Rutube Tech: kodowanie z AI może podnieść koszt oprogramowania
Dyrektor techniczny Rutube Tech Dmitrij Jegorow ostrzega, że AI przyspiesza pierwszą wersję produktu, ale podnosi koszty mocy obliczeniowej, poprawek i weryfikacji.

Wykorzystanie sztucznej inteligencji przy tworzeniu oprogramowania może podnieść koszt gotowych produktów. Taką opinię przedstawił dyrektor techniczny Rutube Tech Dmitrij Jegorow, a przekazało ją biuro prasowe Cyfrowych Aktywów „Gazprom-Media Holding”.
Według Jegorowa modele rzeczywiście przyspieszają pierwszy etap prac. Później jednak pojawiają się koszty czasu i pieniędzy związane z wyszukiwaniem błędów oraz utrzymaniem gotowego produktu.
Błędy, które się kumulują
Główne ryzyko to narastające błędy, których model z dużym prawdopodobieństwem nie naprawi samodzielnie. „Można szybko uzyskać początkową wersję produktu, w której budowie człowiekowi trudno się później połapać, dlatego kolejne zmiany wprowadza głównie AI. Błędy i nieefektywne rozwiązania mogą się wtedy stopniowo kumulować” – wyjaśnił Jegorow.
Zastosowanie dwóch osobnych modeli, jednego do generowania kodu, a drugiego do jego kontroli, nie gwarantuje jakości końcowego rozwiązania. Zdaniem dyrektora AI nie zastąpi wyspecjalizowanych fachowców, bo do oceny pracy agentów potrzebny jest ekspert z danej dziedziny.
Jegorow uważa, że AI może pomóc małym zespołom w generowaniu kodu źródłowego i testowaniu pomysłów biznesowych. Zanim jednak taki materiał trafi do złożonych, długoterminowych systemów, trzeba upewnić się, że wyniki są niezawodne i stabilne.
Wyższe koszty mocy obliczeniowej
Krótszy czas tworzenia nie oznacza tańszej produkcji. Jak podkreślił Jegorow, AI znacząco zwiększa wydatki na moce obliczeniowe. W budżecie projektu trzeba uwzględnić nie tylko koszt pracy modeli, ale też sprawdzanie oprogramowania pod kątem cyberbezpieczeństwa. Próba oszczędzania na wytwarzaniu kodu z pomocą AI może skończyć się wyższymi kosztami weryfikacji i utrzymania produktu.
Jegorow zwrócił też uwagę, że modele zwiększą obciążenie specjalistów odpowiedzialnych za kontrolę. Jego zdaniem lepiej wykorzystywać je do wykrywania podatności, obsługi incydentów cyberbezpieczeństwa i konfigurowania systemów powiadamiania.
Więcej z tego dnia
Zobacz wszystkie →
Koreańskie karty testują płatności stablecoinami. Ryzyko blokady

Bluepoint i CNT Tech zorganizowały 2. Forum Innowacji NEST

AiMatics uczy AI kontroli jakości na wzorcu bez wadliwych próbek



