Инструменты на основе искусственного интеллекта, так называемые „агенты кодирования“, кардинально меняют современные способы создания программного обеспечения. Но не все области разработки ускоряются одинаково. Понимание этих различий - ключ к правильному подбору команд и формированию реалистичных ожиданий.

Наибольший вклад ИИ вносит в разработку фронтенда. Например, при создании сайтов для интернет-магазинов. Современные модели отлично владеют такими языками, как TypeScript или JavaScript, и фреймворками, такими как React или Angular. Благодаря этому они могут очень быстро генерировать функциональные интерфейсы и, кроме того, самостоятельно выполнять итерации, основываясь на результатах в браузере. Визуальный дизайн пока остается слабым местом, но если дизайн предопределен, то реализация происходит значительно быстрее, чем раньше.

Разработка бэкенда, например создание API для работы с данными, более сложна. Она требует более тщательного руководства со стороны опытных разработчиков, особенно из-за нестандартных ситуаций, которые могут привести к ошибкам или проблемам безопасности. Кроме того, ошибки в бэкенде часто приводят к непрозрачным проблемам, таким как повреждение базы данных или неправильные результаты запросов. Хотя искусственный интеллект помогает ускорить работу, все же верно, что качественный бэкенд требует опыта и тщательного проектирования.

Еще меньший вклад ИИ может внести в инфраструктуру. Такие задачи, как масштабирование системы для тысяч пользователей при сохранении высокой надежности, требуют глубоких знаний и умения находить компромиссы. Существующие модели обладают ограниченными знаниями в этой области и поэтому не очень надежны в принятии критических решений. Более того, обнаружение ошибок в инфраструктуре, таких как неправильная конфигурация сети, является одной из самых сложных задач.

До сих пор ИИ был наименее полезен в исследованиях. Это связано с формулированием гипотез, проведением экспериментов, интерпретацией результатов и их многократной проверкой. Хотя агенты по кодированию могут ускорить написание кода для экспериментов или помочь организовать их, большая часть исследовательской работы связана с мышлением и принятием решений, где ИИ пока играет ограниченную роль.

Разделение работы над программным обеспечением на фронтенд, бэкенд, инфраструктуру и исследования - упрощенное, но полезное. Оно помогает компаниям лучше организовать команды и определить ожидания. Если сегодня команды фронтенда могут работать значительно быстрее, чем год назад, то для исследовательских команд темпы изменились незначительно.

Таким образом, разработка программного обеспечения вступает в новую фазу, когда скорость все больше зависит от правильного использования ИИ - но также и от того, где его пределы еще не превышены.

deeplearning.ai/gnews.cz - GH