Wis umum dingerteni yèn AI generatif bisa ngasilaké gambar fotorealistik, ilustrasi, lan lukisan mung kanthi diwènèhi instruksi.
Sauntara kuwi, ing jagad bisnis, perhatian lagi fokus ing kemampuan AI generatif kanggo ngasilaké program.
AI omongan didhukung déning modhèl basa gedhé, tèknologi dhasar, lan trampil banget kanggo omongan ing manéka basa lan nerjemahaké ing antarane.
Basa pemrograman, sing digunakaké kanggo nggawé program, uga minangka jinis basa. Programmer manungsa, ing sawijining pangertèn, nerjemahaké sarat piranti lunak sing ditampa kanthi lisan dadi basa pemrograman.
Mula kuwi, AI generatif omongan, sing nggunakaké modhèl basa gedhé, uga trampil banget ing pemrograman.
Kajaba iku, pemrograman minangka tugas intelektual sing beneré asil asring bisa diverifikasi kanthi otomatis lan cepet. Iki amarga program sing digawé bisa dieksekusi lan kanthi otomatis dicenthang kanggo ndeleng apa ngasilaké output sing dikarepaké.
Nyatané, nalika programmer manungsa nggawé program, wong-wong mau asring bebarengan nggawé program tès kanggo verifikasi asil, ngembangaké program utama nalika nyenthang yèn program kasebut fungsional kaya sing dikarepaké.
AI generatif uga bisa maju kanthi pemrograman nalika nguji kanthi cara sing padha. Yèn manungsa mènèhi instruksi sing tepat, AI bisa kanthi otomatis nindakaké itèranti lan ngrampungaké program nganti lulus kabèh tès.
Mesthi waé, amarga watesan kemampuan pemrograman AI generatif lan ambiguitas instruksi manungsa, ana akèh kasus ing ngendi tès ora bisa dilulusaké sanajan sawisé akèh itèranti. Kajaba iku, tès sing ora cukup utawa salah asring nyebabaké bug utawa masalah ing program sing wis rampung.
Nanging, nalika kemampuan AI generatif saya apik, lan insinyur manungsa nyaring cara instruksiné, digabungaké karo mekanisme kanggo nambah kawruh pemrograman AI generatif liwat panggolèkan internèt, cakupan kanggo ngasilaké program sing cocog kanthi otomatis saya wiyar saben dina.
Kajaba iku, kanthi fokus jagad bisnis, perusahaan-perusahaan gedhe sing melu riset lan pangembangan AI generatif uga nandur modhal gedhe kanggo ningkataké kemampuan pemrograman AI generatif.
Ing kahanan iki, panyebaran cakupan lan volume tugas pemrograman otomatis sing bisa dipasrahaké marang AI generatif dikarepaké bakal cepet.
Ana akèh contoné individu sing durung tau ngembangaké program sadurungé nyiyapaké lingkungan pangembangan dhasar nggunakaké informasi internèt, banjur ngandelaké AI generatif kanggo pemrograman, ngrampungaké proyèk bebarengan minangka tim loro.
Minangka programmer, aku dhéwé nggunakaké AI generatif kanggo pemrograman. Sawisé aku nguwasani, aku bisa ngrampungaké piranti lunak tanpa ngowahi program babar pisan, mung kanthi nyalin lan nempel kode menyang berkas miturut instruksi AI generatif.
Mesthi, ana akèh wektu nalika aku nemoni alangan. Iki biasane amarga beda cilik antarane setelan komputer utawa alat pangembangan pemrogramanku lan konfigurasi umum, utawa amarga komponen piranti lunak gratis luwih anyar tinimbang sing diwulangaké AI generatif, nyebabaké kesenjangan kawruh, utawa amarga panjalukku rada ora umum.
Ing kasus tanpa beda cilik utawa kahanan khusus kaya ngono, lan nalika diwulangaké kanggo nggawé fungsi piranti lunak sing umum banget, program sing cocog bakal digawé ing akèh kahanan.
Menuju Era Liquidware
Minangka pangembang piranti lunak, aku bisa ngrilis piranti lunak sing tak ciptakaké, lan piranti lunak kasebut, sing dirilis déning kita minangka insinyur, banjur digunakaké déning manéka pangguna.
Masa depan nalika pangembangan piranti lunak iki bisa ditindakaké déning sapa waé kanthi AI generatif minangka kelanjutan saka dhiskusi nganti saiki.
Nanging, iki ora mung owah-owahan ing sisih pangembangan piranti lunak; owah-owahan signifikan uga teka ing sisih pangguna.
Tugas mènèhi instruksi kanthi lisan marang AI generatif kanggo kanthi otomatis nambah utawa ngowahi fungsi ing piranti lunak bisa ditindakaké ora mung sajrone fase pangembangan sadurungé piranti lunak dirilis nanging uga sajrone panggunaané. Kajaba iku, iki bisa ditindakaké déning pangguna piranti lunak kasebut dhéwé.
Pangembang piranti lunak bisa nemtokaké cakupan sing bisa lan ora bisa diowahi, banjur ngrilis piranti lunak kanthi fitur kustomisasi sing didhukung AI generatif.
Iki bakal ngidini pangguna nyuwun marang AI generatif kanggo ngowahi rasa ora nyaman cilik utawa préferènsi desain layar ing piranti lunak.
Salajengipun, pangguna bisa nambah fitur-fitur migunani sing ditemokake ing aplikasi liyane, nggabungake pirang-pirang operasi dadi siji klik, utawa ndeleng layar sing kerep diakses kabeh ing siji tampilan.
Kanggo pangembang piranti lunak, ngaktifake kustomisasi pangguna kasebut nawakake keuntungan signifikan: ngilangi upaya ngimplementasikake panjaluk fitur dhewe, lan bisa ningkatake popularitas piranti lunak kanthi ngindhari ulasan negatif lan rasa ora puas babagan kegunaan.
Nalika pangguna bisa kanthi bebas ngowahi layar lan fungsi kanthi cara iki, konsep kasebut nyimpang sacara signifikan saka apa sing sacara tradisional kita sebut "piranti lunak."
Luwih cocog yèn diarani "Liquidware," tegesé luwih cair lan luwih bisa diadaptasi tinimbang piranti lunak (sing wis luwih fleksibel tinimbang perangkat keras), lan sing cocog banget karo pangguna.
Fungsi biyen mung bisa diwujudake dening perangkat keras. Banjur, piranti lunak sing bisa diijolake muncul, sing ngidini fungsi bisa diwujudake liwat kombinasi perangkat keras lan piranti lunak.
Saka kono, kita bisa mbayangaké muncule Liquidware, tegesé bagean sing bisa diowahi déning AI generatif. Akibaté, fungsi bakal diwujudaké déning perangkat keras + piranti lunak (disedhiyakaké déning pangembang) + Liquidware (modifikasi pangguna).
Ing éra Liquidware iki, idé-idé pangguna kanggo modifikasi bakal njeblug.
Ide modifikasi inovatif sing diciptakake dening salah sawijining pangguna bisa dadi topik panas ing media sosial, nyebabake wong liya niru lan ngowahi macem-macem aplikasi Liquidware.
Salajengipun, Liquidware sing saged nangani manéka aplikasi piranti lunak kanthi cara terintegrasi ugi saged muncul. Tegesipun pangguna saged mirsani timeline saking manéka platform media sosial ing satunggal aplikasi, utawi asil pados saged nggabungaken asil saking pirang-pirang platform.
Kanthi cara iki, ing jagad sing Liquidware nyebar, manéka piranti, kalebu PC lan smartphone, bakal nyedhiyakake fungsi sing cocog banget karo urip lan aktivitas individu saben kita.
Fenomena Saiki
Kanggo insinyur piranti lunak kaya aku, penting kanggo mangerteni yèn Liquidware dudu konsep futuristik utawa sawetara taun manèh.
Iki amarga Liquidware sing sanajan banget prasaja, wis bisa diwujudake.
Contone, upamané aku insinyur sing ngembangaké aplikasi web kanggo situs e-commerce perusahaanku.
Aplikasi web kaya mangkono bakal duwé basis data, sistem manajemen penjualan, lan sistem pengiriman produk ing server sing dikelola ing omah utawa dikontrak liwat layanan awan. Nalika pangguna nindakaké panyuwunan, sistem iki bakal nyambung kanggo nangani pengumpulan pembayaran lan pengiriman produk.
Sistem bisnis inti lan basis data kaya mengkono ora bisa diowahi kanthi sembarangan.
Nanging, desain layar web situs e-commerce sing madhep pangguna bisa diowahi supaya cocog karo pangguna individu tanpa nyebabake masalah sing signifikan. Mesthi wae, yen owah-owahan siji pangguna mengaruhi layar pangguna liyane, iku bakal dadi masalah, nanging kustomisasi spesifik pangguna individu ora masalah.
Contone, manéka modifikasi bisa dipikiraké: nggedhèkaké tèks, ngowahi latar mburi dadi warna peteng, ngalihaké posisi tombol sing kerep dipencet menyang posisi sing luwih gampang dioperasikaké nganggo tangan kiwa, ngurutaké barang miturut rega ing layar dhaptar, utawa nampilaké rincian rong produk sisih-sisihan.
Sacara teknis, modifikasi iki bisa digayuh kanthi ngowahi berkas konfigurasi lan program kaya HTML, CSS, lan JavaScript sing nampilake layar ing peramban.
Saka perspektif keamanan, berkas-berkas iki wiwitané mlaku ing web browser. Mulane, bagéan-bagéan sing bisa diowahi dening insinyur sing ngerti babagan aplikasi web mung nangani fungsi lan data sing aman diowahi.
Mangkono, ing sisih server aplikasi web e-commerce, mekanisme bisa digawe kanggo nyimpen berkas-berkas iki kanthi kapisah kanggo saben pangguna sing mlebu, nambah layar kanggo ngobrol karo AI obrolan, lan banjur ngowahi berkas HTML, CSS, lan JavaScript pangguna kasebut ing server miturut panjaluke.
Yèn tèks iki, bebarengan karo informasi konfigurasi aplikasi web e-commerce sing wis ana lan kode sumberé, diwènèhaké marang AI generatif, kemungkinan bakal nyedhiyakaké langkah-langkah lan program sing dibutuhaké kanggo nambah fungsionalitas kasebut.
Kanthi cara iki, Liquidware wis dadi topik saiki; ora bakal ngagetké yèn iki minangka fenomena sing lagi lumaku saiki.
Insinyur Omnidirectional
Sanajan kanthi cakupan pemrograman otomatis sing didorong AI sing saya wiyar lan tekane jaman Liquidware, pangembangan piranti lunak isih ora bisa ditindakake mung dening AI generatif.
Nanging, wis mesthi yèn penekanan ing pemrograman ing pangembangan piranti lunak bakal mudhun kanthi signifikan.
Salajengipun, kanggo ngembangaké piranti lunak kanthi lancar, dibutuhaké manéka kawruh lan katrampilan rekayasa sing wiyar, wiwit saka pemrograman umum nganti infrastruktur awan, jaringan, keamanan, platform, kerangka pangembangan, lan basis data—kabeh nganti ndhuwur lan ngisor tumpukan sistem supaya kabèh sistem bisa fungsional.
Personil kanthi kawruh lan katrampilan kaya ngono diarani insinyur full-stack.
Sacara tradisional, sawetara insinyur full-stack bakal nangani desain sakabèhané, déné insinyur sing isih ana bakal spesialisi ing pemrograman, utawa fokus ing area non-pemrograman tartamtu ing tumpukan sistem, saéngga mbagi peran.
Nanging, nalika AI generatif njupuk alih aspek pemrograman, biaya pangembangan piranti lunak bakal dikurangi kanthi signifikan, nyebabake perencanaan macem-macem proyek pangembangan piranti lunak anyar.
Akibate, ing saben proyek pangembangan, insinyur sing mung bisa nulis program ora bakal dibutuhake; nanging, akeh insinyur full-stack sing bakal dibutuhake.
Salajengipun, ing skenario iki, mung duwé kawruh lan katrampilan full-stack ora cukup. Iki amarga jinis piranti lunak sing dibutuhaké ing manéka proyek pangembangan bakal diverifikasi, tegesé pangembangan ora bakal mesthi dijaluk nggunakaké tumpukan sistem sing padha. Kajaba iku, panjaluk kanggo sistem kompleks sing mbutuhaké pirang-pirang tumpukan sistem mesthi bakal nambah.
Contone, tumpukan sistem kanggo aplikasi web beda karo tumpukan kanggo sistem bisnis utawa inti. Mulane, insinyur aplikasi web full-stack ora bisa dipasrahi proyek pangembangan sistem inti.
Kanthi cara sing padha, aplikasi web, aplikasi smartphone, lan aplikasi PC saben duwe tumpukan sistem sing beda. Ing jagad piranti lunak sing dilebokake, kayata IoT, tumpukan sistem bakal beda banget kanggo saben piranti sing dilebokake.
Nanging, nalika penekanan ing pemrograman mudhun lan biaya pangembangan piranti lunak sakabèhané mudhun, pangembangan sistem kompleks sing nggabungake piranti lunak kanthi tumpukan sistem sing beda iki kemungkinan bakal nambah.
Sanajan pangembangan kasebut mbutuhake ngumpulake pirang-pirang insinyur full-stack sing béda, insinyur sing bisa ngawasi kabeh sistem lan nangani desain dhasar bakal nduweni peran penting.
Iki tegese bakal ana panjaluk kanggo insinyur kanthi kawruh lan katrampilan omnidirectional ing pirang-pirang tumpukan sistem, ngluwihi wates tumpukan sistem individu.
Insinyur kaya ngono kemungkinan bakal disebut insinyur omnidirectional.
Lan kaya nalika panjaluk insinyur sing mung bisa program bakal mudhun amarga AI generatif, sawijining jaman uga bakal teka nalika panjaluk insinyur full-stack sing diwatesi ing tumpukan sistem tunggal uga bakal suda.
Yen sampeyan pengin tetep aktif minangka insinyur IT ing jaman kasebut, sampeyan kudu langsung miwiti ing dalan dadi insinyur omnidirectional.
Peran Insinyur Omnidirectional
Basa pemrograman, platform, lan kerangka kerja sing bakal dikembangaké iku manéka warna.
Nanging, insinyur omnidirectional ora perlu nguwasani kabèh iku, amarga dhèwèké uga bisa nampa bantuan saka AI generatif.
Yèn sampeyan masrahaké marang AI generatif, sanajan basa pemrograman, platform, utawa kerangka kerja sing durung tau sampeyan gunakaké sadurungé bisa digawé mung kanthi mènèhi instruksi lisan.
Mesthi waé, ana risiko nglebokaké bug utawa kerentanan keamanan, utawa nglumpukaké utang tèknis sing bisa nggawé modifikasi ing mangsa ngarep dadi angel.
Kanggo ngenali lan nyuda risiko kasebut, kawruh babagan basa utawa pustaka tartamtu dibutuhake. Nanging, kawruh iki uga bisa dipikolehi saka AI generatif. Insinyur omnidirectional mung kudu bisa kanthi mantep nyusun prosedur lan mekanisme kanggo ndeteksi lan nyegah masalah kasebut, utawa kanggo nangani sawise kedadeyan.
Prosedur lan mekanisme iki ora owah drastis karo tumpukan sistem sing beda. Yen prosedur lan mekanisme kanggo nyegah bug lan kerentanan keamanan lan njamin ekstensibilitas ing mangsa ngarep diformalisasi, banjur sisane bisa dipasrahake menyang AI generatif utawa insinyur sing spesial ing bidang kasebut.
Insinyur omnidirectional ora perlu duwe kawruh rinci utawa pengalaman jangka panjang karo saben tumpukan sistem individu.
Salah siji peran utama insinyur omnidirectional yaiku ngrancang kepiye fungsi disebarake lan kepiye pirang-pirang sistem piranti lunak kompleks, sing beroperasi kanthi kolaborasi ing macem-macem tumpukan sistem, saling beroperasi.
Kajaba iku, mikiraké kepiye ngembangaké lan ngatur kabèh piranti lunak uga minangka peran penting kanggo insinyur omnidirectional.
Piranti Lunak Omnidirectional
Ayo kita pirsani jinis pangembangan piranti lunak apa sing dibutuhaké insinyur omnidirectional.
Sadurungé, aku mènèhi conto pangembangan aplikasi web e-commerce.
Ing arahan éksekutif sing ditugasaké déning manajemen paling dhuwur kanggo nyegaraké aplikasi web e-commerce iki, tim perencanaan bisa uga ngajokaké syarat-syarat ing ngisor iki:
Integrasi Platform Komunitas Pangguna: Iki tegesé nyediakaké platform ora mung kanggo aplikasi utawa situs e-commerce khusus, nanging ing ngendi pangguna bisa interaksi babagan produk kasebut dhéwé lan cara nggunakaké. Tujuwané yaiku retensi pangguna, efek cangkem, pengayaan konten liwat kontribusi pangguna, lan integrasi umpan balik (positif lan negatif) menyang pangembangan produk, perencanaan produk anyar, lan pamasaran.
Kompatibilitas Omni-piranti: Iki nggawé komunitas pangguna lan informasi produk bisa diakses saka manéka piranti, kalebu ora mung aplikasi web nanging uga aplikasi smartphone, asisten swara, piranti sing bisa dienggo, lan piranti omah pinter.
Kompatibilitas Omni-platform: Iki kalebu ora mung platform komunitas pangguna perusahaan dhéwé nanging uga, contoné, dhaptar produk lan nuduhaké review ing situs e-commerce komprehensif, integrasi karo média sosial, lan panyambungan fungsional lan informasi karo manéka alat AI.
Panyegar sistem bisnis: Nalika nggandhèngaké kanthi sauntara karo sistem manajemen penjualan lan pengiriman produk sing wis ana, iki uga nglibatké panyegar sistem kasebut. Sawisé panyegar, rencana kalebu agregasi data penjualan wektu nyata lan ramalan panjaluk, lan integrasi karo sistem manajemen persediaan. Salajengipun, panyambungan karo sistem persediaan sing disebaraké sacara regional sing disediakaké déning perusahaan pengiriman lan layanan pengiriman ing sisih operator bakal dileksanakaké kanthi bertahap, mbutuhaké sistem informasi kanggo adaptasi integrasiné kanthi bertahap.
Kompatibilitas Liquidware: Kabeh antarmuka sing diadhepi pangguna, mesthine, bakal kompatibel karo Liquidware. Salajengipun, antarmuka pangguna internal kanggo pangembangan produk lan perencanaan (kayata agregasi informasi lan umpan balik), departemen operasi sistem, lan laporan kanggo manajemen uga kabeh bakal diowahi dadi Liquidware.
Yèn rencana pangembangan piranti lunak kompleks kaya ngono diwènèhaké, tim pangembangan piranti lunak tradisional kemungkinan ora bakal langsung nampa. Utawa, liwat diskusi babagan spesifikasi sistem, dhèwèké bakal kanthi logis nduduhaké kabutuhan biaya pangembangan lan wektu sing gedhé banget, nyurung kanggo ngurangi spesifikasi kanthi signifikan.
Nanging, kepiye yèn AI generatif bisa ngotomatisaké sapérangan gedhé pemrograman, lan luwih saka separo tumpukan sistem sing diusulaké wis dialami déning salah siji anggota tim? Lan kepiye yèn tim duwé rekor sing kasil ngluncuraké tumpukan sistem, platform, lan kerangka kerja anyar saka awal kanthi bantuan AI generatif? Lan kepiye yèn sampeyan, minangka insinyur omnidirectional, wis miwiti ing jalur iki lan arep terus?
Saka perspektif kasebut, iki kudu katon minangka proyèk sing menarik banget. Sampeyan bakal bisa kerja bareng karo tim perencanaan sing nggawa usulan ambisius saka manajemen puncak, lan tim pangembangan kanthi potensi kanggo tuwuh dadi tim pangembangan piranti lunak omnidirectional.
Uga ana jaminan saka sistem sing wis ana. Iki uga minangka proyek sing bisa tuwuh kanthi bertahap liwat proses pangembangan tangkas, diwiwiti kanthi fitur sing cepet menang lan duwe dampak dhuwur lan ngumpulake umpan balik saka pangguna awal.
Nimbang kabèh iki, pangembangan piranti lunak omnidirectional iki mesthi katon minangka proyèk sing menarik banget.
Dudutan
Kanthi program otomatis sing didorong dening AI generatif, pangembangan piranti lunak Liquidware lan omnidirectional wis dadi kasunyatan saiki.
Ing konteks iki, insinyur IT saya suwe saya kudu ngluwihi full-stack lan ngarah dadi insinyur omnidirectional.
Saliyané iku, cakupané bakal saya amba manèh, ngluwihi watesan sistem IT nganti nyakup rekayasa bisnis omnidirectional—yaiku rekayasa aktivitas organisasi dhéwé, kanthi nyambungaké pelanggan, karyawan internal, lan AI—lan rekayasa komunitas omnidirectional.
Lan luwih adoh maneh, aku ngira bakal ana lapangan sing diarani rekayasa sosial omnidirectional, sing tujuane kanggo ningkatake masyarakat kanthi komprehensif.