編譯丨諾亞
出品 | 51CTO技術(shù)棧（微信號：blog51cto）
日前，Gartner預(yù)測，到2028年，將有75%的企業(yè)軟件工程師使用AI代碼助手。值得一提的是，這一比例在2023年初尚不足10%。
根據(jù)對598位大型企業(yè)軟件工程領(lǐng)導(dǎo)者的調(diào)查，截至2023年第三季度，已有63%的組織正在試用、部署或已部署了AI代碼助手。
然而，Gartner高級首席分析師Philip Walsh警告稱，在生產(chǎn)力提升方面，IT領(lǐng)導(dǎo)層的期望與軟件團隊的實際體驗之間可能存在不匹配。
Walsh表示，銷售AI輔助編程工具的供應(yīng)商聲稱，這些工具可以將程序員的生產(chǎn)力提高多達(dá)50%，而三分之一（34%）的CIO和技術(shù)領(lǐng)導(dǎo)者認(rèn)為，AI代碼生成可能對其軟件開發(fā)工作產(chǎn)生“顛覆性”影響。
“這表明人們對AI代碼助手在生產(chǎn)力提升方面的期待非常高。”他說。
雖然AI編碼工具在很大程度上提升了開發(fā)人員的工作效率，實現(xiàn)了諸如快速代碼生成、智能重構(gòu)、自動化測試等任務(wù)的處理，顯著減少了重復(fù)勞動和人為錯誤，但目前其實際應(yīng)用領(lǐng)域和深度仍存在明顯局限性。這些限制主要體現(xiàn)在以下幾個方面：
首先，AI編程工具對于特定類型的問題和任務(wù)表現(xiàn)尤為出色，如處理常見編程模式、遵循既定規(guī)范的代碼編寫、基于模板的代碼片段生成等。然而，對于高度復(fù)雜、創(chuàng)新性強或者特定行業(yè)背景下的定制化需求，現(xiàn)有的AI模型可能難以準(zhǔn)確理解和應(yīng)對，仍需人工介入進行精細(xì)調(diào)整和優(yōu)化。
其次，盡管AI在編程過程中能夠提供有效的輔助，但在軟件開發(fā)生命周期（SDLC）的其他重要環(huán)節(jié)，如需求分析、架構(gòu)設(shè)計、項目管理、用戶體驗設(shè)計、測試策略制定以及后期的維護與升級等方面，AI的參與程度和貢獻度相對較弱。
正如Walsh指出的，編碼本身并不構(gòu)成整個軟件開發(fā)生命周期中的大部分工作。那些非編碼任務(wù)往往占據(jù)了開發(fā)人員大量時間和精力，對于整體項目效率的影響不容忽視。
“軟件開發(fā)涉及各種各樣的任務(wù)……即使你在編碼任務(wù)上能實現(xiàn)50%的更快完成率，但放眼整個周期，編碼可能只占其中20%的工時，也就是說整體周期時間只提高了10%?！?/p>
再者，AI編程依賴于大規(guī)模的高質(zhì)量訓(xùn)練數(shù)據(jù)和先進的算法模型，但針對某些新興技術(shù)、罕見編程語言或特定領(lǐng)域的專業(yè)知識，現(xiàn)有的數(shù)據(jù)資源可能不足，導(dǎo)致AI的智能化水平和適應(yīng)性受限。
此外，AI生成的代碼雖然在語法層面通常正確，但其邏輯復(fù)雜度、可讀性、可維護性及性能優(yōu)化等方面可能尚無法完全媲美經(jīng)驗豐富的開發(fā)者手寫的代碼。
因此，盡管AI編碼工具的受歡迎程度會與日俱增，但開發(fā)團隊可能需要管理其高層管理人員的期望。
“他們不會從供應(yīng)商那里聽到這些，”Walsh說。“希望他們的開發(fā)者和工程負(fù)責(zé)人會告訴他們，并且他們會傾聽。我們不建議——任何形式的自上而下的生產(chǎn)力強制要求。這行不通?！?/p>
他表示，開發(fā)團隊需要有一定的自由度去探索最佳應(yīng)用場景。他們需要在一個鼓勵試錯、允許失敗的學(xué)習(xí)型文化中工作，以便最大限度地利用這些新工具。
“CTO們需要營造這樣的文化，傾聽員工的聲音，同時也要為實驗和失敗創(chuàng)造空間，”他如是說。
再進一步思考，對于AI編程技術(shù)的接納和有效利用，不僅取決于技術(shù)本身的成熟度，還受到企業(yè)組織結(jié)構(gòu)、開發(fā)流程、團隊技能水平、工具集成能力以及行業(yè)監(jiān)管環(huán)境等多種因素的影響。許多企業(yè)可能尚未建立起適應(yīng)AI輔助開發(fā)的最佳實踐和配套基礎(chǔ)設(shè)施，使得AI編程的優(yōu)勢未能得到充分釋放。
綜上所述，盡管AI編程已經(jīng)在提升開發(fā)人員效率方面展現(xiàn)出了顯著潛力，但要實現(xiàn)軟件開發(fā)生產(chǎn)力的全方位、深層次變革，仍有賴于技術(shù)的進一步發(fā)展、應(yīng)用場景的拓展、數(shù)據(jù)資源的豐富、開發(fā)流程的優(yōu)化以及企業(yè)適應(yīng)性的增強等多個層面的持續(xù)進步。
簡言之，距離AI真正推動軟件開發(fā)生產(chǎn)力實現(xiàn)質(zhì)的飛躍，我們還有一定的路程要走，需要耐心等待并積極投入研發(fā)與實踐。
參考鏈接：https://www.theregister.com/2024/04/13/gartner_ai_enterprise_code/
