Wie viel produktiver sind Entwickler, die sich auf KI-Code-Tools verlassen? In letzter Zeit gab es viele Spekulationen darüber, dass KI Entwickler zwei-, drei- oder sogar fünfmal produktiver macht. Ein Bericht prognostiziert Verzehnfachen Sie die Entwicklerproduktivität bis 2030.
Die Ironie besteht jedoch darin, dass sich die Ingenieursgemeinschaft größtenteils nicht auf eine Einigung einigen konnte universelle Methode zur Messung der Produktivität des Ingenieurwesens. Einige haben die Idee sogar komplett abgelehnt und argumentiert, dass die meisten Metriken fehlerhaft oder unvollkommen seien. Die meisten Behauptungen zur Verbesserung der KI-Produktivität sind heute eher qualitativer Natur und basieren auf Umfragen und Anekdoten als auf quantitativen Daten.
Wie können wir über KI urteilen, ohne uns vorher darauf zu einigen, wie wir die Produktivität messen? Wenn wir aus dem Remote-Work-Experiment etwas gelernt haben, dann ist es, dass wir ohne Daten als Grundlage für unsere Entscheidungen schwanken und zwischen Büro-, Remote- und Hybridstrategien wechseln, die auf Dogmen und Ideologien statt auf Daten und Messungen basieren.
Wir sind auf dem Weg, es mit KI noch einmal zu tun. Um voranzukommen, müssen wir zunächst seine Auswirkungen verstehen und quantifizieren.
Das Risiko, zurückgelassen zu werden
Der aktuelle Hype um KI könnte einigen von uns aufgrund der unbekannten Auswirkungen auf die Qualität, des potenziellen Plagiatsrisikos und anderer Faktoren Anlass zum Innehalten geben. Die vorsichtigeren Unternehmen sind in eine Warteschleife geraten und warten ab, wie sich dieses neue Szenario entwickelt.
Für technologieorientierte Unternehmen ist das Risiko, ins Hintertreffen zu geraten, jedoch existenziell. KI ist ein doppelter Beschleuniger, der sich auf beide auswirkt was und wie Unternehmen bauen. Unternehmen, die heute in KI investieren, haben das Potenzial, ihre Investitionen zu verdoppeln, indem sie nicht nur neue KI-gestützte Produkte auf den Markt bringen, sondern Produkte schneller und kostengünstiger auf den Markt bringen.
Die meisten Unternehmen haben sich darauf konzentriert was aber KI könnte der Motor sein wie, wodurch ein Ingenieurteam mit 10-facher oder sogar 100-facher Produktion entsteht. Unternehmen, die herausfinden, wie sie die Kluft schnell überwinden können, indem sie KI-Tools auf die effizienteste und wirkungsvollste Weise optimieren und schneller das Produktivitätsplateau erreichen, werden sich in den kommenden Jahren einen Vorsprung verschaffen. Das Risiko, nichts zu tun, ist zu hoch.
Verstehen Sie die Kompromisse
Für jemanden mit einem Hammer sieht alles aus wie ein Nagel. Das Gleiche gilt für KI.
Nach a Aktueller Github-BerichtDer Hauptvorteil der von den Entwicklern genannten KI-Codierungstools bestand darin, ihre Programmiersprachenkenntnisse zu verbessern. Ein weiterer wichtiger Vorteil ist die Automatisierung von Aufgaben, beispielsweise dem Schreiben von Boilerplate-Code. A aktuelles Experiment der Firma CodeCov zeigte, dass ChatGPT gut funktioniert, wenn einfache Tests für triviale Funktionen und relativ einfachen Code geschrieben werden.
Aber wie jede Technologie hat auch KI ihre Vor- und Nachteile. Generative KI und LLMs sind beispielsweise nicht in der Lage, hochkomplexe oder kreative Aufgaben wie die Migration einer Codebasis von einer Architektur auf eine andere oder die Integration von Geschäftslogik in eine neue Funktion durchzuführen. Sie könnten sogar unvorhergesehene Sicherheitslücken oder rechtliche Fragen aufwerfen, wenn Entwickler KI-generierte Vorschläge ohne Plagiatsprüfung, Lizenzbeschränkungen oder KI-generierte Umgehungen (sog Halluzinationen).
Aber KI muss kein Allheilmittel sein, um die Art und Weise zu verändern, wie Software geschrieben und in Produktion gebracht wird. Selbst mit diesen Einschränkungen kann es neue Türen öffnen, die diese Aufgaben zehnmal einfacher, schneller oder kostengünstiger machen, wenn es nur auf wenige, präzise Arten zur Unterstützung bei den richtigen Aufgaben eingesetzt wird.
Quantifizierung der Auswirkungen
Die meisten Entwickler nutzen bereits KI-gestützte Tools. Laut GitHub92 % der Benutzer einer Umfrage haben KI-Codierungstools bei der Arbeit oder in ihrer Freizeit verwendet. Daher ist es für Unternehmen von entscheidender Bedeutung, so schnell wie möglich Baselines zu erstellen, um die Produktivität vor und nach der Implementierung neuer KI-Tools vergleichen zu können.
Selbst einfache Proxy-Metriken können quantitative Informationen über die Auswirkungen neuer Tools liefern. Zum Beispiel in eine Untersuchung in einer Gemeinschaft Aus über 400.000 Entwicklern geht hervor, dass diejenigen, die GitHub Copilot verwenden, 1,3-mal so viele Zeichen und 1,22-mal so viele Codezeilen in der gleichen Zeit einfügen wie Entwickler, die den KI-Codierungsassistenten nicht verwenden. . Das Ändern weiterer Codezeilen bedeutet zwar nicht zwangsläufig eine höhere Produktivität, doch die zunehmende Geschwindigkeit, mit der Entwickler mit GitHub Copilot Code schreiben können, sei es Unit-Tests, Funktionen oder anderer Standardcode, beweist, dass sie Zeit und Aufwand sparen bei sich wiederholenden Aufgaben.
Ebenso kann die Messung, wie viele Funktionen ein Team vor und nach der Investition in KI-Tools bereitstellen kann, dabei helfen, die Auswirkungen zu quantifizieren. Verbesserungen bei der Anzahl der pro Ingenieur bereitgestellten Funktionen (zusammen mit niedrigeren Kosten pro bereitgestellter Funktion) sind ein stärkeres Geschäftsargument für die weitere Investition in KI-Tools.
Positive Renditen aus KI-Investitionen: Investitionen in KI-Tools können die Entwicklung neuer Funktionen ermöglichen. Bildnachweis: Software.com
Der Vergleich bereitgestellter Funktionen zum Entfernen oder Umgestalten kann Ihnen auch helfen, die Auswirkungen von KI auf die Qualität zu verstehen. Unternehmen, die aufgrund der Implementierung neuer KI-Codierungstools auf Qualitätsprobleme stoßen, werden mehr Zeit für die Coderotation aufwenden, um Code zu entfernen und umzugestalten, und weniger Zeit für die Entwicklung neuer Funktionen aufwenden.
Während ein gewisser Umfang an Aktualisierungen und Umgestaltungen erforderlich ist, kann ein zunehmender Umfang darauf hindeuten, dass der ROI dieser Tools weniger überzeugend ist und sich erheblich auf die Qualität auswirkt.
Auswirkungen von KI auf die Qualität: Erhöhter Umsatz und Refactoring sind ein Zeichen für KI-Qualitätsprobleme. Bildnachweis: Software.com
Die richtigen Investitionen tätigen
Um zu beantworten, ob KI die Entwicklerproduktivität verbessert, muss man sich zunächst einen Überblick über ihre Auswirkungen verschaffen: Wo, wann und wie im Entwicklungsprozess wird KI wahrscheinlich den größten Return on Investment erzielen. Bei so viel Hype und Aufregung rund um generative KI ist es wichtiger denn je, die richtigen Daten zu ermitteln, um der Wahrheit auf den Grund zu gehen.
Wenn Unternehmen in KI-Entwicklungstools investieren, können sie ihre Teams stärken, indem sie Erkenntnisse in die Softwareentwicklung einbringen. Observability hilft Ihnen nicht nur dabei, schneller die Grenzen und Möglichkeiten von KI kennenzulernen, sondern öffnet auch die Tür zu Gesprächen über andere Faktoren, die sich auf die Produktivität auswirken, wie z. B. Remote-Arbeit, DevOps und interne Entwicklungsplattformen.
Es besteht kaum ein Zweifel daran, dass KI eine Rolle bei der Verbesserung der Produktivität spielt, aber es erfordert eine Untersuchung der Fakten, um zu verstehen, wie das geht, und dann fundierte Entscheidungen zu treffen.
