TELUS ಒಂದು ಜನರೇಟಿವ್-AI ಕೋಡಿಂಗ್ ಪ್ಲಾಟ್ಫಾರ್ಮ್ ತನ್ನ 5,00,000 ಕ್ಕೂ ಹೆಚ್ಚು ಎಂಜಿನಿಯರಿಂಗ್ ಗಂಟೆಗಳನ್ನು ಉಳಿಸಲು ಮತ್ತು ಅಂದಾಜು $90 ಮಿಲಿಯನ್ ಪ್ರಯೋಜನಗಳನ್ನು ತರಲು ಸಹಾಯ ಮಾಡಿದೆ ಎಂದು ವರದಿ ಮಾಡಿದೆ. AI-ಚಾಲಿತ ಕೋಡಿಂಗ್ ಅಸಿಸ್ಟೆಂಟ್ಗಳು ಹೇಗೆ ಡೆವಲಪರ್ಗಳ ಸಮಯವನ್ನು ಅಳೆಯಬಹುದಾದ ಲಾಭವಾಗಿ ಪರಿವರ್ತಿಸಬಹುದು ಎಂಬುದಕ್ಕೆ ಈ ಅಂಕಿಅಂಶಗಳು ಒಂದು ಸ್ಪಷ್ಟ ನೋಟವನ್ನು ನೀಡುತ್ತವೆ.
ಡೆವಲಪರ್ ಸಮಯ ಏಕೆ ಮುಖ್ಯ
ಹೆಚ್ಚಿನ ಸಾಫ್ಟ್ವೇರ್-ಅಭಿವೃದ್ಧಿ ವೆಚ್ಚವು ಎಂಜಿನಿಯರ್ಗಳು ಕೋಡ್ ಬರೆಯಲು, ಪರೀಕ್ಷಿಸಲು ಮತ್ತು ನಿರ್ವಹಿಸಲು ತೆಗೆದುಕೊಳ್ಳುವ ಸಮಯಕ್ಕೆ ನೇರವಾಗಿ ಸಂಬಂಧಿಸಿದೆ. ಒಂದು ಫೀಚರ್ಗೆ 100 ಗಂಟೆಗಳು ಬೇಕಾದಾಗ, ಅದರ ವೆಚ್ಚವು ಗಂಟೆಯ ವೇತನವನ್ನು ಆ 100 ಗಂಟೆಗಳಿಂದ ಗುಣಿಸಿದಷ್ಟಾಗುತ್ತದೆ. ಆ ಸಮಯವನ್ನು ಕಡಿತಗೊಳಿಸುವುದರಿಂದ ಕಾರ್ಮಿಕ ವೆಚ್ಚವು ಕಡಿಮೆಯಾಗುತ್ತದೆ, ಮಾರುಕಟ್ಟೆಗೆ ತಲುಪುವ ಸಮಯ (time-to-market) ವೇಗವಾಗುತ್ತದೆ ಮತ್ತು ಎಂಜಿನಿಯರ್ಗಳು ಹೆಚ್ಚಿನ ಮೌಲ್ಯದ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಮುಕ್ತರಾಗುತ್ತಾರೆ.
ಈ ಪರಿಕರಗಳು (tools) ವಾಸ್ತವವಾಗಿ ಏನು ಮಾಡುತ್ತವೆ
AI ಕೋಡಿಂಗ್ ಅಸಿಸ್ಟೆಂಟ್ಗಳು IDE (integrated development environment) ನಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ ಮತ್ತು ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಪ್ರಾಂಪ್ಟ್ಗಳಿಗೆ (natural-language prompts) ಉತ್ತರಿಸುತ್ತವೆ. ಅವುಗಳು ಇವುಗಳನ್ನು ಮಾಡಬಲ್ಲವು:
- ಬೇಡಿಕೆಯ ಮೇರೆಗೆ ಬಾಯ್ಲರ್-ಪ್ಲೇಟ್ ಕೋಡ್ ಮತ್ತು ಡಾಕ್ಯುಮೆಂಟೇಶನ್ ಅನ್ನು ರಚಿಸುವುದು.
- ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಕೋಡ್ ಅನ್ನು ರಿಫ್ಯಾಕ್ಟರ್ ಮಾಡುವುದು ಮತ್ತು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಯೂನಿಟ್ ಟೆಸ್ಟ್ಗಳನ್ನು ತಯಾರಿಸುವುದು.
- ಸ್ಟೇಟ್ಮೆಂಟ್ಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸುವ ಮೂಲಕ ಮತ್ತು ಇಡೀ ಫಂಕ್ಷನ್ಗಳನ್ನು ಸೂಚಿಸುವ ಮೂಲಕ ಮ್ಯಾನುಯಲ್ ಟೈಪಿಂಗ್ ಅನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು.
- API ಸಹಿಗಳನ್ನು (signatures) ಮತ್ತು ಡಿಸೈನ್ ಪ್ಯಾಟರ್ನ್ಗಳನ್ನು ನೆನಪಿಟ್ಟುಕೊಳ್ಳುವುದು, ಇದರಿಂದ ಡೆವಲಪರ್ಗಳು ರೆಫರೆನ್ಸ್ ಡಾಕ್ಯುಮೆಂಟ್ಗಳನ್ನು ಪದೇ ಪದೇ ಹುಡುಕುವ ಅಗತ್ಯವಿರುವುದಿಲ್ಲ.
ಈ ವೈಶಿಷ್ಟ್ಯಗಳು ದೈನಂದಿನ ಕೋಡಿಂಗ್ ಕೆಲಸದಲ್ಲಿ ಪ್ರಾಬಲ್ಯ ಹೊಂದಿರುವ ಪುನರಾವರ್ತಿತ ಹಂತಗಳನ್ನು ಇಲ್ಲದ ಮಾಡುತ್ತವೆ.
ಅಳೆಯಬಹುದಾದ ವೇಗದ ಲಾಭಗಳು
ಸಮುದಾಯದಲ್ಲಿ ಉಲ್ಲೇಖಿಸಲಾದ ಸ್ವತಂತ್ರ ಸಂಶೋಧನೆಯು, AI ಅಸಿಸ್ಟೆಂಟ್ ಸಹಾಯದಿಂದ ಡೆವಲಪರ್ಗಳು ಸಾಮಾನ್ಯ ಕಾರ್ಯಗಳನ್ನು 20% ರಿಂದ 50% ವೇಗವಾಗಿ ಪೂರ್ಣಗೊಳಿಸುತ್ತಾರೆ ಎಂದು ತೋರಿಸುತ್ತದೆ. ಕಟ್ಟುನಿಟ್ಟಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾದ ವರ್ಕ್ಫ್ಲೋಗಳಲ್ಲಿ—ಉದಾಹರಣೆಗೆ CRUD ಎಂಡ್ಪಾಯಿಂಟ್ ಬರೆಯುವುದು ಅಥವಾ ಯೂನಿಟ್ ಟೆಸ್ಟ್ ಸೇರಿಸುವುದು—ಕೆಲವು ತಂಡಗಳು ತಮ್ಮ ಉತ್ಪಾದನೆಯನ್ನು ದ್ವಿಗುಣಗೊಳಿಸಿವೆ, ಅಂದರೆ 100% ಲಾಭವನ್ನು ಪಡೆದಿವೆ.
ವ್ಯವಹಾರದ ಪ್ರಭಾವವನ್ನು ಸರಳವಾಗಿ ಹೇಳುವುದಾದರೆ
- ಕಡಿಮೆ ಕಾರ್ಮಿಕ ವೆಚ್ಚ – ಒಂದು ಫೀಚರ್ಗೆ ಮೂಲತಃ 100 ಗಂಟೆಗಳು ಬೇಕಾಗಿದ್ದು, AI 30 ಗಂಟೆಗಳನ್ನು ಉಳಿಸಿದರೆ, ವೆಚ್ಚವು 30% ರಷ್ಟು ಕಡಿಮೆಯಾಗುತ್ತದೆ.
- ಕಡಿಮೆ ಬಗ್ಗಳು – ಸ್ವಯಂಚಾಲಿತವಾಗಿ ರಚಿಸಲಾದ ಪರೀಕ್ಷೆಗಳು ರಿಗ್ರೆಷನ್ಗಳನ್ನು (regressions) ಮೊದಲೇ ಪತ್ತೆಹಚ್ಚುತ್ತವೆ, ಇದರಿಂದ ಮರುಕೆಲಸವು (rework) ಕಡಿಮೆಯಾಗುತ್ತದೆ.
- ವೇಗವಾದ ವ್ಯಾಲಿಡೇಶನ್ – ಕಡಿಮೆ ಪರೀಕ್ಷಾ ಚಕ್ರಗಳು (test cycles) ಉತ್ಪನ್ನ ತಂಡಗಳು ಶೀಘ್ರವಾಗಿ ಪ್ರಯೋಗಗಳನ್ನು ಮಾಡಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತವೆ.
- ಹೆಚ್ಚಿನ ಥ್ರೂಪುಟ್ – ಅದೇ ಬಜೆಟ್ನೊಂದಿಗೆ, ತಂಡಗಳು ಹೆಚ್ಚಿನ ಫೀಚರ್ಗಳನ್ನು ಬಿಡುಗಡೆ ಮಾಡಬಹುದು ಅಥವಾ ಹೆಚ್ಚಿನ A/B ಪ್ರಯೋಗಗಳನ್ನು ನಡೆಸಬಹುದು.
TELUS ನ ಅನುಭವವು ಒಟ್ಟು ಪರಿಣಾಮವನ್ನು ವಿವರಿಸುತ್ತದೆ: ಉಳಿತಾಯವಾದ 5,00,000 ಗಂಟೆಗಳು $90 ಮಿಲಿಯನ್ ಪ್ರಯೋಜನಗಳಾಗಿ ಬದಲಾದವು, ಮತ್ತು ಉತ್ಪಾದಕತೆಯು ಸುಮಾರು 30% ರಷ್ಟು ಹೆಚ್ಚಾಯಿತು.
ಪೈಲಟ್ ಯೋಜನೆಯನ್ನು ನಡೆಸುವುದು: ಹಂತ-ಹಂತದ ಮಾರ್ಗದರ್ಶಿ
- ನಿರ್ದಿಷ್ಟ ತಂಡ ಮತ್ತು ಸೀಮಿತ ಫೀಚರ್ ಸೆಟ್ ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಿ – ಸುಗಮವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾದ ಘಟಕಗಳ ಮೇಲೆ (ಉದಾಹರಣೆಗೆ, API ಎಂಡ್ಪಾಯಿಂಟ್ಗಳು, UI ವಿಜೆಟ್ಗಳು) ಕೆಲಸ ಮಾಡುವ ಗುಂಪಿನೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ.
- ಬೇಸ್ಲೈನ್ ಮೆಟ್ರಿಕ್ಸ್ಗಳನ್ನು ದಾಖಲಿಸಿ – ಯಾವುದೇ AI ಪರಿಕರವನ್ನು ಪರಿಚಯಿಸುವ ಮೊದಲು, ಪ್ರತಿ ಫೀಚರ್ಗೆ ಬೇಕಾಗುವ ಸರಾಸರಿ ಗಂಟೆಗಳು, ಟಿಕೆಟ್ನಿಂದ ನಿಯೋಜನೆವರೆಗೆ (deployment) ತೆಗೆದುಕೊಳ್ಳುವ ಸಮಯ ಮತ್ತು ದೋಷದ ದರವನ್ನು (defect rate) ದಾಖಲಿಸಿ.
- ಕೆಲವು ಅಸಿಸ್ಟೆಂಟ್ಗಳನ್ನು ಪರೀಕ್ಷಿಸಿ – ನೈಜ ಸಮಯದಲ್ಲಿ ಕೋಡ್ ಅನ್ನು ಸೂಚಿಸುವ "AI ಪೇರ್ ಪ್ರೋಗ್ರಾಮರ್" ಪರಿಕರಗಳು ಮತ್ತು ಟೆಸ್ಟ್ ಜನರೇಷನ್ನಂತಹ ನಿರ್ದಿಷ್ಟ ಕಾರ್ಯಗಳಿಗಾಗಿ ಬಳಸಬಹುದಾದ "ಕೋಡಿಂಗ್ ಏಜೆಂಟ್ಗಳು" ಎರಡನ್ನೂ ಪರೀಕ್ಷಿಸಿ.
- ಫಲಿತಾಂಶಗಳನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡಿ – ಸೈಕಲ್ ಸಮಯ, ದೋಷಗಳ ಸಂಖ್ಯೆ ಮತ್ತು ಕೋಡಿಂಗ್ ಅಲ್ಲದ ಚಟುವಟಿಕೆಗಳಲ್ಲಿ (ವಿನ್ಯಾಸ, ಕೋಡ್ ವಿಮರ್ಶೆ ಇತ್ಯಾದಿ) ವ್ಯಯವಾಗುವ ಸಮಯದ ಪ್ರಮಾಣದಲ್ಲಿನ ಯಾವುದೇ ಬದಲಾವಣೆಯನ್ನು ಅಳೆಯಿರಿ.
- ತರಬೇತಿ ಬಜೆಟ್ ಅನ್ನು ನಿಗದಿಪಡಿಸಿ – ಪ್ರಾಂಪ್ಟ್ಗಳನ್ನು ಹೇಗೆ ರಚಿಸಬೇಕು ಮತ್ತು ಸೂಚನೆಗಳನ್ನು ಹೇಗೆ ಅರ್ಥೈಸಿಕೊಳ್ಳಬೇಕು ಎಂದು ಎಂಜಿನಿಯರ್ಗಳಿಗೆ ಕಲಿಸಲು ತೆಗೆದುಕೊಳ್ಳುವ ಸಮಯವೇ ಅತಿ ದೊಡ್ಡ ವೆಚ್ಚವಾಗಬಹುದು ಎಂದು ನಿರೀಕ್ಷಿಸಿ.
- ಉಳಿತಾಯವಾದ ಸಾಮರ್ಥ್ಯವನ್ನು ಮರುಹೂಡಿಕೆ ಮಾಡಿ – ಉಳಿತಾಯವಾದ ಗಂಟೆಗಳನ್ನು ಕೇವಲ ಕಡಿಮೆ ಆದ್ಯತೆಯ ಟಿಕೆಟ್ಗಳ ಬ್ಯಾಕ್ಲಾಗ್ ಅನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಬಳಸುವ ಬದಲು, ಹೆಚ್ಚಿನ ಪ್ರಭಾವ ಬೀರುವ ಕೆಲಸಗಳಿಗಾಗಿ ಬಳಸಿ.
ಮಿತಿಗಳು ಮತ್ತು ಎಚ್ಚರಿಕೆಗಳು
AI ಅಸಿಸ್ಟೆಂಟ್ಗಳು ದಿನನಿತ್ಯದ, ಪ್ಯಾಟರ್ನ್-ಚಾಲಿತ ಕೋಡ್ನಲ್ಲಿ ಅತ್ಯುತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ. ಸಂಕೀರ್ಣವಾದ ಆರ್ಕಿಟೆಕ್ಚರಲ್ ನಿರ್ಧಾರಗಳು, ಡೊಮೇನ್-ನಿರ್ದಿಷ್ಟ ಆಪ್ಟಿಮೈಸೇಶನ್ಗಳು ಅಥವಾ ಭದ್ರತೆಗೆ ಸಂಬಂಧಿಸಿದ ನಿರ್ಣಾಯಕ ವಿಭಾಗಗಳಿಗೆ ಇನ್ನೂ ಮಾನವ ನಿರ್ಧಾರದ ಅಗತ್ಯವಿದೆ. ಅಳವಡಿಕೆಯ ದರವು ROI ಅನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ: ಹೆಚ್ಚಿನ ಅಳವಡಿಕೆಯು ವೇಗದ ಲಾಭವನ್ನು ನೀಡುತ್ತದೆ; ಕಡಿಮೆ ಅಳವಡಿಕೆಯು ಹಣವನ್ನು ವ್ಯರ್ಥ ಮಾಡುತ್ತದೆ.
ಸಾರಾಂಶ
ಎಂಜಿನಿಯರ್ಗಳು AI ಕೋಡಿಂಗ್ ಅಸಿಸ್ಟೆಂಟ್ಗಳನ್ನು ನಿರಂತರವಾಗಿ ಬಳಸಿದಾಗ, ಪುನರಾವರ್ತಿತ ಕೆಲಸದ ಕಡಿತವು ಗಣನೀಯ ವೆಚ್ಚ ಉಳಿತಾಯ ಮತ್ತು ವೇಗವಾದ ಉತ್ಪನ್ನ ಚಕ್ರಗಳಿಗೆ (product cycles) ಕಾರಣವಾಗುತ್ತದೆ. ಇದರ ಪ್ರಯೋಜನಗಳು ನಿಜವಾಗಿಯೂ ಇವೆ, ಆದರೆ ಇದು ಶಿಸ್ತುಬದ್ಧ ಪೈಲಟ್ ಯೋಜನೆಗಳು, ಸ್ಪಷ್ಟ ಮಾಪನ ಮತ್ತು ಉಳಿತಾಯವಾದ ಸಮಯವನ್ನು ಕಾರ್ಯತಂತ್ರದ ಎಂಜಿನಿಯರಿಂಗ್ ಕೆಲಸಗಳಿಗೆ ಬಳಸುವ ಇಚ್ಛಾಶಕ್ತಿಯ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ.