Pangembangan yaiku proses nggawe bab anyar sing migunani kanthi bola-bali.
Nalika kita mikir babagan pangembangan, sing kerep muncul ing pikiran yaiku pangembangan produk anyar. Iki beda karo manufaktur, sing ngasilake produk individu; nanging, iki nglibatake nggawe spesifikasi desain utawa cetakan kanggo produk.
Mangkono, cetak biru utawa cetakan sing digawe liwat pangembangan produk anyar digunakake bola-bali ing pabrik kanggo ngasilake pirang-pirang produk sing padha.
Ana uga kagunaan kaya ngembangake kemampuan individu utawa ngembangake masyarakat lan bangsa. Iki ora mung ateges nambah apa sing diduweni, nanging uga kemampuan kanggo nggunakake bola-bali lan entuk manfaat saka kemampuan sing wis dikembangake.
Sanajan kekuwatan ekonomi individu lan masyarakat bisa fluktuatif amarga kahanan ekonomi, kemampuan sing dikembangake umume permanen.
Sanajan kemampuan kasebut suda, dianggep minangka kemunduran tinimbang fluktuasi munggah-mudhun saka kamakmuran ekonomi.
Saliyane iku, ana uga pangembangan teknologi lan kawruh. Beda karo kemampuan individu utawa masyarakat tartamtu, iki duwe ciri gampang disebarake.
Lan ing antarane produk, kemampuan, kawruh, lan teknologi sing minangka asil saka pangembangan kasebut, sawetara bisa nyumbang kanggo pangembangan sabanjure.
Kanthi ngembangake asil sing migunani kaya ngono, cakupan pangembangan dadi luwih jembar, lan efisiensi lan kualitas saya apik.
Pangembangan Piranti Lunak sing Didhukung AI
Umumé, pangembangan mbutuhake wektu lan tenaga sing gedhe. Luwih-luwih nalika masyarakat maju lan maneka warna babagan dadi luwih canggih, nggawe bab anyar dadi luwih angel.
Nanging, kanthi munculé AI generatif, kahanan iki wiwit owah. Saiki, pangembangan piranti lunak ngalami owah-owahan dramatis amarga kemampuan program AI generatif sing dhuwur.
Ing kahanan iki, visi mangsa ngarep ing ngendi agèn otonom adhedhasar AI generatif dadi pusat pangembangan piranti lunak minangka insinyur piranti lunak wis dadi kasunyatan.
Saiki kita lagi ana ing tahap transisi. Sanajan kita durung bisa masrahake kabeh pangembangan marang AI generatif, nanging kanthi trampil nggunakake AI generatif bisa kanthi kuat majokake pangembangan piranti lunak.
Iki diarani pangembangan piranti lunak sing didhukung AI.
Pangembangan Adhedhasar Pangembangan
Nalika AI generatif nggawe pangembangan piranti lunak luwih efisien, iku bisa nyepetake ora mung pangembangan piranti lunak target pungkasan nanging uga pangembangan piranti lunak sing mbantu pangembangan dhewe.
Kaya sing wis kasebut sadurunge, asil sing nggampangake pangembangan nggedhekake cakupan, lan mbantu ningkatake efisiensi lan kualitas. Salajengipun, yen digawe kanthi efektif, bisa digunakake maneh ing proyek pangembangan liyane.
Mula, kanthi ngembangake piranti lunak sing mbantu pangembangan sajrone proses pangembangan piranti lunak, efisiensi sakabèhé bisa ditingkatake, lan aset iki bisa dimanfaatake kanggo pangembangan ing mangsa ngarep.
Umumé, ngembangake piranti lunak bantu kaya ngono iku lumrah, nanging mbutuhake wektu lan tenaga pangembangane dhewe, sing mbutuhake pertimbangan sing ati-ati lan eksekusi sing fokus.
Kanthi nggunakake AI generatif, sapa waé bisa kanthi cepet nggawe piranti lunak prasaja kanggo ngotomatisasi tugas cilik sing muncul ing pikiran. Yen tugas kasebut nglibatake pangolahan sing jelas, AI generatif bisa kanthi akurat ngasilake program kasebut kanthi meh ora ana kesalahan.
Akibaté, ngembangake piranti lunak kanggo mbantu pangembangan sajrone proses pangembangan piranti lunak dadi luwih gampang tinimbang sadurunge.
Lan, kanthi mikir jero babagan iki, gaya pangembangan muncul ing ngendi piranti sing migunani kanggo pangembangan terus-terusan digawe sajrone proses kasebut, saéngga ngowahi metodologi pangembangan kasebut dhewe.
Iki bakal diarani "pangembangan adhedhasar pangembangan."
Kanggo nindakake pangembangan adhedhasar pangembangan, sapa waé kudu duwe kabiasaan ngamati pangembangan piranti lunak dhewe kanthi objektif, mikirake bagean endi sing bisa ditangani dening piranti lunak lan bagean endi sing mung bisa ditangani dening manungsa, bebarengan karo katrampilan kanggo ngembangake piranti lunak bantu kasebut.
Salajengipun, AI generatif bisa digabungake menyang piranti lunak iki. Kanthi ngelebokake ing piranti lunak, ora kaya agèn AI generatif, cakupan pangolahan bisa dikurangi nganti sawetara, lan dalan bisa ditetepake.
Nalika agèn AI bisa nggayuh asil sing padha liwat pituduh, piranti lunak kanthi AI generatif sing dilebokake bisa luwih gampang nambah akurasi kanthi nggabungake program lan pituduh.
Yen pangembangan adhedhasar pangembangan kaya ngono bisa ditindakake, proyek kapindho bakal nuduhake peningkatan kualitas lan biaya dibandhingake karo proyek pisanan. Salajengipun, kanthi saben proyek sabanjuré—katelu, kaping papat, lan sateruse—peningkatan bakal terus nglumpuk.
Iki beda banget karo mung nggunakake AI generatif kanggo ngembangake piranti lunak. Jurang sing signifikan bakal muncul sajrone wektu antarane tim sing mung nguwasani piranti AI generatif lan tim sing nindakake pangembangan adhedhasar pangembangan.
Tes sing Dipimpin Refactoring
Ana konsep sing diarani Pengembangan Berbasis Tes (Test-Driven Development/TDD), yaiku nalika tes dirancang dhisik adhedhasar spesifikasi, banjur piranti lunak dikembangake kanggo ngliwati tes kasebut.
Wiwitane, aku uga mikir yen kanthi nggunakake AI generatif, gampang kanggo ngembangake program tes kanggo tes otomatis, saéngga TDD bisa ditindakake.
Nanging, nalika aku wiwit nglakoni pangembangan adhedhasar pangembangan, aku dadi yakin manawa mikir babagan tes sadurunge ngetrapake ora mesthi cara sing paling cocog.
Utamane kanggo piranti lunak kaya aplikasi web sing nglibatake aspek subjektif kayata kegunaan lan desain visual, sing diinteraksi langsung, aku ngerti yen bener-bener mbukak lan interaksi karo piranti lunak luwih utama tinimbang tes sing rinci.
Iki amarga yen ana rasa ora puas sing signifikan ing level UI/UX sawise interaksi, ana kemungkinan pengin ngganti bagean dhasar kaya framework, arsitektur dhasar, model data, utawa use case.
Ing proyek pangembangan piranti lunak pribadiku saiki, aku ngerteni masalah karo fleksibilitas fitur lan kinerja lan pungkasane ngganti rong framework karo sing beda.
Aku uga kudu ngevaluasi maneh pangolahan ing sawetara wilayah amarga panggunaan memori sing ora efisien.
Ing wektu refactoring iki, tes dadi pertimbangan sadar pisanan.
Yen iki ing tahap awal pangembangan, utawa yen fungsi lan spesifikasi bakal owah sacara signifikan, tes bisa uga ora perlu.
Nanging, yen pangembangan wis maju banget lan ana akeh item sing kudu dipriksa, tes bakal perlu kanggo ngonfirmasi manawa refactoring ora ngenalake cacat fungsional utawa kelalaian.
Mula, pendekatan nggawe program tes nalika pangembangan wis maju nganti tingkat tartamtu lan refactoring dadi perlu dudu ide sing ala.
Ing titik iki, kunci ora nggawe tes kanggo kabeh kode, nanging fokus ing ngetes bagean sing wis mateng sing ora mungkin owah akeh ing mangsa ngarep, nalika ninggalake bagean sing cair tanpa tes otomatis.
Iki bisa diarani Tes sing Dipimpin Refactoring.
Panutup
AI generatif ngowahi pangembangan piranti lunak kanthi dramatis.
Ing artikel sadurunge, aku nulis babagan pentinge duwe tujuan dadi "Insinyur Omni-arah," sing mampu ngembangake sistem sing nggabungake macem-macem domain, infrastruktur, lan lingkungan eksekusi, ngluwihi insinyur full-stack tradisional.
Aku uga nulis artikel sing nuduhake yen kita mlebu ing jaman "Pangembangan Adhedhasar Pengalaman & Tumindak," ing ngendi fokus ora ing nyelarasake spesifikasi karo implementasi, nanging ing ningkatake pengalaman pangguna liwat tumindak piranti lunak.
Pangembangan adhedhasar pangembangan lan tes sing dipimpin refactoring minangka persis sing nggawa kita menyang cakrawala anyar ing pangembangan piranti lunak.