Softwaroví inženýři vidí maximální dopady této technologie při práci s existujícími funkcemi kódu.
Společnosti Ness Digital Engineering a Zinnovpředstavily komplexní studii s názvem „Využití síly generativní umělé inteligence pro transformaci produktivity softwarového inženýrství“.
To, že různé iniciativy v oblasti generativní umělé inteligence (GenAI) vedou ke zvyšování produktivity, je známý fakt. Tato jedinečně koncipovaná studie ovšem měří skutečné pozitivní dopady na produktivitu, které přináší nasazení GenAI na inženýrské úrovni. Pomáhá tak manažerům na pozicích CTO, CIO či CPO pochopit technologické a psychologické faktory ovlivňující produktivitu v inženýrství a dlouhodobé dopady na celý byznys i organizační strukturu.
Studie, která pro sběr dat využila vlastní platformu Matrix společnosti Ness, zahrnovala více než 100 softwarových inženýrů pracujících v různých vývojových kontextech a na rozličných případech užití, aby mohla nabídnout hloubkovou analýzu reálných zkušeností inženýrů z praxe.
Studie odhalila, že implementace generativní AI nejenom, že zvyšuje produktivitu, ale také umožňuje vytvořit důkladně asistovaný kontext pro práci, což firmám umožňuje hladce globalizovat svou práci. To může vést nejenom k lepším obchodním výsledkům, ale také k úplné transformaci struktury celých organizací. Mezi další hlavní zjištění patří:
• 70% zkrácení doby realizace u aktualizací stávajícího kódu: Softwaroví inženýři vidí maximální dopady této technologie při práci s existujícími funkcemi kódu, kde je možné zkrátit délku vývojového cyklu.
• 48% zkrácení doby realizace úkolů seniorních inženýrů: Seniorní inženýři pozorovali zkrácení doby realizace svých pracovních úkolů a svůj čas tak mohli využít k lepšímu plánování a pomáhání juniorním inženýrům.
• ~10% snížení náročnosti úloh zahrnujících vysoce složitý kód: Generativní AI umožňuje inženýrům efektivněji procházet složitým kódem, což vede k vývoji rychlejších a přesnějších řešení.
• O 70 % lepší angažovanost zaměstnanců: Nasazení generativní AI vede ke zjednodušení pracovních úloh a dalšímu rozvoji dynamického pracovního prostředí založeného na spolupráci, což má zásadní pozitivní dopad na vytváření pozitivní a naplňující pracovní náplně pro zaměstnance.
Tato změna je výzvou pro tradiční organizační struktury. Klade totiž větší důraz na odbornost a efektivitu dosaženou s použitím technologie, kterou ale musí řídit a o které musí rozhodovat lidé. To znamená, že bude potřeba nový druh pracovní síly, u níž jsou důležitější odborné znalosti oboru a schopnost řešit problémy než technologické dovednosti.
Ranjit Tinaikar, generální ředitel společnosti Ness Digital Engineering, uvedl: „GenAI umožňuje proměnit celý obor vývoje softwaru prostřednictvím podstatného zvýšení produktivity a urychlení inovačních cyklů, což v konečném důsledku zkrátí čas uvádění produktů na trh. Její potenciál ovšem nebude naplněn, pokud bude vnímána pouze jako nástroj pro generování kódu, což je chybný přístup, který je ve světě softwarového vývoje běžný. Abychom mohli využít sílu GenAI naplno, spolupracovali jsme se společností Zinnov na vypracování studie, která nám má umožnit pochopit reálné dopady GenAI na vývoj softwaru ve všech jeho nuancích. Věříme, že tato studie může mnohým posloužit jako průvodce možnými dopady GenAI na proces vývoje produktů, organizační struktury, angažovanost zaměstnanců, vzdělávání a rozvoj.“
Pari Natarajan, generální ředitel společnosti Zinnov, uvedl: „Generativní AI je již součástí pracovního postupu softwarových inženýrů v mnoha organizacích, kde pomáhá například s generováním testovacích případů, refaktorizací kódu a identifikací příležitostí pro inovace. Tato studie potvrzuje přesvědčení, že generativní AI pracovní postupy doplňuje, spíše než by je diktovala, a usnadňuje bezproblémové sdílení znalostí a využití skutečné hodnoty globalizace. To dává manažerům větší důvěru při distribuování svých vývojových týmů po celém světě s minimálními dopady na produktivitu. Kromě toho rozšířené použití generativní AI posiluje pracovní morálku zaměstnanců a zvyšuje produktivitu. Potenciál generativní AI je obrovský, ale na druhou stranu jsou zde i bariéry, které primárně vyplývají z nákladů na hardware, spotřeby energie a regulačních omezení.“