雖然我們不是在談論AI獨立編寫代碼行(盡管將來不可避免地會成為現(xiàn)實)，但AI在協(xié)助開發(fā)人員團隊開發(fā)尖端軟件方面扮演著更加重要的角色，尤其是在面對短缺的情況下。有才華的軟件開發(fā)人員。

IT軟件質(zhì)量協(xié)會(CISQ)報告稱，由于2018年軟件質(zhì)量差，美國組織損失了3190億美元。此外，還有更多的項目遲到或超出預算，最終導致項目的取??消和放棄。造成金錢和生產(chǎn)力損失。

據(jù)德勤(Deloitte)稱，人工智能可以幫助扭轉(zhuǎn)局面，其自動化開發(fā)工具能夠彌合對個性化軟件需求的增長與缺乏提供程序的人才之間的鴻溝。

說起TechHQ，德勤大衛(wèi)Schatsky說，AI-動力工具進行補充的軟件開發(fā)供應鏈和需求鏈的兩端。

“在供應方面，大型代碼庫，改進的機器學習(ML)和自然語言處理算法使構(gòu)建更好的工具成為可能。在需求方面，軟件開發(fā)人員長期短缺，并且在提高軟件質(zhì)量方面面臨一系列挑戰(zhàn)。這些工具可以幫助減輕這兩種情況。”

AI技術(shù)通過在開發(fā)的早期階段檢測代碼中的錯誤和錯誤來實現(xiàn)此目標，從而大大節(jié)省了生產(chǎn)時間和成本。這要歸功于高級ML和自然語言處理功能，該功能可以分析源代碼以盡早發(fā)現(xiàn)缺陷。

新的軟件開發(fā)工具提供了有關(guān)在開發(fā)人員鍵入內(nèi)容時完成代碼行的建議，從而將開發(fā)人員需要鍵入的擊鍵次數(shù)減少了50%，類似于預測性文本。

其他工具也可以自動創(chuàng)建質(zhì)量保證所需的測試，提供額外的安全層以及調(diào)試可能潛在導致更大缺陷的任何生產(chǎn)線。例如，視頻游戲公司Ubisoft指出，有70%的錯誤是在測試前通過機器學習檢測到的。

正如Schatsky所指出的，由于有了開源代碼存儲庫，所有這一切都變得可能了。2018年的前一份報告發(fā)現(xiàn)，在1100多種商業(yè)應用程序中，有96%使用了開源組件。

任何公司規(guī)模的任何開發(fā)人員都可以使用的開源軟件數(shù)量巨大，并且還在不斷增長?？梢詫I和機器學習應用于這些擴展庫，從而可以分析源代碼和有關(guān)軟件開發(fā)的其他數(shù)據(jù)，例如項目進度記錄，延遲，應用程序缺陷及其修復程序。