Med hjælp af tilpassede AI-assistentes kan software udvikles meget mere effektivt end tidligere. Den begrænsende faktor er ikke længere primært den tilgængelige kompetence, men Lysten, med hvilken udvikler arbejder. Ubegavede udviklere vil fortsat ikke kunne leverer gode løsninger. Selskaber kan med få eksperter i meget effektiv måde producere programmer, websteder og apps.
Indledning
I dette indlæg vises, hvad begrænsende faktorer er ved udviklingen af software i dag. I dag kalder vi det for AI-ælderen. Den, der tror, at AI er dum eller et Token-papagei, har endnu ikke hørt skuddet eller begrunder alt med en simulation af intelligens. De andre lærer, hvordan man med hjælp af AI kan oprette meget hurtige og Fyldt med sjov programmer, websteder og apps.
For virksomheder betyder det følgende:
Software er skabt
- meget hurtigere,
- meget gunstigere,
- meget lettere,
- med mange flere funktioner
end før, forudsat at en ekspert (eller nogle få eksperter) bruger de rigtige værktøjer.
Kernen i succesformidlingen lyder: Energiforbrugssparelse! I korte træk lyder løsningen:
Udviklingsteams bør prioriteres til projekter, hvor deres færdigheder ligger inden for deres komfortzone.
Desuden kan software blive sikrere og bedre, hvis man bruger AI. Som nøgleord kan nævnes automatiske testfald (Unit Tests) og automatiske svaghedsanalyser. Ved at bruge lokale AI-systemer kan man godt undgå at bruge ChatGPT eller Azure, hvilket yderligere lette opfyldelsen af KI-Verordningen (AI Act).
Hvor mange af jer kender til følgende situation?
Du er nødt til at gøre noget. Nu er der to muligheder:
- Inden for få minutter med einfache trin bringer du løsningen frem
- Find løsningen i halvdelen af tiden ved at tænke.
Næsten alle vælger mulighed 1, selv om den (forenklet her) koster dobbelt så meget tid som mulighed 2 – fordi folk er komfortable og dovne.
Det gælder også for Software-udviklere. Disse foretrækker at kopiere og indsætte x rader i en tekstfil og derefter hurtigt ændre hver linje, i stedet for at skrive et lille program, der udfører opgaven på samme tid. Hvorfor? Fordi det er så anstrengende at skrive et hjælpsprogram, hvor udvikleren ikke ved i forvejen, om det fungerer korrekt.
Nu er der en løsning, som udviklere er lykkelige med: AI-programmering.
AI-programmering
Software bliver ofte slet ikke udviklet eller bliver forsinket. Den bliver slet ikke skabt, hvis den ikke bliver påbegyndt, eller hvis budgettet eller tiden er opbrugt for tidligt, eller hvis der opstår et subjektivt uløseligt problem, eller hvis prioriteterne skifter. Software skabes for sent, hvis udvikleren eller IT-teamet har fået mere tid, end det realistisk set ville have været nødvendigt, eller af andre grunde, som bliver ved med at dukke op i praksis.
Dilemmaet kan sammenfattes på følgende måde:
Probability of a software solution =
1 / (time required × complexity × energy consumption × (1 + energy use above comfort zone))
≡
Probability of a software solution = efficiency × simplicity × energy economy / Exceeding the comfort zone
Software skabes derfor overhovedet eller inden for en rimelig tid eller rimelige omkostninger, hvis
- udviklingen foregår så effektivt som muligt (eksempler: godt udviklingsmiljø, eksisterende opsætning, database allerede tilgængelig osv
- projektets kompleksitet ikke overstiger udviklernes evner, og
- hver udvikler er tilstrækkeligt motiveret til at skabe løsningen og
- alle udviklere føler sig godt tilpas (balance mellem arbejdsliv og privatliv osv.).
En Work-Life-Balance kan virksomheder ikke ændre så meget på. De prøver det og tror, at det er godt nok. Men det er ikke sådan. Udviklere vil enten arbejde hjemme (Remote) eller i virksomheden. Dernæst prøves arbejdspladsen gøres attraktiv. Om en flipperautomat, gratis kaffe eller et stort fælles kontor kan hjælpe med det, må tvivlen være stor.
Motivationen til en udvikler afhænger blandt andet af, hvor meget han eller hun nyder arbejdet, og det igen af, hvor kompleks opgaven er. Nogle mennesker kan godt lide udfordringer. De fleste udviklere vil dog ikke gerne knække hårde nødder hver dag. De føler sig bedre tilpas, når de kan gå hjem i weekenden og vide: „Denne uge har jeg løst alle vigtige problemer eller kan jeg løse dem let næste uge (inden for fristen)“.
Helt konkret er det følgende parametre, der afgør, om et softwareprojekt bliver en succes, og som har indflydelse på, hvor sjovt det er for udviklerne:
Forklaring af parametrene:
⏱️Tid: Den tid, der kræves for at udvikle en løsning. Jo længere tid det tager, desto mindre er sandsynligheden for en vellykket implementering.
🧩Kompleksitet: Problemets sværhedsgrad. Jo større kompleksitet, desto mindre er sandsynligheden for succes.
⚡Energiforbrug: Den tekniske og mentale energi, der kræves til udviklingen. Jo højere forbrug, jo mindre er sandsynligheden for succes.
😓Energiindsats uden for komfortzonen: Den grad, i hvilken udviklerne skal bevæge sig uden for deres komfortzone. Jo længere uden for komfortzonen der skal arbejdes, jo mindre er sandsynligheden for succes.
Inversion i tæller (forenklet formel)
Ved at invertere de oprindelige parametre får vi positive påvirkningsfaktorer i tæller:
Forklaring af de inverterede parametre:
🚀Effektivitet (1/tidsforbrug): Den hastighed, hvormed et team kan udvikle løsninger. Højere effektivitet fører til større sandsynlighed for succes.
🧠Enkelhed (1/kompleksitet): Problemets klarhed og strukturering. Enklere problemer har større sandsynlighed for at blive løst.
🔋Energiekonomi (1/energiforbrug): Evnen til at opnå maksimale resultater med minimale ressourcer. Bedre energiekonomi øger sandsynligheden for succes.
😌Overskridelse af komfortzonen (1/(1+energiforbrug over komfortzonen)): Graden af, i hvor høj grad en løsning ligger inden for teamets kompetencer. Løsninger, der ligger tættere på kernekompetencen, har større sandsynlighed for succes.
Sammenlign ovenstående formel i dens to varianter.
Kernen i hele sagen er den energi, en softwareudvikler skal bruge for at opnå et resultat. Energie er noget andet end arbejde. Energie er Leistung gange tid.
Uden AI-programmering er både ydelsen og tidsforbruget højt.
Med AI-programmering er den menneskelige ydeevne ideelt set lav, fordi AI-programmeringssystemet udfører hovedarbejdet. Det reducerer også den nødvendige tid.
Men det bliver endnu bedre: Hvad er arbejde set fra en it-mands perspektiv?
arbejde er:
- Sæt dig ved arbejdsstationen på forhånd,
- Tænd for computeren (pc eller laptop),
- og vent så på, at den starter op,
- for at starte udviklingsmiljøet,
- tænkning og programmering,
- for at teste,
- holder op med at virke,
- at have det så sjovt som muligt ("fritid"), at spise, at sove,
- at starte fra begyndelsen ("Spis, arbejd, sov, gentag").
Den tid er forbi, i hvert fald for teamet hos Dr. GDPR. For vi udvikler med AI.
For softwareudviklere er arbejdet for nylig blevet
- ligge på sofaen og lytte til musik, se tv eller lave andre ting, der ikke kræver dine hænder,
- På et tablet skal en lille vidunderlig ting ved navn Software til at opstå (Eksempel 1, Eksempel 2, Eksempel 3),
- til at nyde dagen/aftenen,
- snart at høste frugterne af "arbejdet" og ubesværet lægge de opnåede frugter sammen i en kurv = "programmering" = "samle" = sætte sammen = ganske enkel aktivitet, der kræver lidt tid,
- Fra forvejen at begynde („Spis, Fest, Saml, Sov, Gentag“)
Det er løsningen:
Ved hjælp af AI-programmering kan software udvikles så nemt, hurtigt og tilfældigt, at enhver nogenlunde talentfuld udvikler kan forvandles til en glad og yderst effektiv medarbejder.
Næsten alle typer software kan nu udvikles effektivt, økonomisk og hurtigt:
- Hjemmesider,
- Webapplikationer,
- Backend-programmer,
- Fuldgyldige applikationer, herunder mere komplekse chatbots, der behandler AI-anmodninger asynkront og bruger en worker-arkitektur,
- Diagrammer og animationer.
Alt dette fungerer med alle almindelige programmeringssprog.
Hvis virksomheder ønsker softwareløsninger, er tiderne bedre end nogensinde.
De næste skridt er:
- Gennemfør AI-træning for udviklere
- Byg (eller få bygget) en AI-løsning
- Større omsætning og gladere medarbejdere
Hvis du som virksomhed ikke ved, hvad der menes med denne artikel, bør du tænke på din fremtid og uddanne dig.
My name is Klaus Meffert. I have a doctorate in computer science and have been working professionally and practically with information technology for over 30 years. I also work as an expert in IT & data protection. I achieve my results by looking at technology and law. This seems absolutely essential to me when it comes to digital data protection. My company, IT Logic GmbH, also offers consulting and development of optimized and secure AI solutions.
