Berita Mengubah perangkat lunak dengan AI generatif

zaskia nana

Berita Mengubah perangkat lunak dengan AI generatif

Di manakah tepatnya kita berada dalam perjalanan transformatif ini? Bagaimana perusahaan menghadapi tantangan baru ini—dan apa yang masih akan terjadi? Untuk menyelidiki bagaimana AI generatif berdampak pada SDLC, MIT Technology Review Insights mensurvei lebih dari 300 pemimpin bisnis tentang bagaimana mereka menggunakan teknologi tersebut dalam siklus hidup perangkat lunak dan produk mereka.

Temuan ini mengungkapkan bahwa AI generatif mempunyai potensi yang besar untuk merevolusi pengembangan perangkat lunak, namun banyak perusahaan masih dalam tahap awal untuk menyadari dampak penuhnya. Meskipun penerapannya tersebar luas dan semakin cepat, masih terdapat peluang besar yang belum dimanfaatkan. Laporan ini mengeksplorasi proyeksi arah kemajuan-kemajuan tersebut, serta bagaimana inovasi-inovasi baru, termasuk AI agen, dapat mewujudkan janji-janji teknologi yang lebih baik.

Temuan utama mencakup hal-hal berikut:

Keuntungan besar dari AI generatif dalam SDLC masih terbentang di masa depan. Hanya 12% pemimpin bisnis yang disurvei mengatakan bahwa teknologi telah “secara mendasar” mengubah cara mereka mengembangkan perangkat lunak saat ini. Namun, kemajuan di masa depan sudah diantisipasi secara luas: 38 persen responden percaya bahwa AI generatif akan “secara substansial” mengubah SDLC di sebagian besar organisasi dalam satu hingga tiga tahun, dan 31% lainnya mengatakan hal ini akan terjadi dalam empat hingga 10 tahun.

Penggunaan AI generatif dalam SDLC hampir bersifat universal, namun penerapannya tidak komprehensif. Sebanyak 94% responden mengatakan mereka menggunakan AI generatif untuk pengembangan perangkat lunak dalam kapasitas tertentu. Seperlima (20%) menggambarkan AI generatif sebagai “bagian yang mapan dan terintegrasi dengan baik” dari SDLC mereka, dan sepertiga (33%) melaporkan bahwa AI “digunakan secara luas” setidaknya di sebagian SDLC mereka. Namun, hampir sepertiga (29%) masih “melakukan uji coba kecil” atau mengadopsi teknologi ini secara individual dan karyawan (bukan melalui integrasi seluruh tim).

AI generatif tidak hanya untuk pembuatan kode. Menulis perangkat lunak mungkin merupakan kasus penggunaan yang paling jelas, namun sebagian besar responden (82%) melaporkan menggunakan AI generatif setidaknya dalam dua fase SDLC, dan seperempat (26%) mengatakan mereka menggunakannya di empat fase atau lebih. Kasus penggunaan tambahan yang paling umum mencakup perancangan dan pembuatan prototipe fitur baru, penyederhanaan pengembangan kebutuhan, pengujian pelacakan cepat, peningkatan deteksi bug, dan
meningkatkan kualitas kode secara keseluruhan.

AI generatif sudah memenuhi atau melampaui ekspektasi dalam SDLC. Bahkan dengan adanya ruang untuk berkembang dalam hal bagaimana mereka sepenuhnya mengintegrasikan AI generatif ke dalam alur kerja pengembangan perangkat lunak mereka, 46% responden survei mengatakan bahwa AI generatif telah memenuhi ekspektasi, dan 33% mengatakan AI tersebut “melebihi” atau “sangat melampaui” ekspektasi.

Agen AI mewakili garis depan berikutnya. Melihat ke masa depan, hampir setengah (49%) pemimpin percaya bahwa alat AI yang canggih, seperti asisten dan agen, akan menghasilkan peningkatan efisiensi atau penghematan biaya. Sebanyak 20% lainnya percaya bahwa alat seperti itu akan menghasilkan peningkatan hasil atau waktu pemasaran yang lebih cepat.

Unduh laporan lengkapnya.

Konten ini diproduksi oleh Insights, bagian konten khusus dari MIT Technology Review. Itu tidak ditulis oleh staf editorial MIT Technology Review.

Sumber

Mohon maaf, Foto memang tidak relevan. Jika keberatan atau harus diedit baik Artikel maupun foto Silahkan Klik Laporkan. Terima Kasih

Also Read

Tags

god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god god tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tr tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq tq rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw rw