ABONAMENTE VIDEO REDACȚIA
RO
EN
NOU
Numărul 143
Numărul 142 Numărul 141 Numărul 140 Numărul 139 Numărul 138 Numărul 137 Numărul 136 Numărul 135 Numărul 134 Numărul 133 Numărul 132 Numărul 131 Numărul 130 Numărul 129 Numărul 128 Numărul 127 Numărul 126 Numărul 125 Numărul 124 Numărul 123 Numărul 122 Numărul 121 Numărul 120 Numărul 119 Numărul 118 Numărul 117 Numărul 116 Numărul 115 Numărul 114 Numărul 113 Numărul 112 Numărul 111 Numărul 110 Numărul 109 Numărul 108 Numărul 107 Numărul 106 Numărul 105 Numărul 104 Numărul 103 Numărul 102 Numărul 101 Numărul 100 Numărul 99 Numărul 98 Numărul 97 Numărul 96 Numărul 95 Numărul 94 Numărul 93 Numărul 92 Numărul 91 Numărul 90 Numărul 89 Numărul 88 Numărul 87 Numărul 86 Numărul 85 Numărul 84 Numărul 83 Numărul 82 Numărul 81 Numărul 80 Numărul 79 Numărul 78 Numărul 77 Numărul 76 Numărul 75 Numărul 74 Numărul 73 Numărul 72 Numărul 71 Numărul 70 Numărul 69 Numărul 68 Numărul 67 Numărul 66 Numărul 65 Numărul 64 Numărul 63 Numărul 62 Numărul 61 Numărul 60 Numărul 59 Numărul 58 Numărul 57 Numărul 56 Numărul 55 Numărul 54 Numărul 53 Numărul 52 Numărul 51 Numărul 50 Numărul 49 Numărul 48 Numărul 47 Numărul 46 Numărul 45 Numărul 44 Numărul 43 Numărul 42 Numărul 41 Numărul 40 Numărul 39 Numărul 38 Numărul 37 Numărul 36 Numărul 35 Numărul 34 Numărul 33 Numărul 32 Numărul 31 Numărul 30 Numărul 29 Numărul 28 Numărul 27 Numărul 26 Numărul 25 Numărul 24 Numărul 23 Numărul 22 Numărul 21 Numărul 20 Numărul 19 Numărul 18 Numărul 17 Numărul 16 Numărul 15 Numărul 14 Numărul 13 Numărul 12 Numărul 11 Numărul 10 Numărul 9 Numărul 8 Numărul 7 Numărul 6 Numărul 5 Numărul 4 Numărul 3 Numărul 2 Numărul 1
×
▼ LISTĂ EDIȚII ▼
Numărul 142
Abonament PDF

Viitorul ALM: cazuri simple de utilizare și integrare a GenAI

Cătălin Mureșan
Requirement Manager in Automotive Industry @ Accenture Industry X



PROGRAMARE


În lumea dinamică a dezvoltării software, necesitatea optimizării procesului de viață al aplicațiilor - Application Lifecycle Management (ALM) - este sub o presiune continuă pe măsură ce sistemele software devin tot mai complexe. Acest proces acoperă gestionarea completă a ciclului de viață a unei aplicații software, de la concepție și dezvoltare, la implementare și întreținere, până la scoaterea din uz. De-a lungul anilor, ALM s-a dezvoltat, încorporând diverse cadre și metodologii pentru a îmbunătăți productivitatea și a optimiza fluxurile de lucru.

Procesul ALM, în forma lui modernă, există de peste două decenii. În tot acest timp s-a adaptat și a evoluat pentru a răspunde dinamicii și complexității caracteristice industriei software. Complexitatea procesului ALM cuprinde până astăzi activități ca: requirements management, version control, build automation, testing, deployment, release management și lista poate continua. Toate aceste activități sunt incluse într-o multitudine de cadre și abordări cu diferite grade de iterativitate care, închizând cercul, au contribuit și mai mult la adopția și evoluția procesului ALM.

Complexitatea la care s-a ajuns în două decenii a mai adăugat și procese ce nu sunt tehnice. Procese care necesită mai multa gândire logică, atenție, organizare, înțelegerea semantică a unei cerințe și multă activitate repetitivă. Aceste procese necesită mai puține bagaje tehnice.

Lista acestor activități este lungă; unele dintre cele mai des întâlnite dintre aceste procese sunt:

Trăim într-o lume în care ceea ce se produce astăzi devine și mai complex, cu și mai multe componente dependente și asta cere ca un proiect să adopte o combinație tot mai mare din activitățile și cadrele amintite mai sus. Toate împreună contribuie la eforturi mai mari și mai costisitoare de a dezvolta și menține noile aplicații software.

În aceste condiții presiunea se revarsă pe procesul ALM și pe cei care participă la buna lui funcționare. Dar există și o veste bună: GenAI is here to help.

GenAI și automatizarea ALM

Acest tip de AI, numit Inteligență Artificială Generativă, este o unealtă ușor de folosit și implementat, care poate redefini modul în care se desfășoară unele activități consumatoare de timp.

Ca orice alt domeniu ce trece printr-o modificare fundamentală și părțile componente ale ALM se pot automatiza cu la fel de mult succes. Mai ales cele unde este nevoie de cunoștințe și expertiză non tehnică, ca cele amintite mai sus. Iar automatizarea se poate face mai ușor cu GenAI și la costuri reduse.

Adopția poate începe ușor de la sarcini mărunte la care este nevoie doar de înțelegerea semantică, implementarea însemnând simple apeluri către un endpoint oferit de un provider GenAI, însoțit de o întrebare referitoare la acea sarcină care urmează a fi rezolvată. Acest proces se numește prompting engineering, și poate fi folosit pentru a descrie cea mai mică unitate de automatizare pentru toate cazurile non tehnice menționate mai sus.

Crescând nivelul de utilizare, cu GenAI s-ar putea automatiza cazuri și mai complexe prin procesul numit embedding. Acest proces mai tehnic decât prompting engineering permite automatizări în sfera creării de documente, comparării semantice a documentelor, depistării similitudinilor și altele. Astfel se pot automatiza, începând de la sugestia de cerințe pe baza documentelor existente ale proiectului sau a interviurilor cu utilizatorii și stakeholderii, mergând până la scrierea story-urilor ce corespund unui epic, identificarea story-urilor lipsă dintr-un epic sau identificarea story-urilor dublate din întreg proiectul, predicția conflictelor între cerințe din întreg proiectul, eficientizarea prioritizării incrementelor de dezvoltare într-un cadru SAFe. Și scenariile pot continua.

Deși în procesul Application Lifecycle Management, automatizarea este foarte dezvoltată, când vine vorba de AI, aceasta se poate lovi de scepticismul economic, social și de natura drepturilor de autor.

Gândindu-ne la consecințele sociale în adopția GenAI, unii factori sunt predictibili. GenAI este un sistem de inteligență artificială antrenat special pentru acțiuni de lucru cu datele, nefiind dezvoltat pentru a înlocui expertiza, creativitatea, flexibilitatea, adaptarea și cogniția umană. Automatizarea unor sarcini repetitive ce necesită analiză nu o să înlocuiască o persoană. În schimb, va asista acea persoană în livrarea unui conținut superior într-un timp mai scurt și mai complet, ce acoperă scenariul de lucru din mai multe unghiuri.

Dacă ne gândim concret la un exemplu, GenAI ar putea analiza rapid și continuu un set de cerințe din perspectiva unei norme ISO. Iar asta l-ar ajuta pe inginerul software, BA-ul, sau pe oricine scrie acele cerințe pentru a le îmbunătăți, înainte să fie trimise la echipa responsabilă de review-ul calității finale.

Când vine vorba despre implicațiile economice, promptingul costă câțiva cenți pe interacțiune. Și timpul mai scurt necesar creării de conținut mai bun aduce economii substanțiale ca să acopere costurile de câteva ori. Pentru automatizări mai sofisticate, ce implică embeddings, folosirea unui GenAI comercial poate face costurile prohibitive foarte rapid. Dar și aici sunt soluții prin adoptarea unor modele open source. În felul acesta costurile sunt doar cele asociate enviromentului în care funcționează acele modele.

Legat de drepturile de autor, acestea sunt deținute de cel care utilizează GenAI disponibil sub licență comercială. Companiile ce dețin modele de GenAI dau asigurări că datele la care au acces acestea nu vor fi folosite pentru a îmbunătăți în continuare acele modele.

În concluzie, o dată cu evoluția tehnologiei și a complexității procesului ALM, a apărut o presiune de a crea și a livra și mai rapid și mai eficient. Această dinamică deschide oportunitatea adoptării unor soluții care să ajute într-un sistem tehnologic aglomerat.

În acest context, implementarea GenAI-urilor reprezintă un pas natural și inevitabil în evoluția procesului ALM.

Conferință

NUMĂRUL 142 - Robotics & AI

Sponsori

  • Accenture
  • BT Code Crafters
  • Accesa
  • Bosch
  • Betfair
  • MHP
  • BoatyardX
  • .msg systems
  • Yardi
  • P3 group
  • Ing Hubs
  • Colors in projects

INTERVIURI VIDEO