Yirmi yıllık DevOps hareketinin temel amacı, geliştiriciler ile üretim ortamları arasında tek bir geri bildirim döngüsü oluşturmaktı. Ancak yazar Charity Majors'a göre, bu hedef teknolojik yetersizlikler nedeniyle başarıya ulaşamadı. Mevcut araçlar, geliştiricilerin iş mantığı yazma gibi ana görevlerini zorlaştırdı ve bu döngüyü verimli bir şekilde kurmalarını engelledi. Bu durum, özellikle ortalama mühendislik ekipleri için geçerliydi; çünkü sınırsız zaman ve kaynaklara sahip olmayan ekipler için bu araçlar pratik değildi.
Makale, bu durumun hem iyi hem de kötü bir haberle değiştiğini belirtiyor: Yapay zeka. İyi haber şu ki, yapay zeka sayesinde geliştiriciler ve üretim sistemleri arasında etkili bir geri bildirim döngüsü kurmak artık mümkün. Teknolojinin bu seviyeye gelmesi, uzun süredir hedeflenen bu bağlantıyı nihayet sağlayabilir. Ancak kötü haber de yine yapay zekadan geliyor. Yapay zekanın üreteceği "kod karmaşası" (code slop) miktarı, mevcut geri bildirim döngülerinin başa çıkmaya hazır olmadığı bir zorluk yaratıyor. Bu, yeni bir adaptasyon sürecini ve araçların yeniden düşünülmesini gerektirecek.
Yazar, iş değeri üreten geri bildirim döngülerinin önemini vurguluyor: "dağıt -> gözlemle -> öğren". Yazılımın değer yaratması için kodun dağıtılması ve kullanıcılarla buluşması gerektiğini, sık dağıtımın ise sürekli öğrenmeyi ve iş değerini artırdığını belirtiyor. DevOps'un başarısızlığını suçlayıcı bir dille değil, mevcut araçlarla yapılabilecek en iyisinin yapıldığı bir durum olarak açıklıyor ve yapay zekanın bu alanda hem bir çözüm hem de yeni bir meydan okuma sunduğunu ifade ediyor.
DevOps'un geliştiriciler ve üretim ortamları arasında tek bir geri bildirim döngüsü oluşturma hedefinde başarısız olmasının temel nedeni yetersiz araçlardı, ancak yapay zeka bu durumu hem bir çözüm hem de yeni bir meydan okuma olarak değiştiriyor.