Эмилия Давид
Агенты для разработки кода могут генерировать тысячи строк кода за считанные минуты. Проблема в том, что большая часть этого кода не может быть развернута. Он нарушает внутренние стандарты, не проходит проверки на соответствие требованиям или создает больше работы по очистке, чем экономит.
«Можно сгенерировать огромное количество кода, но это ничего не значит, верно? Код должен быть интегрируемым, соответствовать требованиям, и вы не хотите создавать дополнительную работу на бэкэнде только потому, что ускорили процесс генерации кода на фронтенде», — сказал Стивен Ньюман, руководитель отдела разработки клиентских технологий EY.
Команда разработчиков продуктов EY решила эту проблему, подключив агентов кодирования к своим инженерным стандартам, репозиториям кода и системам соответствия требованиям. Результат: команды, полностью внедрившие эту модель, демонстрируют повышение производительности в 4-5 раз, что устанавливает эталон, который EY будет использовать для масштабирования всего своего пакета аудиторских, налоговых и финансовых платформ.
Но успехи были достигнуты не просто за счёт включения инструмента. Команда Ньюмана работала над созданием культурной основы и технической интеграции, которые позволят полуавтономному программированию работать в масштабе, чтобы в течение следующих 12–18 месяцев и далее в полной мере реализовать возможности повышения производительности с помощью ИИ.
Первым шагом стала культурная составляющая. EY начала с инструментов в стиле GitHub Copilot, что позволило инженерам освоиться с оперативной разработкой и вспомогательным ИИ. Ньюман отметил, что ключевым моментом стало органичное внедрение ИИ, а не его принудительное навязывание руководством. «Важно внедрять возможности ИИ органичным путем, снизу вверх, а не навязывать их пользователям», — сказал он.
Разработчики хотели перейти от генерации кода к сборке, развертыванию и вводу в эксплуатацию. Но без более глубокой интеграции рост производительности остановился.
Ньюман понял, что агентам необходим доступ к репозиториям кода EY, инженерным стандартам и каталогам исходного кода для генерации развертываемого кода. Без этой «контекстной вселенной», как называет ее Ньюман, агенты создают типовой код, требующий значительной доработки.
Компания EY провела оценку нескольких платформ для агентов: Lovable, Replit и Droids от Factory на базе IDE. Вместо того чтобы навязывать какой-либо конкретный инструмент, команда Ньюмана измерила уровень внедрения, использования и производительности всех трех платформ.
«Мы, как руководство, не хотели быть слишком категоричными в выборе инструмента и упрощать его до примитивного уровня», — сказал Ньюман. Разработчики «действительно тяготели и ориентировались» на Factory, что стало сигналом того, что он действительно приносит пользу.
Внедрение Factory «начало стремительно развиваться» после перехода от стадии оценки к пилотному проекту. EY пришлось ограничить трафик к Factory и Droids, а также ограничить доступ к определенным репозиториям, прежде чем получить одобрение в соответствии с требованиями безопасности.
Структура классификации рабочей нагрузки
Энтузиазм разработчиков ясно показал, что EY необходимо упорядочить распределение задач между агентами. Команда Ньюмана разделила задачи на две категории:
Агенты хорошо справляются с задачами, требующими высокой степени автономии :
Проверка кода
Документация
Устранение дефектов
Особенности Гринфилда
Сложные задачи , которые по-прежнему требуют человеческого контроля:
Масштабные рефакторинги
Архитектурные решения
Межсистемная интеграция
В EY также произошла смена ролей разработчиков. Вместо того чтобы писать весь код самостоятельно, инженеры стали координаторами, направляющими агентов к нужным базам данных и репозиториям.
После внедрения мер безопасности и завершения интеграции в репозитории кода, EY зафиксировала повышение эффективности на уровне от 15% до 60% для различных целевых групп на начальном этапе внедрения.
«Мы совершили прорыв во многих наших продуктах, перейдя к тому, что я называю разработкой модели горизонта, где у нас есть полуавтономное выполнение агентами в масштабе, команда координаторов, а не исполнителей, и интеграция в контекстную вселенную», — сказал Ньюман.
Ньюман признал, что сложно объяснить четырех- или пятикратное повышение производительности исключительно использованием программных агентов. Улучшения стали результатом проб и ошибок в сочетании с культурными и поведенческими изменениями в командах разработчиков.
Подпишитесь, чтобы получать самые свежие новости!
Подробные аналитические данные для руководителей предприятий в области искусственного интеллекта, данных и безопасности.
Отправляя свой адрес электронной почты, вы соглашаетесь с нашими Условиями использования и Политикой конфиденциальности.
Получайте обновления ! Вы подписаны! Наши последние новости скоро поступят на вашу электронную почту.
Источник: venturebeat.com
