El 75% de los desarrolladores de software están validando código que no han escrito y que pueden no entender, según un informe reciente de GitLab. Esto se debe en gran medida a la creciente presión que ejercen las herramientas de código de inteligencia artificial (IA) sobre los equipos de ingeniería de software. Los desarrolladores ahora deben lidiar con la tarea adicional de revisar y validar código generado automáticamente, lo que puede ser un desafío significativo. Puedes leer más sobre este tema en el artículo “Developers are now validating code they didn’t write — and may not understand” de The New Stack.
Qué es / Qué ha pasado
La empresa GitLab ha lanzado un informe que destaca el impacto de las herramientas de código de IA en los equipos de ingeniería de software. El informe señala que la mayoría de los desarrolladores están pasando más tiempo revisando y validando código generado automáticamente que creando código nuevo. Esto puede ser un problema, ya que los desarrolladores pueden no tener la experiencia o el conocimiento necesario para validar código complejo generado por máquinas. El informe de GitLab es importante porque resalta la necesidad de desarrollar mejores prácticas y herramientas para la gestión de código de IA.
Por qué importa ahora
La tendencia hacia el uso de herramientas de código de IA en el desarrollo de software no es nueva, pero su adopción ha aumentado significativamente en los últimos años. Esto se debe en parte a la mejora en la capacidad de las máquinas para generar código de alta calidad, pero también a la creciente demanda de software personalizado y la necesidad de reducir los costos y tiempos de desarrollo. Sin embargo, la validación y revisión de código generado automáticamente es un proceso complejo que requiere habilidades y conocimientos específicos. La industria debe abordar este desafío para asegurarse de que el código generado por máquinas sea seguro, eficiente y de alta calidad.
Detalles técnicos y qué significa para ti
La arquitectura de las herramientas de código de IA puede variar, pero la mayoría se basa en modelos de aprendizaje automático que pueden generar código en función de patrones y estructuras aprendidas a partir de grandes conjuntos de datos. Por ejemplo, el modelo de código de IA de GitHub, llamado Copilot, utiliza un modelo de lenguaje grande para generar código en una variedad de lenguajes de programación.
# Ejemplo de instalación de Copilot
pip install copilot
“El objetivo de Copilot es ayudar a los desarrolladores a escribir código más rápido y con menos errores, pero no reemplazarlos”, según el README de Copilot. La implicación práctica de esto es que los desarrolladores deben aprender a trabajar con herramientas de código de IA y a validar y revisar el código generado automáticamente para asegurarse de que se ajuste a los estándares de calidad y seguridad.
Cierre
Bottom line: La validación y revisión de código generado automáticamente es un desafío creciente para los equipos de ingeniería de software, y la industria debe desarrollar mejores prácticas y herramientas para abordar este problema.
Ver también: Developers are now validating code they didn’t write — and may not understand · GitHub Copilot