ИИ в разработке: три типа задач, которые можно делегировать машине

Искусственный интеллект (ИИ) уже давно перестал быть просто модным словом — сегодня он активно меняет подходы к работе в самых разных сферах, включая разработку программного обеспечения. Мы в SML убедились на практике, что ИИ способен не только ускорить выполнение задач, но и сделать их решение более увлекательным. Разработчик SML Владимир Лебедев делится опытом применения ИИ в реальных проектах.

Как все начиналось: от шаблонного кода к сложным задачам

Первый действительно успешный опыт внедрения ИИ для ускорения разработки мы получили при создании системы диспетчеризации для горнодобывающих предприятий. Команда проекта уже использовала программный кодогенератор для создания инфраструктурного кода (моделей для баз данных, скелетов функций и т.п.) по формальному описанию в Confluence. Однако этот инструмент требовал строгого формата входных данных, что часто вызывало задержки и недовольство коллег, кроме того, результат генерации все равно приходилось дорабатывать вручную. В связи с этим было решено попробовать заменить действующий генератор на ИИ — и это стало поворотным моментом.

ИИ, как и ожидалось, оказался гораздо гибче программного генератора. Он прощал неточности во входных данных на уровне человека, позволял  реализовать сложную логику, практически недостижимую для программного генератора и выдавал идеальный код, который не требовал ручных доработок. Конечно, страницы в Confluence требовали предобработки перед подачей на вход ИИ. Для этого мы написали простой скрипт на Python, также с помощью ИИ. 

Результаты превзошли ожидания: задачи, которые раньше занимали часы работы, стали решаться за 20 минут. Даже самые скептически настроенные коллеги быстро оценили преимущества генератора на основе искусственного интеллекта.

От простого к сложному: освоение бизнес-логики

После успешной замены кодогенератора было решено пойти дальше и использовать ИИ для генерации бизнес-логики, которую раньше мог писать только человек. Это, конечно, не настолько банальная задача, как генерация моделей по табличкам, но для ИИ она полностью в пределах достижимого. Мы не сомневались в успехе.

На создание универсального промпта для генерации типовой бизнес-логики ушло около трех часов. 

Результат стоил усилий: ИИ смог генерировать код, который в 70% случаев работал безупречно с первого раза и не требовал даже косметических доработок. В остальных 30% код можно было немного оптимизировать или сделать красивее.

Пример из практики: Типовая задача, для которой ИИ без проблем может написать код — это метод API для добавления древовидной структуры в базу данных с попутным вызовом нескольких других методов API, обработкой авторизации и чтением файла с шаблоном ветвей этой структуры. Код для такой задачи с первой генерации получается полностью рабочим и соответствующим стилю проекта.

Когда задача выходит за рамки возможностей человека

До сих пор главным критерием того, что ИИ справится с задачей, являлась возможность разработчика достаточно подробно представить код для нее в голове. Но не все задачи настолько просты. Например, одна из задач состояла в агрегировании информации из множества таблиц базы данных, а ее описание занимало около 10 страниц. Полностью представить код для такой задачи или хотя бы просто охватить ее в голове не представлялось возможным. Мы решили пренебречь этим критерием и осторожно протестировали возможности ИИ.

Сначала попросили его описать схему запросов к базе данных на основе описания в качестве подсказки самому себе. А затем добавили пример готовой функции для подражания и запустили генерацию логики по частям. Размер итогового промпта  составил около 80 000 символов, но результат оказался впечатляющим. ИИ выдал код, очень близкий к идеальному решению задачи — оставалось только провести код-ревью и устранить мелкие ошибки. По нашей оценке, ИИ сделал около 80% интеллектуальной работы за разработчика.

Написание первой такой функции заняло около 30 часов. Благодаря ИИ аналогичные задачи стали решаться всего за 6. Это позволило значительно ускорить работу над проектом, а освободившееся время посвятить более творческим моментам разработки.

Перспективы использования ИИ в разработке

Наш опыт подсказывает нам, что возможности искусственного интеллекта далеко не исчерпываются генерацией кода. В ближайшем будущем мы планируем использовать его для автоматизации других процессов — например, написания аналитики или тестирования программного обеспечения.

Мы уверены, что роль ИИ в разработке будет только расти. Уже сейчас он способен выполнять около 80% интеллектуальной работы по реализации алгоритмов. С развитием технологий этот процент и круг решаемых задач будут только увеличиваться. Возможно, через несколько лет рутинные задачи полностью уйдут в прошлое, а разработчики смогут сосредоточиться на создании инновационных решений.

ИИ — это не просто инструмент для ускорения работы, но и мощный двигатель прогресса. Главное — научиться использовать его возможности с умом и не бояться экспериментировать.