Perspectives

Conclusiones clave

• AIFSE cambia mucho más que el código. Aunque muchas organizaciones limitan sus experimentos a asistentes de codificación de IA, la IA tiene el potencial de transformar todo el proceso de desarrollo de software y hacer que la formidable tarea de modernización de sistemas legados sea mucho más fácil. 

• Los beneficios de AIFSE a menudo se definen de manera demasiado limitada. Las medidas del rendimiento de la IA tienden a centrarse en las ganancias de productividad, pero estas pueden ser el resultado de una combinación de factores, desde la experiencia del desarrollador hasta la calidad de la base de código existente. En lugar de concentrarse en los indicadores de eficiencia, las empresas deberían considerar cómo aplicar AIFSE para mejorar procesos completos como la detección de errores y la transferencia de conocimiento. 

• La IA fortalecerá, en lugar de reemplazar, los principios de desarrollo y el papel de los ingenieros. Con todos los cambios que la IA traerá, también promete mejorar enfoques consagrados como el ágil, acelerando los ciclos de retroalimentación que son fundamentales para un desarrollo sólido. Los ingenieros tendrán que desarrollar algunas habilidades diferentes, y la mejor manera de apoyar esto es fomentar la experimentación y el intercambio de conocimiento sobre IA.

• AIFSE puede acelerar los problemas, junto con todo lo demás. La investigación indica que la naturaleza prolífica de las herramientas de IA ha resultado en problemas de calidad del código que llevan tiempo abordar, y en el peor de los casos podrían representar amenazas serias para el negocio. Muchos de estos problemas pueden evitarse monitoreando cuidadosamente la salida de la IA y asegurándose de que los modelos se basen en una base de código de calidad desde el principio. 

• El rol y las capacidades de AIFSE continuarán expandiéndose. A medida que la tecnología avanza y la competencia organizacional crece, los expertos de Thoughtworks esperan que AIFSE evolucione para apoyar tareas complejas como la toma de decisiones en la arquitectura de software, la modernización incremental de legados y las pruebas de software exploratorias, al menos para aquellos equipos dispuestos a dar el salto y aprender.