Software
Inteligencia artificial
Tecnología
IA generativa

Por qué la mitad de los desarrolladores adoptarán software mejorado con inteligencia artificial

Según un nuevo estudio, un área en la que las herramientas de IA generativa han demostrado un potencial real es ayudar a los desarrolladores a crear software, así como las plataformas de prueba y la documentación que lo acompaña.

Testing software
Foto de Christina @ wocintechchat.com (Unsplash).

Se espera que las herramientas de inteligencia artificial (IA) generativa para ayudar en la creación, prueba y operación de software sean adoptadas por la mitad de todos estos ingenieros para 2027, según un estudio de Gartner. Hoy en día, solo alrededor del 5% las utilizan en la codificación. Es probable que esta cifra crezca rápidamente porque la demanda de software excede la capacidad de la mayoría de las organizaciones, los desarrolladores actuales están al límite, no pueden crear funciones lo suficientemente rápido y están menos satisfechos con su trabajo, tal y como revela el estudio.

Los productos de generación de código basados en modelos de lenguaje grandes (LLM, de sus siglas inglesas), como GitHub Copilot, Replit GhostWriter y Amazon CodeWhisper, pueden generar sugerencias complejas que resultan en un aumento de la productividad. Sin embargo, esas herramientas eliminan la necesidad de desarrolladores e ingenieros de software humanos, ya que la IA generativa aún puede producir errores y es incapaz de crear código único.

Dicho esto, dentro de dos años el 80% de las organizaciones de ingeniería de software establecerán equipos de plataforma como proveedores internos de servicios, componentes y herramientas reutilizables para la entrega de aplicaciones. Según IDC, la experimentación corporativa con IA generativa para la creación de código ocupa el segundo lugar después de su uso para la generación de texto.

El CIO de Cisco, Fletcher Previn, ha dicho que uno de los lugares que nunca esperaba que tocará esta tecnología fuera el desarrollo de software, algo que él equipara con una forma de arte que requiere habilidades únicas. Pero ChatGPT ha sido experto en la creación de código que aborda la higiene y seguridad de los datos corporativos y puede reutilizar el código para crear nuevas aplicaciones.

Un estudio de 2022 realizado por Microsoft mostró que más de la mitad de todo el código que se registra en GitHub contó con la ayuda de la IA en su desarrollo. Se espera que ese número aumente al 80% de todo el código registrado en la plataforma en los próximos cinco años, según su CEO, Thomas Dohmke. 

“Históricamente, no había manera de de comprimir los plazos de desarrollo de software", dijo Previn en una entrevista anterior. “Ahora resulta que se puede obtener una aceleración significativa en la velocidad ayudando a los desarrolladores con cosas como Copilot para lecturas de código, higiene del código, seguridad y comentarios; es realmente bueno en esas cosas”.

Los asistentes de IA también aumentan la capacidad de los desarrolladores "ciudadanos" para crear rápidamente aplicaciones que satisfagan las necesidades empresariales en constante cambio. Actualmente, explica IDC, poder utilizar la IA se considera la habilidad técnica más importante.

El analista principal senior de Gartner, Philip Walsh, cree que hay tres áreas de desarrollo de software en las que se está viendo el impacto de las herramientas de IA generativa:

  • Asistencia de codificación de IA.
  • Herramientas de prueba mejoradas por IA.
  • Herramientas de diseño a desarrollo.

 

Las herramientas de asistencia de codificación de IA funcionan como un complemento para el entorno de desarrollo integrado de un desarrollador e incluyen capacidades como completar código o sugerir fragmentos de código para completar lo que ya se ha escrito.

Los desarrolladores también están utilizando asistentes de codificación basados ??en IA para ayudarles a generar pruebas unitarias y documentación de software. Las herramientas también se pueden utilizar para resaltar una parte del código y luego, utilizando una interfaz de chat natural, los desarrolladores pueden hacer preguntas para comprender y explicar mejor la funcionalidad de lo que están viendo.

"Sabemos que los desarrolladores a menudo trabajan para mejorar o actualizar el código que no escribieron", indica Walsh. "O tal vez la persona que desarrolló ese código ya no trabaja para la empresa. O es una aplicación heredada que no mucha gente ha tocado o comprendido en mucho tiempo".

El procesamiento del lenguaje natural integrado en el desarrollo de software mejorado con IA permite a los humanos hablar con los LLM subyacentes y probar ideas, intercambiar ideas sobre sus enfoques de codificación y recibir recordatorios sobre un marco que, por ejemplo, no se ha utilizado recientemente. Si bien es un valor difícil de cuantificar, desde una métrica cualitativa, el procesamiento del lenguaje natural refuerza la experiencia del usuario desarrollador.

Según Forrester Research, se espera que las iniciativas empresariales de IA aumenten la productividad y la resolución creativa de problemas en un 50% en los próximos años.  A partir de múltiples inversiones realizadas durante la última década, la IA generativa está preparada para aumentar la productividad en todas las operaciones de TI. Los proyectos actuales ya citan mejoras de hasta el 40% en las tareas de desarrollo de software”, asevera Forrester en un informe reciente.

El año pasado, GitHub publicó un estudio que muestra que el 88% de los desarrolladores que utilizan su herramienta Copilot se sintieron más productivos, completaron tareas más rápido y dedicaron menos tiempo a buscar respuestas en Internet (77%). “Se sentirán más productivos. Verán que no están cambiando tanto de contenido ni buscando cosas en Stack Overflow o Google”, argumenta Walsh. "El sentimiento de los desarrolladores es relativamente alto entre ese conjunto de capacidades que aportan los asistentes de codificación de IA".

En promedio, durante el primer año en el mercado, los usuarios aceptan casi el 30% de las sugerencias de código de GitHub Copilot. Con el tiempo, la tasa de aceptación aumentó constantemente a medida que los desarrolladores se familiarizaron más con la herramienta. "Eso es una indicación de que un desarrollador se acostumbra a activar la herramienta y se acostumbra a usarla de manera más eficiente. La otra cara de la moneda es que el 60%, el 70% o el 80% de las sugerencias no se utilizan. Por lo tanto, tener un ser humano al tanto sigue siendo absolutamente esencial aquí”.

Si bien las herramientas de prueba asistidas por IA generativa, diseñadas para mejorar la capacidad de una organización para crear datos de prueba y ayudar a crear pruebas API y pruebas de regresión, no son nuevas; genAI simplemente agrega capacidades a los productos existentes.

Finalmente, las herramientas de diseño a desarrollo mejoradas con IA, como Figma, ayudan a los desarrolladores a traducir diseños en código más rápido y crear capas de presentación front-end para aplicaciones. Pero los problemas persisten en los numerosos lugares donde se ha implementado. Por ejemplo, los errores de codificación, las alucinaciones y los agujeros de seguridad siguen siendo preocupaciones constantes para las organizaciones que consideran la adopción de este tipo de herramientas.

"Aconsejamos a todos nuestros clientes que las alucinaciones son muy reales con estas cosas, pero nuestro consejo no ha cambiado en términos de cómo mitigar ese riesgo", dice Walsh. "Ya debería tener varias herramientas de análisis de calidad y seguridad como parte de su flujo de trabajo general de DevOps, y debería contar con prácticas sólidas de revisión de código en las que un ingeniero senior revise todo antes de fusionarlo".

La calidad de las herramientas de aumento de IA varía según la complejidad y la propiedad del código. Si se trata de una tarea repetitiva, como escribir código para un servidor HTTP usando JavaScript, las tasas de aceptación tienden a ser altas; esto se debe a que los datos utilizados para entrenar el LLM subyacente se utilizan y están ampliamente disponibles.

Sin embargo, los ingenieros empresariales han descubierto que cuando desarrollan código más complejo que se basa en una lógica empresarial patentada que no está bien representada en los datos de capacitación disponibles públicamente, el ahorro de tiempo no es tan significativo y la precisión y el rendimiento del modelo no son tan buenos. , dijo Walsh.

Aun así, en el corto y mediano plazo, las herramientas de creación de software habilitadas con IA generativa aumentarán en precisión y capacidades, lo que incluye permitir a los usuarios empresariales desarrollar aplicaciones desechables para, por ejemplo, análisis de datos donde la calidad de nivel empresarial no es necesariamente necesaria. "Esos casos serán más una herramienta de productividad para ayudarlos con su trabajo. Eso será como el mercado sin código actual. Veo casos de uso como ese en el horizonte. Esto está mucho más cerca de convertirse en realidad que el software empresarial totalmente automatizado creado por IA”.



Webinar ondemand

Otros especiales

Revistas Digitales

DealerWorld Digital

 



Registro:

Eventos: