I modelli di machine learning, e più in generale gli strumenti di intelligenza artificiale, rivoluzioneranno il mondo dell’ingegneria del software. A dirlo è Van Baker, analista vice presidente in Gartner: i nuovi strumenti di IA cambieranno il modo in cui le applicazioni vengono sviluppate, in particolare nelle fasi di design, sviluppo e testing del software.
Da un’indagine Gartner è emerso che quasi il 40% delle aziende produttrici di software sta introducendo modelli di machine learning nell’intero processo di sviluppo applicativo; molti team, però, non hanno ancora compreso i veri impatti di questa rivoluzione.
Secondo Baker l'evoluzione degli algoritmi di machine learning inciderà principalmente su tre fasi dello sviluppo software: il coding, il design e il testing. Sono in effetti i tre step che più di altri possono giovare dell’automazione dei tool di IA, velocizzando l’intero processo.
Come il machine learning migliora lo sviluppo software
Per la fase di coding, quindi di sviluppo di codice vero e proprio, si parla di tool di generazione di codice che migliorano la produttività degli sviluppatori sollevandoli dall’esecuzione di task ripetitivi.
Strumenti come Copilot, CodeWhisperer e Tabnine si sono evoluti per generare codice a partire da input in linguaggio naturale e consigliare correzioni in-line. Oggi solo il 5% degli sviluppatori utilizza questi strumenti; secondo le previsioni di Gartner la percentuale salirà al 50% entro il 2027.
Anche la fase di design potrà godere ampiamente delle capacità dei nuovi tool: gli strumenti di machine learning possono velocizzare la definizione di interfacce UX e tradurre queste specifiche in codice.
Generalmente questo step crea molte frizioni tra i team di sviluppo e di design per via dei diversi punti di vista e delle oggettive difficoltà di implementare determinate richieste. Usare il machine learning in questa fase permetterà di facilitare i primi sviluppi garantendo una user experience di valore.
Infine, l’IA e il machine learning saranno di grande aiuto nelle fasi di test dell’applicazione, soprattutto con la carenza di talenti specializzati nel settore. I tool di automazione non si limitano solo a supportare gli sviluppatori nella creazione di suite di test, ma anche ad aumentarne l’efficacia e di conseguenza migliorare la qualità del software.
Il mercato del software-testing è in espansione e Gartner prevede che entro i prossimi 4 anni l’80% delle imprese avrà integrato tool di machine learning per l’automazione della definizione ed esecuzione di test.
L’integrazione di nuovi tool nel processo di sviluppo software migliorerà le performance dei team e contribuirà ad aumentare il valore degli investimenti nelle nuove tecnologie.
