ათწლეულების განმავლობაში, სხვადასხვა სექტორის კომპანიებში პროგრამული უზრუნველყოფის ნულიდან შექმნასა და მზა გადაწყვეტის შეძენას შორის გადაწყვეტილება ტექნოლოგიურ სტრატეგიებს ასახავდა. განტოლება მარტივი ჩანდა: დაჩქარებული დანერგვისა და შემცირებული ხარჯების შეძენით, მშენებლობა სთავაზობდა პერსონალიზაციას და კონტროლს. თუმცა, გენერაციული ხელოვნური ინტელექტის და განსაკუთრებით ხელოვნური ინტელექტით დამხმარე განვითარების (AIAD) მოსვლამ ამ განტოლებაში ყველა ცვლადი შეცვალა. საქმე აღარ არის ორ კლასიკურ მიდგომას შორის არჩევანის გაკეთებაში და შესაძლოა ტრადიციული დილემა აღარც არსებობს.
გენერაციული ხელოვნური ინტელექტის მიერ განვითარების ციკლის ისეთი მნიშვნელოვანი ეტაპების ოპტიმიზაციის გამო, როგორიცაა კოდის წერა, ავტომატური ტესტირება, შეცდომების აღმოჩენა და არქიტექტურული წინადადებებიც კი, მორგებული პროგრამული უზრუნველყოფის შექმნა აღარ არის მხოლოდ დიდი კორპორაციების საქმიანობა, რომლებსაც აქვთ მყარი ბიუჯეტი. წინასწარ მომზადებულმა მოდელებმა, სპეციალიზებულმა ბიბლიოთეკებმა და ხელოვნური ინტელექტით მხარდაჭერილმა დაბალი კოდის ან კოდის გარეშე პლატფორმებმა მკვეთრად შეამცირა განვითარების ხარჯები და დრო.
თვეების ნაცვლად, ბევრი გადაწყვეტილება ახლა კვირებში მიეწოდება და დიდი შიდა გუნდების ნაცვლად, მოქნილი, მაღალ სპეციალიზებული გუნდები ახერხებენ შთამბეჭდავი ეფექტურობით მორგებული და მასშტაბირებადი აპლიკაციების მიწოდებას. 2021 წელს გამოშვებული GitHub Copilot გენერაციული ხელოვნური ინტელექტის პრაქტიკული მაგალითია, რომელიც ეხმარება დეველოპერებს კოდის შეთავაზებით და ფრაგმენტების ავტომატურად დასრულებით. GitHub-ის კვლევამ აჩვენა, რომ Copilot-ის გამოყენებით დეველოპერებმა დავალებები საშუალოდ 55%-ით უფრო სწრაფად შეასრულეს, ხოლო მათ, ვინც GitHub Copilot-ს არ იყენებდა, დავალების შესასრულებლად საშუალოდ 1 საათი და 11 წუთი დასჭირდათ, ხოლო მათ, ვინც არ იყენებდა, საშუალოდ 2 საათი და 41 წუთი.
ამ რეალობის გათვალისწინებით, ძველი არგუმენტი, რომ მზა პროგრამული უზრუნველყოფის შეძენა ფულის დაზოგვის სინონიმი იყო, ძალას კარგავს. ზოგადი გადაწყვეტილებები, მიუხედავად იმისა, რომ მიმზიდველია, ხშირად ვერ ეგუება შიდა პროცესების სპეციფიკას, არ ფართოვდება იმავე სისწრაფით და ქმნის შემზღუდველ დამოკიდებულებას. მოკლევადიან პერსპექტივაში, ისინი შეიძლება საკმარისად ჩანდეს, მაგრამ საშუალოვადიან და გრძელვადიან პერსპექტივაში ისინი ინოვაციების დაბრკოლებებად იქცევიან.
უფრო მეტიც, ის აზრი, რომ კონკურენტული უპირატესობა თავად კოდშია, იწყებს კრახს. იმ სცენარში, როდესაც მთელი აპლიკაციის გადაწერა იაფი და შესაძლებელი გახდა, „კოდის დაცვის“ იდეა, როგორც სტრატეგიული აქტივის, სულ უფრო და უფრო ნაკლებ აზრს იძენს. რეალური ღირებულება მდგომარეობს გადაწყვეტის არქიტექტურაში, ბიზნეს სისტემებთან ინტეგრაციის მოქნილობაში, მონაცემთა მმართველობაში და, უპირველეს ყოვლისა, პროგრამული უზრუნველყოფის სწრაფად ადაპტირების უნარში, ბაზრის ან კომპანიის ცვლილებებთან ერთად.
ხელოვნური ინტელექტის (AI) და ავტომატიზაციის გამოყენება განვითარების დროს 50%-მდე ამცირებს, რასაც OutSystems-ისა და KPMG-ის მიერ ჩატარებულ ანგარიშში გამოკითხული აღმასრულებლების 75% აღნიშნავს. მაგრამ თუ „შენება“ ახალი ნორმაა, ჩნდება მეორე დილემა: შენება შიდა დონეზე თუ სპეციალიზებულ გარე პარტნიორებთან ერთად? აქ პრაგმატიზმი ჭარბობს. შიდა ტექნოლოგიური გუნდის შექმნა მოითხოვს მუდმივ ინვესტიციებს, ნიჭის მართვას, ინფრასტრუქტურას და, უპირველეს ყოვლისა, დროს, ინოვაციებისკენ რბოლაში ყველაზე მწირ აქტივს. იმ კომპანიებისთვის, რომელთა ძირითადი საქმიანობა პროგრამული უზრუნველყოფა არ არის , ეს არჩევანი შეიძლება კონტრპროდუქტიული იყოს.
მეორეს მხრივ, დეველოპერულ კომპანიებთან სტრატეგიული პარტნიორობა ისეთ უპირატესობებს გვთავაზობს, როგორიცაა მოწინავე ტექნიკურ ნოუ-ჰაუზე დაუყოვნებლივი წვდომა, დაჩქარებული მიწოდება, დაქირავების მოქნილობა და ოპერაციული ხარჯების შემცირება. გამოცდილი აუთსორსინგიანი გუნდები კომპანიის გაგრძელებას წარმოადგენენ, ორიენტირებულნი არიან შედეგებზე და ხშირად მოყვებათ მზა მასშტაბირებადი არქიტექტურის მოდელები, ინტეგრირებული CI/CD მილსადენები და გამოცდილი ჩარჩოები - ყველაფერი, რისი ნულიდან აშენებაც ძვირი და შრომატევადი იქნებოდა. ასევე აღსანიშნავია ამ განტოლების მესამე ელემენტი: დაგროვილი ექსპერტიზის ქსელის ეფექტი.
მიუხედავად იმისა, რომ შიდა გუნდები უწყვეტი სწავლის მრუდის წინაშე დგანან, მრავალ პროექტზე მომუშავე გარე სპეციალისტები ტექნიკურ და ბიზნეს ექსპერტიზას გაცილებით სწრაფი ტემპით აგროვებენ. ეს კოლექტიური ინტელექტი, მიზანმიმართულად გამოყენებული, ხშირად უფრო ეფექტურ და ინოვაციურ გადაწყვეტილებებს წარმოქმნის. ამიტომ, გადაწყვეტილება აღარ არის ყიდვასა და შექმნას შორის, არამედ მკაცრი გადაწყვეტილებების დაცვასა და ისეთი რამის შექმნას შორის, რაც ნამდვილად დააკმაყოფილებს ბიზნესის საჭიროებებს. პერსონალიზაცია, რომელიც ოდესღაც ფუფუნება იყო, მოლოდინი გახდა, მასშტაბირება მოთხოვნად, ხოლო ხელოვნური ინტელექტი თამაშის წესების შემცვლელი გახდა.
საბოლოო ჯამში, ნამდვილი კონკურენტული უპირატესობა არა მზა პროგრამულ უზრუნველყოფაში ან კოდის შეკვეთით დაწერილ სტრიქონებში, არამედ იმ სტრატეგიულ მოქნილობაშია, რომლითაც კომპანიები ტექნოლოგიურ გადაწყვეტილებებს თავიანთ ზრდაში ინტეგრირებენ. AIAD-ის ერა გვაიძულებს, უარი ვთქვათ ბინარულ დილემებზე და პროგრამული უზრუნველყოფა უწყვეტ, ცოცხალ და სტრატეგიულ პროცესად განვიხილოთ. ამის მისაღწევად კი საკმარისი არ არის მხოლოდ შენება; აუცილებელია შენება ინტელექტუალურად, სწორი პარტნიორებით და მომავლის ხედვით.
