Nortali partner: tehisintellekti mõju arenduses pole nii suur, kui algselt loodeti või kardeti

Vajadust algajate programmeerijate järele tehisintellekt tema sõnul ei vähenda.

11. oktoobril toimuval IKT aastakonverentsil räägib Priit Liivak, kuidas Nortal on AI kasutusele võtnud, järgnevalt tutvustab ta oma ettekannet.

Mõju on küll olemas, kuid see pole kindlasti nii suur kui algselt loodeti või kardeti – arendaja ametikoht pole kuhugi kadumas. Samuti on tehisintellekti kasutuskohti otsimas meie kliendid, mistõttu on teema alati laual lahenduste analüüsi teostades.

Meie arendustiimide erinevad rollid on tehisintellektiga üha rohkem kokku puutumas ja peavad seega olema teadlikud selle võimalustest ja puudustest, kuid mõju tarkvaraarenduse protsessidele on hetkel veel pigem väike.

Tehisintellekti põhiseid vahendeid, nagu Copilot, on kindlasti tänaseks katsetatud juba kõigis tarkvaraarenduse ettevõtetes. Kasutatakse ka lihtsalt ChatGPT tuge lahenduste disainimisel ja riskide analüüsiks. Mina täna aga ei tea ühtegi näidet, kus mõni protsessi samm oleks täielikult asendatud generatiivse AI võimalustega.

Tehisintellekt ei suuda veel 100% usaldusväärset vastust anda. Erinevate võtetega saab küll väljundi usaldusväärsust tõsta, kuid alati jääb olukordi, kus inimese sekkumine on vajalik.

Ikka lastakse, kuid range järelevalve all. Kõik kood vaadatakse üle nii arendaja poolt, kes selle AI abil genereeris, kui ka mõne teise arendaja poolt koodiülevaatuse raames.

Puudusena tasub mainida mõningast ebastabiilsust: laiapõhjalised mudelid, mille eesmärk on luua maksimaalselt loomingulist sisu, ei ole oma vastustes usaldusväärsed ja on kergesti kallutatavad küsija sisendite poolt.

Seetõttu on äärmiselt oluline uusi lahendusi luues arvestada erinevate baasmudelite tugevuste ja nõrkustega ning mitte oodata tänastelt AI lahendustelt võimekust, mille jaoks nad loodud või peenhäälestatud pole.

Kui aga AI võimekust korrektselt ja vahel ka loominguliselt ära kasutada, võib see kasu tuua erinevates tiimides müügist arenduseni, säästes aega ja tõstes efektiivsust. Täna on see eelis siiski veel pisut ennustamatu. Me näeme erinevates rakendusvõimalustes potentsiaali, kuid ei oska hinnata, kui suure võidu konkreetne rakendus meile või meie kliendile annab, enne kui ei ole seda saanud ise katsetada.

Analüüsis aitaks AI kindlasti valideerida lahenduse vastavust seadusandlusega ja veenduda, et ükski nüanss arvestamata ei jääks. Täna on see siiski vaid perspektiiv ja vajaks erilahenduse loomist.

Testimine on üks valdkond, kus generatiivse AI vahenditest näib enim kasu olevat. Võimalusi kasutatakse nii testandmete loomiseks, automaattestide genereerimiseks kui ka valideerimiseks, et automaattestid kataks kõik vajalikud kasutuslood. Ka testimises on AI pelgalt tööriista rollis, mis abistab spetsialisti ning vastutus selle tööriista õigesti kasutamise osas jääb spetsialisti õlgadele.

AI leiab omale päriselt koha erinevates protsessides ja kogu sektor saab paremini aru, mille jaoks see tööriist sobib ja kus selle puudused jäävad liigselt jalgu. Seejuures ma usun, et AI ei saa põhimõttelisemat rolli kui sel on täna – kindlasti läheb rohkem kui paar aastat enne kui AI on võimeline tänaseid spetsialistide tööülesandeid usaldusväärselt üle võtma.

Algaja programmeerija suurim väärtus on tema potentsiaal olla ühel päeval suurepärane kogenud programmeerija või arhitekt ja nende järele vajadus kindlasti ei vähene. Selles vaates AI kindlasti probleemi leevendada ei aita. Küll aga pakub AI suurepärase võimaluse edendada IT haridust selliselt, et jõuaksime vajalike kogemusteni kiiremini.

Generatiivse AI vahendid on meid aidanud seni peamiselt kahes valdkonnas. Esiteks inimkeeli küsides sisu leidmisel suurtest mitmekeelsetest ja eri formaatidest infovaramutest, säästes inimeste aega.

Teiseks ka sisu loomisel: 1) vastavalt etteantud reeglitele: näiteks automaattestide loomisel lisandunud ja muudetud koodi jaoks, 2) dokumentide genereerimisel, võttes arvesse reegleid ja varasemalt kirjutatud sarnaseid dokumente.