Gli strumenti di IA e machine learning stanno già rivoluzionando il mondo dell'ingegneria del software velocizzando sviluppi e design di applicazioni.
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.
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.
Amazon ha annunciato la disponibilità generale di CodeWhisperer, un tool di intelligenza artificiale che supporta il lav...
I creatori di GitHub Copilot hanno copiato del codice da un paper senza citarne l'autore o rispettare le licenze di util...
Un gruppo di ricercatori della Carnegie Mellon University ha presentato i risultati di una ricerca per realizzare un sis...
Lo sviluppo e l'integrazione di molte nuove tecnologie sta preparando la strada a cambiamenti epocali nel settore del co...