Генеративный ИИ — это класс искусственного интеллекта, способный создавать новый контент: например, текст, изображения, музыку или код. Он обучается на больших наборах данных, чтобы «понимать» паттерны и находить закономерности, а затем использует эти знания для создания чего-то нового.
Что ты можешь, GenAI
GPT-модели (самая популярная модель обработки естественного языка) способны генерировать текст: статьи, технические документы, сценарии и даже программный код. А нейросети вроде DALL-E и MidJourney создают на основе текстовых описаний изображения. Сегодня новые модели появляются каждый год и могут работать с самым разным контентом.
Чтобы понять, как ИИ способен помочь разработчикам, необходимо рассмотреть, из чего состоит их работа в целом. Стереотип о том, что ИТ-команды занимаются только написанием кода, давно остался в прошлом. Жизненный цикл разработки ПО (Software Development Life Cycle, или SDLC) включает этапы планирования, анализа требований, дизайна, разработки, тестирования, развертывания и поддержки. И на каждом из них специалисты могут использовать возможности GenAI.
ИИ на страже планирования и требований клиента
В начале любого проекта команде важно понять, какие проблемы пользователей должно решить приложение. Это процесс, которым занимаются продуктовые менеджеры и аналитики. И используют они самые разные каналы информации.
Если продукт уже существует и доступен пользователям, у компании, скорее всего, есть поддержка или контактный центр, которые получают запросы и жалобы от клиентов. Анализировать такие данные вручную сложно и долго, но GenAI решает эту задачу, группируя обращения по темам и создавая краткие резюме с ключевыми проблемами и предложениями. Время анализа при этом сокращается с недель или месяцев до нескольких минут.
Еще один источник данных — анализ конкурентов. Этот процесс значительно упрощается с помощью GenAI, который собирает данные о продуктах и пользовательских отзывах из открытых источников.
Наконец, третий источник — это анализ самих пользователей. Искусственный интеллект помогает в обработке интервью, расшифровывает стенограммы и выделяет ключевые моменты: что беспокоит пользователей и где возникают трудности. Такой подход применяется, например, в Salesforce — генеративный ИИ на базе GPT используется для анализа обратной связи клиентов. Система обрабатывает текстовые отзывы, выделяет их под запросы пользователей.
ИИ также помогает с генерацией новых идей. Создание инноваций — часто результат синтеза информации из различных областей, ее перестановки и адаптации под новые условия. С этим связана и главная проблема генеративного ИИ — «галлюцинации», когда система «придумывает» несуществующие факты или решения. С каждым обновлением их число уменьшается, однако идеи все равно лучше перепроверять.
Какой ИИ, такой и креатив
GenAI становится все более востребованным инструментом для создания макетов и прототипов. Ожидается, что к 2032 году объем рынка генеративных инструментов составит 1,3 трлн долларов. Модели способны преобразовать текстовые описания в визуальные изображения, создавать несуществующих людей, животных, здания, природные пейзажи и любые другие объекты. Ранее для подобных задач приходилось использовать стоковые фотографии или графику, что нередко требовало затрат — финансовых и временных. Теперь же ИИ может генерировать любые образы по запросу, исходя из заданных параметров.
GenAI также создает прототипы интерфейсов с учетом фирменного стиля и адаптирует их под разные экраны — такая функция уже есть внутри Figma. Генеративный ИИ хорошо справляется с созданием отдельных графических элементов (логотипов, иконок, элементов интерфейса). Модель поможет и в случае с полноценными прототипами, однако пока на доработку и уточнение задачи может уйти больше времени, чем на ручную отрисовку. Но технологии постоянно улучшаются, и даже сейчас ИИ может предложить альтернативные решения на основе исходного макета.
ИИ в помощь разработке
Программный код — это тоже текст, но более структурированный и последовательный. Модели генерируют код с высоким качеством, сравнимым с профессиональными разработчиками.
Один из самых ярких примеров использования ИИ в программировании — GitHub Copilot. «Второй пилот» помогает на всех этапах создания программного кода: от начального написания до поиска ошибок и проведения тестов. Инструмент предлагает автозаполнение кода на основе введенных данных, что ускоряет процесс разработки за счет сокращения рутинных задач.
Кроме того, генеративные модели переводят код между языками и фреймворками, адаптируя алгоритмы с высокой точностью. Это особенно полезно в ситуациях, когда компания переходит на новую технологию и перед ИТ-командой встает объемная задача по переписыванию большого объема старого кода.
Тестирование с ИИ
В процессе работы над продуктом аналитики формулируют требования к будущему приложению, а затем передают их тестировщикам. Они, в свою очередь, на основе полученной информации формируют проверочные сценарии, или тест-кейсы.
Тест-кейс — это набор действий, который проверяет конкретные пользовательские сценарии, например, процесс авторизации. Написание тест-кейсов зачастую превращается в рутинную операцию. GenAI может значительно ее упростить, автоматически преобразуя разрозненные требования в набор тест-кейсов.
Второй важный аспект — автоматизированное тестирование. Оно снижает объем ручного труда, охватывая простые и часто повторяемые элементы системы. Генеративный ИИ преобразует описания тестов в программный код, а алгоритмы компьютерного зрения выявляют визуальные несоответствия интерфейса, как это сделал бы внимательный профессионал.
ИИ против аварий
Когда приложение уже работает, начинается этап его поддержки — тут подключается система мониторинга. В ИТ большинство аварий не происходит внезапно, перед их возникновением система начинает вести себя аномально. Использование ИИ для анализа данных позволяет определить некорректное поведение и предупредить появление внештатных ситуаций до того, как они повлияют на бизнес. Например, незначительная на первый взгляд задержка переводов по карте может быть вызвана сезонной повышенной нагрузкой после начисления заработной платы. Или это может быть сигнал о зарождающемся сбое в одной из систем исполнения переводов. ИИ ответит в режиме онлайн, является ли это нормой — а если нет, подскажет действия для предотвращения.
Помимо технической поддержки, важна и поддержка пользователей. Здесь также применяется автоматизация: на частые запросы предоставляются типовые ответы. Генеративный ИИ анализирует большой объем обращений, выделяет самые распространенные и готовит понятные инструкции для специалистов контакт-центра и конечных клиентов. Кроме того, система может пойти на опережение. Например, если из-за аварии возникает проблема с работающим ПО, ИИ-инструмент автоматически уведомит пользователя, что проблема уже известна и техническая служба работает над ее решением.
Генеративный ИИ становится неотъемлемым помощником ИТ-специалистов на всех этапах жизненного цикла разработки ПО. Технология стремительно развивается: модели становятся более точными, реже совершают ошибки и труд разработчиков более чем на 20%.
Постоянное развитие и улучшение, а также рост числа специалистов приведут к снижению стоимости решений на основе GenAI, что сделает его применение в различных задачах более экономически выгодным. И уже в скором будущем процесс разработки будет сложно представить без широкого использования ИИ-ассистентов и сотрудников без значительных ИИ-компетенций.
