當馬克·安德森（Marc Andreessen）說：“軟件正在吃世界”時，很少有人想像將通過AI編寫（然後重寫）軟件。如今，AI加速了我們的構建方式，但不一定是我們如何建立良好的方式。那就是新型技術債務開始的地方。
在2024年，開發人員使用可用的最佳AI工俱生成了超過2.56億的代碼。這個數字今年可能會翻一番。 Genai已變得必不可少，微軟最近指出，其代碼的30％是AI編寫的和增長的。它正在幫助開發人員以幾年前無法想像的速度編寫，測試和重構代碼。
在這種生產力之下，繁榮的事實是一個不舒服的事實：AI不僅要解決技術債務，而且在大規模創造它。
Turintech的創始人兼首席執行官。
氛圍編碼：快速，流暢，但充滿活力
我們進入了“ Vibe編碼”的時代。開發人員促使LLM提示，掃描建議並將其針跡一起工作解決方案 – 通常不完全理解引擎蓋下的內容。它是快速而無摩擦的，但危險的不透明。
這種新的代碼可能看起來很起作用，但是經常在生產中失敗。關鍵工程學科 – 例如建築規劃，運行時 基準和嚴格的測試 – 經常被跳過或延遲。
結果：一波未驗證的，非表現的代碼氾濫企業系統。 Genai不僅是生產力工具。這是一個新的抽象層，它在引入熟悉的風險的同時隱藏了工程複雜性。
AI技術債務的悖論
具有諷刺意味的是，AI還有助於解決遺產技術債務：清理過時的代碼，標記效率低下並放鬆現代化。從這個意義上講，這是一個有價值的盟友。
但這是悖論：隨著AI解決舊問題，它正在產生新問題。
許多模型缺乏企業上下文。他們不考慮基礎架構，合規性或業務邏輯。他們無法理解現實世界的性能，除非提示，否則很少驗證輸出 開發人員有時間或工具來執行此操作。
結果？隱藏的效率低下，腫的計算用法，不穩定的代碼路徑和脆弱集成的新浪潮都以速度交付。
生產力還不夠：可行性是新標準
快速運輸代碼不再保證優勢。現在重要的是生存能力：代碼量表可以隨著時間的流逝而適應和生存嗎？
Genai的輸出過多的集中在從零開始。企業代碼必須在上下文中起作用 – 在壓力下，大規模且不產生隱藏成本。團隊需要驗證正確性，而且性能的系統。這意味著重新引入了嚴格的工程，即使一代加快了。
生存能力已成為新的基準。它需要從快速代碼到適合代碼的思維定勢轉變。
重返工程基礎知識
這種轉變正在促使數據科學基本面的安靜恢復。儘管 LLMS從自然語言中生成代碼，它是確定代碼是否已經準備就緒的驗證，測試和基準測試。
重點關注工程提示，上下文約束，評分模型，這些模型評估產出和連續的改進。企業正在意識到，僅Genai還不夠 – 他們需要係統將AI輸出對現實世界進行速度和規模進行現實審查。
AI驅動軟件開發中的新學科
Genai改變了我們的生產方式 軟件，但不是我們如何驗證它。我們正在進入一個新階段，該階段比快速代碼更需要。現在所需要的是一種評估跨競爭目標（績效，成本，可維護性和可擴展性）的產出的方法，並確定適合現實世界的正確目標，而不僅僅是測試案例。
這不僅僅是提示更好或返回舊數據科學劇本。這是一種新型的AI本地工程，在其中系統集成了評分，基準測試，人為反饋和統計推理，以指導輸出到可行性。
擴展，測試和完善AI輸出的能力將定義下一波創新。
危及什麼
忽略這一轉變是有代價的：較高的雲賬單，生產中不穩定的代碼以及由於返工和調試而導致的交付速度較慢。最糟糕的是，創新變慢 – 不是因為團隊缺乏想法，而是因為他們被埋葬在AI產生的低效率下。
為了完全受益於軟件開發中的AI，我們必須超越氛圍並專注於生存能力。未來屬於那些可以快速生成和更快驗證的人。成功的團隊將通過工程級的審查來詢問其AI輔助輸出，不僅會權衡AI可以產生的內容，還可以利用他們對工作是否合適的專家判斷。
本文是Techradarpro的專家見解頻道的一部分，在該頻道中，我們以當今技術行業的最佳和最聰明的頭腦為特色。這裡表達的觀點是作者的觀點，不一定是Techradarpro或Future Plc的觀點。如果您有興趣貢獻更多信息： https://www.techradar.com/news/submit-your-story-story-totor-to-techradar-pro
#從氛圍到可行AI技術債務的隱性成本
