Yapay zeka ile kod üretiminde kaliteyi korumanın yolları paylaşıldı
Öne çıkanlar
- Gereksinimlerin yapay zekaya denetletilmesi, geliştirme sonrası hata ayıklama süresini ciddi oranda düşürüyor.
- Ajanların test yazımını kolaylaştırması sayesinde birim test kapsamı yüzde 95 seviyesinin üzerine çıkarılabiliyor.
- Manuel kontroller henüz otomatikleştirilemediği için genel üretkenlik artışı 2 ila 3 kat bandında kalıyor.
Yazılım geliştirme süreçlerinde kodlama ajanlarının kullanımı yaygınlaşırken üretilen kodun kalitesine yönelik endişelere karşı yeni bir kalite yönetimi çerçevesi yayımlandı. Paylaşılan deneyimler, yapay zeka araçlarının körü körüne üretime gönderilmediği takdirde kod üretimini iki ila üç kat artırırken hata oranlarını da düşürmenin mümkün olduğunu gösteriyor. Bu yaklaşım, gereksinimlerin belirlenmesinden üretim ortamı izlemeye kadar uzanan yedi aşamalı bir savunma modeline dayanıyor.
Süreçte öne çıkan ilk aşama, yapay zekanın gereksinimleri ve teknik tasarımları inceleyerek gözden kaçan senaryoları bulduğu belirtim odaklı geliştirme modeli oluyor. Bunu birim test kapsamının yüzde 95'in üzerine çıkarılması ve kapsamlı uçtan uca testler izliyor. Yapay zeka ajanları test güdümlü geliştirmeyi hızlandırsa da geliştiricinin ya da test uzmanının bizzat gerçekleştirdiği manuel kontroller kritik önemini korumaya devam ediyor.
Kod inceleme süreçlerinde ise insan ve yapay zeka iş birliği dengeli şekilde kurgulanıyor. Küçük hata düzeltmeleri otomatik denetimlerle onaylanabilirken karmaşık mimari değişikliklerde insan incelemesi zorunlu tutuluyor. Kod üretime geçtikten sonra Sentry gibi hata takip araçlarıyla toplanan telemetri verilerinin doğrudan yapay zeka ajanlarına aktarılması ve otomatik düzeltme çekme istekleri oluşturulması hedefleniyor.
Bu özet yapay zekâ ile hazırlanmıştır; ayrıntılar ve doğrulama için orijinal kaynağa başvurun.