Повеќето компании немаат проблем со вештачка интелигенција. Тие имаат проблем со контекстот.

Корисното знаење што овозможува еден бизнис да функционира ретко е складирано во еден единствен, добро уреден документ. Тоа живее во бази на код, pull requests, шеми, тестови, конфигурација, белешки за инциденти, тикети за поддршка и малите одлуки што се насобираат додека производот се менува. Кога на асистент со вештачка интелигенција му се дадени само вики и општ поттик, тој може да звучи информирано. Кога може безбедно да расудува врз кодот што го води бизнисот, има шанса да стане навистина корисен.

Таа разлика е важна. Кодот не е само имплементациски детал откако стратегијата е одлучена. Кај зрел дигитален производ, кодот е еден од најпрецизните записи за тоа што бизнисот моментално ветува, дозволува, пресметува и заштитува.

Зошто кодот е невообичаено вреден контекст

Описот на производот може да каже дека клиентите добиваат попуст. Кодот објаснува кои клиенти се квалификуваат, дали попустите се комбинираат, како функционира заокружувањето, што се случува кога промоцијата истекува и кои гранични случаи веќе предизвикале проблеми. Дијаграм може да опише работен тек за нарачка. Апликацискиот код, ограничувањата во базата на податоци и тестовите ги откриваат вистинските состојби во кои може да влезе една нарачка.

Затоа вештачката интелигенција заснована на код има поинаква улога од општ четбот. Таа може да им помогне на тимовите да се движат низ системот на евиденција за оперативното однесување. Може да поврзе прашање за производот со правило за валидација, да ги идентификува веројатните потрошувачи на промена на API, да објасни непозната услуга или да предложи фокусиран план за тестирање врз основа на постојните конвенции.

Но „поврзете ја вештачката интелигенција со репозиториумот“ не е стратегија само по себе. Изворното дрво е големо, нерамномерно и полно со застарени артефакти. Добрите резултати зависат од намерно размислување за производот: одлучување кои прашања се важни, каков контекст асистентот смее да користи, што смее да менува и како луѓето ќе ја проверуваат неговата работа.

Почнете со одлуки, не со демонстрации

Тимовите често почнуваат со импресивна демонстрација: бараат од модел да го сумира репозиториумот, да генерира функционалност или да одговара на архитектонски прашања. Демонстрациите лесно се восхитуваат, а тешко се операционализираат. Подобра почетна точка е повторлива одлука што моментално е бавна, склона кон грешки или зависна од неколку луѓе.

Разгледајте ја разликата меѓу „изградете асистент за програмирање со вештачка интелигенција“ и „помогнете им на инженерите да го утврдат влијанието од промена на поле за наплата“. Вториот проблем има дефиниран корисник, видлив исход и докази што може да се проверат. Асистентот може да го пребарува полето низ апликацискиот код, миграциите, API договорите, тестовите, контролните табли и документацијата. Неговиот одговор треба да вклучува неизвесност, референци и патека што може да се прегледа, наместо само сигурен заклучок.

Силните рани случаи на употреба обично имаат три карактеристики:

• Бараат наоѓање и поврзување постојни информации, наместо измислување нова политика.
• Создаваат излез што експерт од доменот може брзо да го оцени.
• Намалуваат повторлив трошок за координација, како воведување нови членови, истрага на инциденти или планирање промени.

Примери вклучуваат подготовка на резиме за pull request што го објаснува засегнатото однесување, составување временска линија за инцидент од дневници и метаподатоци за распоредување, идентификување веројатни празнини во покриеноста со тестови или одговарање на прашање од поддршката со докази од правилата на производот. Ова се скромни способности, но може да се надоврзат во побрза и посмирена испорака.

Третирајте ја базата на код како жив систем на знаење

За вештачката интелигенција да разбере бизнис преку код, базата на код најпрво мора да биде разумно разбирлива за луѓето. Ова не бара совршена архитектура. Потребна е доволно структура за да може да се обнови намерата.

Имињата се важни. Јасните доменски концепти, доследните граници, читливите тестови и експлицитните интерфејси им даваат мапа и на луѓето и на алатките. Функција наречена calculateEligibleRefundAmount носи покорисна намера од генерички помошник што тивко меша политика, трајно складирање и форматирање. Исто така, тест што именува правило често е подобро објаснување на деловното однесување од коментар напишан неколку месеци порано.

Техничките лидери можат да ја подобрат оваа основа така што ќе ги направат клучните одлуки откриливи. Кратки записи за архитектонски одлуки, значајни описи на pull request-и и прирачници што поврзуваат со релевантните услуги не се бирократија кога ја намалуваат двосмисленоста. Тие се инфраструктура за контекст.

Чувајте ја вистината блиску до однесувањето

Документацијата е вредна, но отстапува кога е одвоена од промената. Каде што е можно, поставете трајни објаснувања близу до кодот, шемата, конфигурацијата или тестот што ги опишуваат. Поврзете ја документацијата на повисоко ниво со тие авторитативни локации, наместо да копирате правила на повеќе места.

Ова му помага и на систем со вештачка интелигенција. Преземањето информации е посигурно кога одговорот е закотвен во верзиониран артефакт со јасен сопственик. Исто така, на рецензентите им дава едноставно прашање: „Дали овој заклучок е поддржан од тековното однесување?“

Дизајнирајте за докази, граници и преглед

Вештачката интелигенција што помага со софтвер критичен за бизнисот не треба да се третира како оракул. Треба да се третира како брз, но погрешлив соработник. Нејзините излези треба да имаат пат назад до доказите.

За асистент што е свесен за кодот, тоа обично значи прикажување на датотеките, симболите, тестовите и претпоставките зад одговорот. Ако не може да утврди факт, треба да го каже тоа. „Најдов валидација во API слојот, но нема докази за спроведување во работникот во заднина“ е покорисно од мазно, но неподдржано објаснување.

Границите се подеднакво важни. Одделете ја помошта само за читање од дејства што менуваат изворен код, податоци, инфраструктура или комуникација со клиенти. Системот може безбедно да изготви план за миграција, додека бара одобрување пред да создаде миграција. Може да идентификува засегнат сегмент на клиенти, додека забранува директен пристап до лични податоци освен ако задачата и дозволите јасно не го бараат тоа.

Прегледот треба да одговара на ризикот. На генериран тест за единица можеби му е потребен вообичаен преглед на код. На препорака што влијае на цените, безбедноста, усогласеноста или продукциските операции ѝ е потребен посилен доменски преглед и трага што може да се ревидира. Вистинското прашање не е дали вештачката интелигенција може да даде предлог; туку дали тимот може да открие и исправи лош предлог пред да настане штета.

Направете ја далечинската соработка потрајна

Далечинските тимови особено имаат корист од знаење насочено кон кодот, бидејќи временските зони ги прават неформалните предавања на работа ненадежни. Најдобрите работни текови со вештачка интелигенција не ја заменуваат писмената комуникација. Тие го олеснуваат нејзиното создавање и користење.

Корисен асистент за pull request, на пример, може да изготви концизно објаснување за промената видлива за корисникот, да ги наведе засегнатите компоненти, да означи миграции или feature flags и да ги идентификува неодговорените прашања. Авторот останува одговорен за точноста. Рецензентите добиваат доволно контекст за да го насочат своето внимание кон дизајнот, ризикот и намерата на производот, наместо да ја реконструираат основната историја.

Овој модел поддржува здраво сопствеништво. Вештачката интелигенција може да ја забрза ориентацијата, но не треба да прикрива кој е сопственик на одлуката. Секоја значајна промена сè уште има потреба од човек одговорен за исходот, јасен рецензент кога ризикот го оправдува тоа и повратна врска од продукциското однесување назад во заостанатите задачи.

Мерете ја корисноста во испораката, не новитетот

Примамливо е да се мери усвојувањето на вештачката интелигенција според бројот на поттици или генерирани линии код. Овие метрики може да ја наградуваат активноста без да го подобрат производот. Подобри сигнали се локални и практични: пократко време за разбирање промена, помалку циклуси на преглед предизвикани од недостасувачки контекст, побрза тријажа на инциденти, појасно воведување нови членови или помалку регресии во познат работен тек.

Редовно прегледувајте примери. Каде асистентот заштеди време? Каде халуцинираше зависност, пропушти правило на политика или поттикна преголема самодоверба? Користете ги тие наоди за да ги подобрите преземањето информации, дозволите, документацијата и навиките на тимот. Одржливата способност расте преку овој циклус, не преку еднократно воведување.

Вистинската предност е заедничкото разбирање

Највредната вештачка интелигенција нема да биде онаа што пишува најмногу код. Ќе биде онаа што му помага на тимот да разбере зошто кодот постои, што заштитува и како промената ќе влијае на луѓето што зависат од него.

Кога кодот се третира како жив израз на бизнисот, вештачката интелигенција станува повеќе од генератор на текст. Таа станува мост меѓу намерата на производот и техничката реалност. Градете го тој мост внимателно, задржете ги луѓето одговорни за одлуките што се важни, и резултатот не е само побрза испорака. Тоа е бизнис што може да продолжи да учи од софтверот што го гради.