Интеграция AI в разработку программного обеспечения вызывает поляризацию среди разработчиков. Те, кто работает с новыми проектами, отмечают рост продуктивности, в то время как специалисты над старыми кодовыми базами сталкиваются с трудностями — AI не всегда подходит для устаревших технологий.
Как AI меняет разработку программного обеспечения
В подкасте на InfoQ Михаил Паркер, вице-президент по инженерии в TurinTech AI, объяснил, как AI трансформирует опыт разработчиков. В то время как некоторые команды никак не могут нарадоваться от внедрения AI в greenfield проектах, другие связаны старыми кодовыми базами, которые создают сложности при использовании новых технологий.
По словам Михаила, для разработчиков в greenfield проектах AI позволяет значительно повысить продуктивность, тогда как те, кто работает с наследственными системами, часто испытывают трудности из-за несовместимости AI-генерированного кода. Эти разногласия создают культурный разрыв между командами разработки и руководством, которое увлечено AI-трендами.
Роль «архитекторов фабрик» в новой реальности
Современные разработчики становятся «архитекторами фабрик», проектируя и управляя AI-агентами. Вместо прямого написания кода, они сосредотачиваются на организации процессов и настройке AI. Это требует нового подхода, выхода за рамки традиционных навыков разработки.
Кроме того, наблюдается рост популярности методов mob programming, позволяющих командам более эффективно синхронизироваться. Это особенно актуально, когда скорость индивидуального написания кода имеет меньшее значение, чем согласованность действий команды.
Выводы для российских компаний
Для русскоязычных разработчиков важно осознавать, что внедрение AI в старые проекты может столкнуться с серьезными препятствиями. Необходимо анализировать, как и где AI будет применён, и готовить команды к адаптации. Важно создать политику быстрого принятия решений, что позволит реагировать на вызовы, связанные с развитием AI и управления продуктами.
Следующий шаг для разработчиков — это изучение новых инструментов AI и извлечение максимальной пользы из их возможностей, одновременно нивелируя риски, которые могут возникнуть из-за сложности старых технологий.