Για να μετριαστούν τα προβλήματα δεξιοτήτων DevOps, χρειαζόμαστε περισσότερες δεξιότητες AI, ειρωνικά

Η τεχνητή νοημοσύνη φέρεται να ενισχύει τη νοημοσύνη εντός των επιχειρήσεων και το ίδιο κάνει και για τα καταστήματα τεχνολογίας πληροφοριών. Για παράδειγμα, το AIOps (τεχνητή νοημοσύνη για λειτουργίες πληροφορικής) εφαρμόζει την τεχνητή νοημοσύνη και τη μηχανική μάθηση σε ροή δεδομένων από διαδικασίες IT, εξετάζοντας το θόρυβο για να εντοπίσει, να προβάλει προβλήματα και να αποτρέψει προβλήματα. 

Η τεχνητή νοημοσύνη και η μηχανική μάθηση βρίσκουν επίσης ένα σπίτι σε έναν άλλο αναδυόμενο τομέα της πληροφορικής: βοηθώντας τις ομάδες DevOps να διασφαλίσουν τη βιωσιμότητα και την ποιότητα του λογισμικού που κινείται με ολοένα και μεγαλύτερες ταχύτητες μέσω του συστήματος και προς τους χρήστες. 

Όπως διαπιστώθηκε σε μια πρόσφατη έρευνα από το GitHub, οι ομάδες ανάπτυξης και λειτουργιών στρέφονται στην τεχνητή νοημοσύνη με μεγάλο τρόπο για να εξομαλύνουν τη ροή του κώδικα μέσω της φάσης αναθεώρησης και δοκιμής λογισμικού, με το 31% των ομάδων να χρησιμοποιούν ενεργά αλγόριθμους AI και ML για έλεγχο κώδικα — υπερδιπλάσιος από τον περσινό αριθμό. Η έρευνα διαπιστώνει επίσης ότι το 37% των ομάδων χρησιμοποιούν AI/ML σε δοκιμές λογισμικού (από 25%) και ένα επιπλέον 20% σχεδιάζει να το παρουσιάσει φέτος.

Επίσης: Κατανόηση του μεγάλου οράματος της Microsoft για την κατασκευή της επόμενης γενιάς apps

Ένα επιπλέον επισκόπηση από την Techstrong Research και η Tricentis επιβεβαιώνει αυτή την τάση. Η έρευνα 2,600 επαγγελματιών και ηγετών DevOps διαπιστώνει ότι το 90% είναι ευνοϊκό για την ένεση περισσότερης τεχνητής νοημοσύνης στη φάση δοκιμής των ροών DevOps και το βλέπει ως έναν τρόπο επίλυσης των ελλείψεων δεξιοτήτων που αντιμετωπίζουν επίσης. (Η Tricentis είναι ένας προμηθευτής δοκιμών λογισμικού, με προφανές μερίδιο στα αποτελέσματα. Όμως τα δεδομένα είναι σημαντικά καθώς αντικατοπτρίζουν μια αυξανόμενη shift προς πιο αυτόνομες προσεγγίσεις DevOps.)

Υπάρχει ακόμη και ένα παράδοξο που προέκυψε από τη μελέτη Techstrong και Tricentis: οι επιχειρήσεις χρειάζονται εξειδικευμένες δεξιότητες για να μετριάσουν την ανάγκη για εξειδικευμένες δεξιότητες. Τουλάχιστον το 47% των ερωτηθέντων δηλώνει ότι ένα σημαντικό πλεονέκτημα των DevOps που έχουν εγχυθεί με AI είναι η μείωση του χάσματος δεξιοτήτων και «διευκολύνει τους υπαλλήλους να εκτελούν πιο περίπλοκες εργασίες». 

Επίσης: Η νιρβάνα DevOps εξακολουθεί να είναι ένας μακρινός στόχος για πολλούς, σύμφωνα με έρευνα

Ταυτόχρονα, η έλλειψη των δεξιοτήτων που απαιτούνται για την ανάπτυξη και την εκτέλεση δοκιμών λογισμικού με τεχνητή νοημοσύνη αναφέρθηκε από τους διαχειριστές ως ένα από τα κύρια εμπόδια στα DevOps με τεχνητή νοημοσύνη, σε ποσοστό 44%. Αυτός είναι ένας φαύλος κύκλος που ελπίζουμε ότι θα διορθωθεί καθώς περισσότεροι επαγγελματίες συμμετέχουν σε προγράμματα κατάρτισης και εκπαίδευσης που επικεντρώνονται στην τεχνητή νοημοσύνη και τη μηχανική μάθηση.  

Μόλις η τεχνητή νοημοσύνη αρχίσει να τίθεται σε εφαρμογή με ιστότοπους πληροφορικής, θα συμβάλει στη βελτίωση των ροών εργασίας DevOps που απαιτούν πολλές διαδικασίες. Σχεδόν τα δύο τρίτα των διευθυντών στην έρευνα (65%) λένε ότι η δοκιμή λειτουργικού λογισμικού είναι κατάλληλη και θα ωφεληθεί πολύ από τα DevOps που έχουν επαυξηθεί με AI. «Η επιτυχία του DevOps απαιτεί αυτοματοποίηση δοκιμών σε κλίμακα, η οποία παράγει τεράστιες ποσότητες σύνθετων δεδομένων δοκιμών και απαιτεί συχνές αλλαγές σε δοκιμαστικές περιπτώσεις», επισημαίνουν οι συντάκτες της έρευνας. "Αυτό ευθυγραμμίζεται τέλεια με τις δυνατότητες της τεχνητής νοημοσύνης να εντοπίζει μοτίβα σε μεγάλα σύνολα δεδομένων και να προσφέρει πληροφορίες που μπορούν να χρησιμοποιηθούν για τη βελτίωση και την επιτάχυνση της διαδικασίας δοκιμών."

Επίσης: Τα έργα τεχνητής νοημοσύνης δεκαπλασιάστηκαν τον περασμένο χρόνο, σύμφωνα με έρευνα

Μαζί με τη δυνητική μείωση των απαιτήσεων δεξιοτήτων, η έρευνα εντόπισε επίσης τα ακόλουθα οφέλη από την εισαγωγή περισσότερης τεχνητής νοημοσύνης στα DevOps:

• Βελτίωση εμπειρίας πελάτη: 48%
• Μειώστε το κόστος: 45%
• Αύξηση της αποτελεσματικότητας των ομάδων προγραμματιστών: 43%
• Αύξηση ποιότητας κώδικα: 35%
• Προβλήματα διάγνωσης: 25%
• Αύξηση ταχύτητας απελευθερώσεων: 22%
• Γνώσεις κωδικοποίησης: 22%
• Πρόληψη ελαττωμάτων: 19% 

Οι πρώτοι χρήστες των DevOps με επαυξημένη τεχνητή νοημοσύνη τείνουν να προέρχονται από μεγαλύτερους οργανισμούς. Αυτό δεν προκαλεί έκπληξη, καθώς οι μεγαλύτερες ανησυχίες θα είχαν πιο ανεπτυγμένες ομάδες DevOps και μεγαλύτερη πρόσβαση σε προηγμένες λύσεις όπως το AI. 

Επίσης: Ήρθε η ώρα οι ομάδες τεχνολογίας να βρουν τη φωνή τους στην εμπειρία των πελατών

«Όσον αφορά τα DevOps, αυτές οι ώριμες εταιρείες χαρακτηρίζονται από την πρόοδο που έχουν σημειώσει στον εξορθολογισμό των δυνατοτήτων ανάπτυξης λογισμικού τους τα τελευταία πέντε έως επτά χρόνια και τις ώριμες και εκλεπτυσμένες γραμμές και διαδικασίες τους», επισημαίνουν οι συγγραφείς των Techstrong και Tricentis. «Αυτοί οι οργανισμοί DevOps είναι εγγενείς στο cloud και χρησιμοποιούν αγωγούς ροής εργασίας DevOps, αλυσίδες εργαλείων, αυτοματισμό και τεχνολογίες cloud».

Μακροπρόθεσμα, η έγχυση τεχνητής νοημοσύνης για να βοηθήσει με ζωτικές πτυχές του DevOps είναι μια έξυπνη ιδέα. Η διαδικασία DevOps, παρά τη συνεργασία και την αυτοματοποίησή της, γίνεται όλο και πιο εξαντλητική καθώς το λογισμικό αναμένεται να πετάξει έξω με ταχύ ρυθμό. Αφήστε τα μηχανήματα να χειριστούν πολλές από τις δαπανηρές πτυχές, όπως η δοκιμή και η παρακολούθηση.