ผลรายงานฉบับล่าสุดพบว่า Generative artificial intelligence (GenAI) ส่งผลมากขึ้นเรื่อยๆ ต่อกระบวนการส่งมอบซอฟต์แวร์ โดยเครื่องมือ AI ระลอกใหม่มีศักยภาพในการช่วยทีมวิศวกรเพิ่มประสิทธิภาพ เสริมขีดความสามารถและปรับปรุงผลลัพธ์ในการพัฒนาซอฟต์แวร์
เครื่องมือเหล่านี้มีความสามารถมากกว่าการสร้างโค้ด (Code Generation) เพราะเข้าไปช่วยในส่วนอื่นๆ ของวงจรการพัฒนาซอฟต์แวร์ได้ด้วย ซึ่งรวมถึงการทดสอบ การสร้างเอกสารการออกแบบ หรือแม้กระทั่งการจัดองค์ประกอบและโครงสร้างภายในของซอฟต์แวร์ใหม่ (Refactoring) อย่างไรก็ตาม Thoughtworks ตั้งข้อสังเกตว่าขีดความสามารถนี้ยังอยู่ในช่วงกำลังพัฒนา ซึ่งทีมวิศวกรควรตื่นตัวและระมัดระวังในการพิจารณาว่าจะนำเครื่องมือที่เพิ่งเกิดขึ้นใหม่เหล่านี้ไปใช้ในการทำงานจริงได้อย่างไร
Rachel Laycock ผู้อำนวยการด้านเทคโนโลยีของ Thoughtworks กล่าวว่า "เครื่องมือ GenAI มีความสามารถในการช่วยทีมวิศวกรซอฟต์แวร์ได้หลากหลายด้าน โดยเป็นมากกว่าตัวช่วยเขียนโปรแกรม และใช้แก้ปัญหาเชิงเทคนิคได้เป็นอย่างดี แม้ว่าจำเป็นต้องบริหารจัดการความเสี่ยงในการนำไปใช้อย่างเหมาะสมก็ตาม ดังนั้น บรรดาผู้บริหารจึงควรมองหาและลงทุนในเทคโนโลยีนี้เพื่อสร้างความได้เปรียบในการแข่งขัน"
เนื้อหาสำคัญในรายงาน Technology Radar ฉบับที่ 30 มีดังนี้
- ทีมพัฒนาซอฟต์แวร์ที่มี AI เป็นตัวช่วย: เครื่องมือต่างๆ เช่น GitHub Copilot, CodiumAI, aider และ Continue ส่งผลต่อแทบทุกองค์ประกอบในวงจรการพัฒนาซอฟต์แวร์ ท่ามกลางความตื่นเต้นต่อศักยภาพของ GenAI ทีมวิศวกรควรให้ความสำคัญต่อคุณภาพและความปลอดภัยของซอฟต์แวร์ ด้วยการสร้างความตระหนักรู้เกี่ยวกับความเสี่ยงต่างๆ ที่อาจเกิดขึ้นให้กับกลุ่มผู้ไม่ใช่นักพัฒนา
- Open-ish source licenses: รูปแบบลิขสิทธิ์ใหม่ๆ ที่เป็นอุปสรรคต่อระบบนิเวศของ Open Source Software; แนวโน้มหนึ่งที่กำลังเกิดขึ้นคือการจำกัดการเข้าถึงฟังก์ชันการใช้งานหรือฟีเจอร์หลักๆ หากไม่ได้จ่ายเงินซื้อเพิ่ม นักพัฒนาเทคโนโลยีจึงควรใส่ใจรายละเอียดประเภทลิขสิทธิ์กับระดับการอนุญาตให้ใช้สิทธิของผลิตภัณฑ์ที่ใช้อยู่ และสร้างความมั่นใจว่าสิทธิดังกล่าวครอบคลุมไฟล์ทั้งหมดใน Repository
- ทำ Pull Requests (PRs) ให้ใกล้เคียงกับหลักการ Continuous Integration (CI): Pull Requests เป็นเสมือนช่องทางการตรวจสอบโค้ดในกระบวนการพัฒนาซอฟต์แวร์ แม้ว่ากระบวนการนี้มีความสำคัญในบางบริบท แต่ก็สามารถทำให้โฟกัสของนักพัฒนาถูกขัดขวาง และชะลอความเร็วในการส่งมอบซอฟต์แวร์ได้ หลายๆ เครื่องมือที่ระบุในรายงานฉบับนี้เป็นเครื่องมือที่มุ่งลดความท้าทายดังกล่าว ช่วยให้การทำ Pull Requests ราบรื่นขึ้นและไร้อุปสรรคเท่าที่จะเป็นไปได้ แม้ว่า Thoughtworks ยังคงมองว่า Continuous Integration (CI) เป็นแนวปฏิบัติที่เหมาะสมสำหรับการจัดการโค้ด แต่สำหรับองค์กรที่ไม่ได้ใช้แนวทางแบบ CI ควรมองหาแนวทางใหม่ๆ ในการเพิ่มความแม่นยำและความรวดเร็วในการรวบรวมโค้ด โดยเฉพาะหากปริมาณโค้ดยังคงเพิ่มขึ้นต่อเนื่องจากการใช้งานตัวช่วยเขียนโปรแกรม
- สถาปัตยกรรม LLMs รูปแบบใหม่: รูปแบบ (Patterns) คือสิ่งที่นิยมใช้กันในโลกเทคโนโลยีเพราะรูปแบบช่วยให้คำนิยามที่ดีสำหรับโซลูชันที่ใช้แก้ปัญหาในบริบทที่เฉพาะเจาะจงได้ ท่ามกลางการใช้ LLMs ซึ่งขยาย1ตัวขึ้น เราเริ่มเห็นรูปแบบสถาปัตยกรรมเฉพาะที่เกิดขึ้นมาเพื่อใช้งานในหลายบริบทร่วมกัน ตัวอย่างเช่น NeMo Guardrails ที่ช่วยให้นักพัฒนาสร้างนโยบายการกำกับดูแลการใช้งาน LLM
ดร. รีเบคกา พาร์สันส์ Chief Technology Officer — Emerita ของ Thoughtworks กล่าวว่า "รายงาน Thoughtworks Technology Radar เกิดขึ้นจากความต้องการของเราที่อยากแบ่งปันข้อมูลเชิงลึกว่าเทคโนโลยีกำลังพัฒนาไปอย่างไร และมุมมองการประเมินของเราที่มีต่อเครื่องมือและ Framework ต่างๆ จากประสบการณ์จริง ด้วยเหตุนี้ รายงานฉบับที่ 30 จึงถือเป็นโอกาสเหมาะอย่างยิ่งในการเน้นย้ำเรื่อง "การทำงานเป็นทีม" ของกระบวนการพัฒนาซอฟต์แวร์ในขณะนี้และในตลอดหลายสิบปีที่ผ่านมา"
ผู้สนใจสามารถดูข้อมูล Tech Radar แบบ interactive หรือดาวน์โหลดรายงานได้ที่ www.thoughtworks.com/radar รวมทั้ง macro trends in the tech industry และบทความที่เสนอมุมมองของ Rachel Laycock ผู้อำนวยการด้านเทคโนโลยีของ Thoughtworks on Technology Radar reaching volume 30.
ติดตามข้อมูลข่าวสารของ Thoughtworks ได้ทาง Twitter, LinkedIn และ YouTube
ที่มา: อัลลิสัน แอนด์ พาร์ทเนอร์ส