahan dan berhalusinasi sehingga tidak bisa dipercaya.
Halusinasi melibatkan penyajian informasi palsu sebagai benar atau menghasilkan jawaban yang akurat secara faktual yang tidak relevan dengan pertanyaan yang diajukan. Kegagalan seperti itu dapat semakin mempersulit proses bagi pengembang.
Saat ini, pengembang menggunakan asisten pengkodean AI dengan salah satu dari dua cara. Pertama, mereka dapat menggunakan agen pengkodean AI untuk membuat solusi yang lebih kecil dan spesifik.
Alternatifnya, mereka menggunakannya untuk membantu menyusun kode mereka sendiri secara lebih efektif dengan mengajukan pertanyaan tentang properti algoritma, memeriksa referensi, bahasa semantik, dan bertukar pikiran tentang desain solusi.
Ketika teknologi masih dalam tahap awal, halusinasi yang sering terjadi mengharuskan para insinyur menghabiskan banyak waktu untuk meninjau dan memeriksa kode.
Ini mengubahnya menjadi penghemat waktu, bukannya penghemat waktu. Hal ini berubah dengan cepat: kini, agen pengkodean AI membuat dan menjalankan pengujian terhadap kode yang mereka buat dan memperbaiki kesalahan mereka sendiri. Hasilnya, halusinasi tidak lagi menjadi masalah.
Apakah AI memperlambat atau mempercepat proses pengembang?
Apakah AI mempercepat atau memperlambat, pengkodean prosesnya tergantung pada keadaan masing-masing; sebagian besar disebabkan oleh tingkat pengalaman pengembang dan literasi AI. Faktanya, sebuah penelitian baru-baru ini mengungkapkan bahwa ketika pengembang menggunakan alat AI, mereka membutuhkan waktu 19 persen lebih lama dibandingkan jika tidak menggunakan alat tersebut.
Agen pengkodean menawarkan lapisan ide tambahan bagi pengembang saat menyusun kode. Tantangannya adalah mereka sering kali terjebak dalam upaya berulang untuk memperbaiki kode mereka sendiri. Ini berarti bahwa mereka memerlukan panduan yang jauh lebih tinggi ketika bekerja pada basis kode atau dalam konteks yang tidak biasa, yang mungkin berdampak buruk produktivitas timbangan.
Semakin terspesialisasi kode dan tugasnya, semakin sulit mencapai hasil yang baik tanpa banyak bimbingan atau campur tangan manusia – terutama ketika merevisi dan menerapkan kembali kode yang sulit ditangani oleh AI.
Ini berarti bahwa jumlah waktu terbuang yang dihabiskan ditentukan oleh proyek itu sendiri, serta keakraban insinyur dengan dorongannya.
Di antara tingkat kegagalan, 60 persen kesalahan disebabkan oleh alat AItermasuk masalah kecil dan besar. Yang terakhir mencakup kode ‘kereta’, yang mungkin tampak baik-baik saja pada awalnya, namun setelah dipertimbangkan, pengembang menyadari bahwa hal itu memerlukan perbaikan besar.
Memasukkan AI ke dalam DevOps
Salah satu kasus penggunaan terbaik untuk agen AI saat ini adalah rekayasa keandalan situs. Dengan menggunakan server protokol konteks model (MCP) yang terintegrasi dengan alat pengkodean AI, seperti Cursor dan Claude Code, para insinyur dapat dengan mudah mengintegrasikan AI ke dalam aktivitas sehari-hari mereka. DevOps alur kerja.
MCP membuat data telemetri tersedia bagi AI, memungkinkan AI untuk mempertimbangkan data dan menghilangkan kebutuhan akan input informasi secara manual. Ini meningkatkan efisiensi dan mengurangi kemungkinan halusinasi.
Hal ini memungkinkan teknisi keandalan situs (SRE) untuk tetap berada pada kondisi alirannya di dalam ‘editor‘ atau itu terminal dan dengan cepat menilai kesehatan tujuan tingkat layanan (SLO), serta menyusun log, mengamati distribusi kesalahan dan latensi layanan.
Membawa konteks ini dan menjadikan telemetri tersedia bagi AI untuk dijadikan pertimbangan telah menciptakan perubahan besar dalam seberapa cepat tugas dapat diselesaikan setiap hari. Peningkatan efisiensi dan kecepatan menghasilkan tim pengembang yang berkinerja lebih tinggi dan lebih bahagia serta dapat fokus pada elemen unik pekerjaan.
Mereka dapat bekerja untuk memecahkan tantangan bisnis dan organisasi alih-alih terhambat oleh beban kerja. Ini hanyalah awal dari perjalanan. Di masa depan, alur kerja tertentu akan sepenuhnya otonom, diawasi oleh manusia di pusat yang akan mengarahkan pengambilan keputusan dan investigasi.
Nilai AI
Bagi pengembang, nilai utama AI generatif saat ini terletak pada kemampuannya untuk membuat sketsa ide dan membantu bertukar pikiran tentang solusi, memberikan petunjuk langkah demi langkah, dan mengidentifikasi area baru untuk diteliti.
Panduan yang diberikan dapat membantu pengembang muda berkembang lebih cepat, terutama ketika mereka tidak memiliki bimbingan dari insinyur yang lebih berpengalaman. Meskipun demikian, apakah AI menghemat atau membuang waktu sepenuhnya bergantung pada kompleksitas tugas, tingkat pengalaman insinyur, dan kemampuan mereka untuk menjalankan AI dengan baik.
Seiring berkembangnya alat AI dan para insinyur beradaptasi dengan metode kerja baru, pola pikir seputar coding itu sendiri diperkirakan akan berubah. AI telah mengubah alur kerja, namun tidak akan sepenuhnya menggantikan manusia.
Sebaliknya, hal ini akan mengisi kesenjangan pengetahuan dalam tim pengembang, memberikan ide-ide baru tentang cara menyusun kode, termasuk opsi yang mungkin belum tercakup dalam pelatihan sebelumnya, dan menangani tugas-tugas kasar yang menghambat para insinyur setiap hari.
Pada akhirnya, AI yang dibantu manusia akan menjadi AI yang paling kuat.
Kami telah menilai platform tanpa kode terbaik.
Artikel ini dibuat sebagai bagian dari saluran Expert Insights TechRadarPro tempat kami menampilkan para pemikir terbaik dan tercemerlang di industri teknologi saat ini. Pandangan yang diungkapkan di sini adalah milik penulis dan belum tentu milik TechRadarPro atau Future plc. Jika Anda tertarik untuk berkontribusi, cari tahu lebih lanjut di sini: https://www.techradar.com/news/submit-your-story-to-techradar-pro
