Einleitung: Der CTO von Thoughtworks ist der Meinung, dass wir, während die künstliche Intelligenz eine grundlegende Veränderung in der Technologiebranche vorantreibt, die Arbeit der Entwickler erhalten müssen.
„Ich habe jemanden auf X gesehen, der sagte: ‚Schau, ich fühle mich gut dabei, diese Anwendung zu schreiben. Ich brauche keine Entwickler mehr, ich finde es cool.‘ Doch weniger als 24 Stunden später wurde ihre Software angegriffen. Sie enthielt nicht einmal die grundlegendsten Sicherheitsüberlegungen und berücksichtigte auch keine Faktoren, über die ein erfahrener Entwickler nachdenken muss.“
Dies war ein sehr tiefgründiges Gespräch, das von Rachel Laycock, Chief Technology Officer bei Thoughtworks, über die Zukunft der künstlichen Intelligenz und ihre aktuellen Auswirkungen auf die Technologiebranche geführt wurde.
Kurz zuvor kommentierte sie den X-Nutzer: „Er wusste nicht, was er tat, aber die Person, die die Anwendung angriff, war offensichtlich kundig.“
Laycock sagte, sie sei nicht überrascht, da diese KI-Tools schließlich im Internet trainiert werden.
„Das Internet ist nicht unbedingt voller gutem Code, und die Generierung von mehr solchem Code ist möglicherweise nicht gut für uns“, erklärte sie. „Jeder ist jetzt sehr auf Produktivität fokussiert und hofft, Code so schnell wie möglich schreiben zu können. Weil die Rückstände an Arbeit endlos sind, beschweren sich alle, dass die IT- oder Technologieabteilung nicht schnell genug ist, und wir müssen mehr Funktionen einführen.“
Doch für sie ist die größte Herausforderung für die Tech-Branche der Legacy-Code – und mit der Skalierung von KI-generiertem Code wird Legacy-Code nur noch schlimmer.
KI spielt in der Tat eine Rolle beim Abbau technischer Schulden und letztendlich bei der Migration in die Cloud. Aber Laycock glaubt, dass dies nur die Nachfrage nach Ingenieuren mit tiefem Denk- und Problemlösungsfähigkeiten erhöhen wird.
KI und die Modernisierung von Legacy-Systemen
Viele Organisationen wetten darauf, dass KI-Agenten intelligenter und damit besser werden. Es gibt hohe Erwartungen an Retrieval Augmented Generation (RAG) oder RAG-basierte KI, um Modelle und Tools schneller zu verbessern.
Aber wir sind noch weit davon entfernt, die langfristigen Auswirkungen von KI zu verstehen.
„Es ist noch nicht klar, wann wir in der Lage sein werden, die Top-Drei- oder Top-Fünf-Tools und -Modelle zu bestimmen, die die Leute in diesem Bereich verwenden. Die Situation ändert sich sehr, sehr stark“, sagte Laycock. Außerdem sagte sie, dass „der größte Teil dessen, was die Leute demonstrieren, der Aufbau einer Greenfield-ähnlichen Anwendung ist“, was relativ einfach ist.
Die Modernisierung von Legacy-Systemen bleibt die größte Herausforderung für die meisten Unternehmen.
Sie fuhr fort, der aktuelle Markt sei „zu sehr auf die Effizienz der Code-Generierung fokussiert, aber das ist eigentlich nicht das Problem der Branche.“
Insgesamt bleibt die Modernisierung von Legacy-Systemen die größte Herausforderung für die meisten Unternehmen. Darüber hinaus behindert die Zersplitterung des Wissens über Hunderte von Anwendungen hinweg Unternehmen zusätzlich bei der Migration in die Cloud.
Dies spiegelt die Faktoren wider, über die sich Entwickler beschweren, dass sie sie verlangsamen: technische Schulden und technische Dokumentation.
Sowohl die Geschäfts- als auch die Technologieabteilungen kämpfen damit, Code zu verstehen. Je mehr KI-generierter Code vorhanden ist, desto schlechter wird das Verständnis.
Die wahren Kosten des Versuchs, Entwickler durch KI zu ersetzen
„Währenddessen denkt jeder: Wie kann ich diese Aufgabe so schnell wie möglich erledigen? Ich möchte keine neuen Leute einstellen. Ich möchte die Anzahl der Entwickler reduzieren“, sagte Laycock.
Die Branche hofft, dass KI bestehende Arbeitsplätze ersetzen wird, noch bevor ihre großflächige Anwendung verifiziert ist. Nachdem bekannt wurde, dass ein bösartiges npm-Paket Cursor AI mit einer Hintertür zum Diebstahl von Anmeldeinformationen infizierte, ist unklar, ob ihre Sicherheit für die großflächige Einführung ausreicht.
„Aus der Sicht von KI-Agenten konzentrieren sich die Dinge, die ich als effektiv erlebt habe, mehr auf spezifische Aufgaben“, sagte sie. „Also, zum Beispiel, ‚repariere dieses Jira-Ticket‘, sage nicht ‚repariere diese 100 Tickets‘, weil dies in unzählige Endlosschleifen geraten könnte, was dich eine Menge Tokens kosten würde.“
Dies unterscheidet sich von GitHub Copilot, dessen nominelle Kosten 100 US-Dollar pro Entwickler pro Jahr betragen. Es wird geschätzt, dass die Kosten für KI-Agenten Zehntausende von Dollar pro Entwickler pro Jahr betragen könnten.
Es gibt die Theorie, dass ein KI-gesteuertes Überwachungsmodell günstiger ist als die Bezahlung der Gehälter von Softwareentwicklern. Ebenso hat jedoch niemand die Skalierbarkeit von KI bewiesen und auch niemand ihre wahren Kosten berechnet.
„Wenn ich viele Agenten habe, die verteilte Aufgaben ausführen – im Grunde eine Agenten-Farm – und dann hast du leitende Entwickler (oder sogar Junior-Entwickler, was gefährlich klingt), die sie beaufsichtigen“, sagte Laycock. „Sie werden hören, dass Produktfirmen oder große Cloud-Service-Anbieter sagen, dass sie motiviert sind, dass jeder eine Menge Tokens verwendet.“
„Niemand spricht darüber, was KI nicht tun kann und welche Probleme gelöst werden müssen; und die Generierung von mehr Code hilft uns tatsächlich nicht.“
— Rachel Laycock, Chief Technology Officer bei Thoughtworks
„Wenn Microsoft, Google und AWS alle dasselbe sagen. Nun, sie wollen, dass die Leute GPUs verwenden, richtig? Das bedeutet, Tokens zu verwenden“, fuhr sie fort. „Sie wollen, dass Sie Agenten bauen, die laufen. Es ist ihnen egal, ob diese Agenten in Endlosschleifen geraten. Oder vielleicht doch, aber der Anreiz, den sie bieten, besteht darin, die Arbeitslast zu erhalten, richtig?“
Dieses Risiko bedeutet nicht, KI komplett abzulehnen. Laycock stellt fest, dass einige erfahrenere Kollegen es einfach ignorieren, was selbst ein Risiko darstellt.
„Wir müssen einen Mittelweg finden: Was kann es tun? Was können wir damit machen?“, sagte sie. „Ignoriere es nicht leichtfertig. Benutze es auch nicht im Zorn. Diese Funktionen werden sich weiter verbessern, aber nur deine Erfahrung kann uns sagen, wo die Lücken sind, und das ist es, was ich derzeit vermisse. Niemand diskutiert, was es nicht kann und welche Aspekte angegangen werden müssen; und die Generierung von mehr Code hilft uns eigentlich überhaupt nicht.“
Derzeit ist es entscheidend, dass Teams diese neuen KI-Tools einsetzen, um Grenzbedingungen zu testen, damit mehr leitende Ingenieure mit 10 oder 20 Jahren Erfahrung helfen können, diese Grenzbedingungen zu bewältigen. Natürlich müssen diese leitenden Ingenieure auch die nächste Generation von Junior-Ingenieuren ausbilden – denn ohne die Erfahrung von Junior-Ingenieuren ist es unmöglich, leitende Ingenieure auszubilden.
Laycock sagte, dass es bei der Hauptunternehmenskundschaft von Thoughtworks eine konservative Stimmung gibt – sie „warten ab, wie sich die Dinge entwickeln.“
„Denn wenn man eine Änderung einführen möchte, ist selbst die Einführung von GitHub Copilot für sie ein großes Unterfangen“, sagte sie. „Für Tausende von Entwicklern ist das keine einfache Änderung.“
Wenn Sie in diesem Maßstab ausrollen, müssen diese Unternehmen sehr sicher sein, dass sie die richtigen Tools und Modelle ausgewählt haben.
Sie fuhr fort: „Die Gesamtsituation ist noch nicht stabil genug, als dass sie das in großem Maßstab tun könnten.“
CodeConcise: Das Rätsel des Legacy-Codes lösen
Eines der Haupthindernisse für die digitale Modernisierung und die Migration in die Cloud ist, dass immer weniger Leute übrig sind, die diese alten Systeme tatsächlich gebaut haben.
Aufgrund unvollständiger Dokumentation und Architektur-Entscheidungsprotokolle können Teams nicht feststellen, welche wirklich Zombie-Dienste sind und welche Dienste sind, auf die das gesamte Geschäft angewiesen ist.
Und KI ist gut darin, Komplexität zu erklären, sie ist Teil dieser Lösung. Aber, wie der „Big Bang“-Modernisierungsansatz, ist sie weit davon entfernt, die vollständige Lösung zu sein. Laycock sagt, dass es auch nicht möglich ist, Code einfach mit KI neu zu generieren, weil man Mainframe-Code verstehen muss, um ihn in eine Cloud-native Umgebung zu konvertieren.
„Eine der Herausforderungen, denen wir uns stellen, ist das ganzheitliche Verständnis der Codebasis: Wissen wir, was sie tut? Warum tut sie das?“, sagte Laycock.
Thoughtworks entwickelt ein neues generatives KI-Tool, CodeConcise Legacy Assistant, das Code indizieren kann und mit einem Kontextfenster und einer konversationellen KI-Überlagerung ausgestattet ist, um Kunden beim Verständnis ihrer Systeme zu helfen. Mit CodeConcise will das Thoughtworks-Team mit Branchenexperten zusammenarbeiten, um ein Kontextfenster zu erstellen.
Und Thoughtworks glaubt nicht, dass ihr Ansatz zur Lösung des weit verbreiteten Problems der Migration in die Cloud einzigartig ist.
Thoughtworks plädiert nicht für einen „Big Bang“-Ansatz des Hebens und Verschiebens, sondern für die Verwendung von KI zur Hilfe beim Verständnis Ihrer Systeme, damit Abhängigkeiten und Teams richtig partitioniert werden können und mit allen zusammengearbeitet werden kann, um funktionsübergreifende Teile zu modernisieren.
„Die Leute denken darüber nach, wie sie KI verwenden können, um Workflows und Datenflüsse zu verstehen und sie dann zu transformieren – das heißt, die Codebasis neu aufzubauen“, sagte Laycock.
Das könnte ein Jahr oder sogar ein Jahrzehnt dauern, sagte sie: „Wenn man an einige der Probleme denkt, die wir zu lösen versuchen, ist die Idee, KI zur Regenerierung von Code zu verwenden, wirklich aufregend. Wir sind noch nicht so weit, aber man kann anfangen, KI für einige Dinge zu verwenden.“
Jetzt ist die Zeit für frühe KI-Experimente, basierend auf den bahnbrechenden Veränderungen, die später kommen werden.
„Etwas Großes, Komplexes, Strukturiertes oder Unstrukturiertes, das in verschiedenen Sprachen analysiert wurde, zu verstehen und es erkunden zu können“, sagte Laycock nachdenklich. „Also haben wir eine Chat-Schnittstelle gebaut, über die man fragen kann: Was macht dieses System? Wer sind die Benutzer des Systems? Wie verwenden sie es? Erklären Sie diese Funktion. Solche Dinge.“
Thoughtworks plädiert nicht für einen „Big Bang“-Ansatz des Hebens und Verschiebens, sondern plädiert dafür, KI zur Hilfe beim Verständnis Ihrer Systeme zu verwenden, damit Abhängigkeiten und Teams richtig partitioniert werden können und mit allen zusammengearbeitet werden kann, um funktionsübergreifende Teile zu modernisieren.
„Wir haben immer die sogenannte Slicing-Methode angewandt“, erklärte sie, „das ist ein interaktiver Ansatz zur Identifizierung verschiedener Bereiche, Kontexte und Modelle, die genutzt werden können, um Teile, die geändert werden müssen, aufzuschneiden und Nahtstellen zu schaffen, und den Prozess der Identifizierung von totem Code und dem, was nicht benötigt wird, fortzusetzen.“
Einstellung: Mehr Entwickler für KI-Experimente
Während dieser Traum noch in Arbeit ist, glaubt Laycock, dass die Branche immer noch in der Phase der Code-Generierung steckt, wohingegen die Lösung von Legacy-Problemen für die meisten Unternehmen ein interessanterer und wirkungsvollerer Anwendungsfall für generative KI ist.
„Denn deshalb können sie sich nicht schnell bewegen“, fuhr sie fort: Legacy-Anwendungen und Legacy-Datenstrukturen unterstützen keine fein abgestimmten Modelle. Sie prognostiziert, dass KI auch eine Rolle bei der Anpassung der Datenarchitektur zur Unterstützung des Aufbaus von KI-Anwendungen spielen wird.
„Ich denke, diese beiden Probleme sind solche, bei deren Lösung KI helfen und unterstützen kann, sie sind keine einfachen Probleme“, prognostizierte Laycock, „aber sie wird sie nicht magisch lösen, wie das Drücken eines Knopfes.“
Derzeit sammelt Thoughtworks mithilfe von Crowdsourcing eine Reihe von Hypothesen über die zukünftige Richtung der Technologiebranche.
Von der Anwendungs-Migration und Modernisierung bis zur Code-Generierung und zu KI-Agenten und mehr sagt Laycock, dass jede Organisation diese Produktmentalität annehmen muss, um Theorien zu testen, KI zu überprüfen und zu testen, und zwar während des gesamten Softwareentwicklungs-Lebenszyklus, nicht nur im internen Loop des Code-Schreibens.
„KI integriert sich in all diese Dinge, was großartig ist, aber wir müssen uns daran erinnern, dass sie nicht deterministisch ist.“
— Laycock
„Jetzt denken sie nur: Wie können wir den anfänglichen Teil so schnell wie möglich ohne Entwickler erledigen? Und ich denke: Warum kommt man immer wieder auf das Problem zurück, keine Entwickler zu brauchen?“, sagte Laycock.
„Ich hoffe, du verstehst. Wir haben verschiedene Talentkriege durchgemacht. Es ist schwer, gute Talente einzustellen, aber das schreckt einige Leute ab, lässt sie sogar Angst haben, in die Branche einzusteigen, und wir haben nicht bewiesen, dass wir keine Ingenieure brauchen.“
Sie glaubt, dass der Fokus nicht auf der Eliminierung technischer Talente liegen sollte, sondern darauf, KI zu nutzen, um die Rolle der Techniker zu verbessern. Dies kann durch Abstraktion, Reduzierung mühsamer Arbeit, Generierung von Tests, Schreiben von Dokumentationen und Erfassung der Gesamtperspektive der Entwicklererfahrung erreicht werden.
Laycock sagte, dass man in dieser grundlegenden Veränderung, wenn man alles, was von KI generiert wird, in Produktion nimmt, nicht vergessen sollte, alles zu beobachten.
„Beobachten Sie es. KI integriert sich in all diese Bereiche, was gut ist, aber wir müssen uns daran erinnern, dass sie nicht deterministisch ist. Bevor wir endlich die Lösung finden, von der alle träumen, sind möglicherweise weitere Schulungen und Anpassungen für einige komplexere Probleme erforderlich“, sagte Laycock.
Schließlich stellte sie entschieden fest: „Ich bin sicher, dass sich die Jobs der Menschen ändern werden, aber wie sich die Jobs ändern werden und welche Veränderungen stattfinden“, das haben wir als Branche noch lange nicht herausgefunden.“
Autor: Changzhang
Verwandte Lektüre:
Linus Torvalds blickt auf 20 Jahre Git zurück
Nachdem der Crawler die Website zum Absturz brachte, baute der Programmierer eine „Bombe“ zur Gegenwehr
Code-Krieg: Rust gegen C zur Sicherung von Milliarden Geräten!