L'intelligenza artificiale (AI) sta emergendo come un fattore cruciale per trasformare i processi DevOps da fragili ad agili. Si prevede un'accelerazione significativa non solo nella generazione del codice software ma anche in fasi successive come la specifica, la documentazione, i test, il dispiegamento e altro ancora. L'AI, che è stata impiegata per diversi anni sotto forma operativa e predittiva, automatizza i flussi di lavoro e la pianificazione. Ora, i manager e i professionisti IT stanno sfruttando il potenziale dell'AI generativa.
Secondo un'analisi di un team di analisti di Gartner guidato da Manjunath Bhat, si prevede che, entro i prossimi tre anni, la percentuale di team di ingegneria delle piattaforme che utilizzano l'AI per migliorare il ciclo di vita dello sviluppo software aumenterà dal 5% al 40%. Quest'ottimismo sull'impatto dell'AI su DevOps e sulle pratiche Agile correlate è diffuso nel settore IT.
Billy Dickerson, ingegnere software principale presso SAS, ha evidenziato a ZDNet come la combinazione di DevOps e AI possa essere complementare, migliorando tutte le fasi del ciclo di vita dello sviluppo software e consentendo una spedizione più rapida, affidabile ed efficiente del software sul mercato.
Una recente indagine condotta da Stonebranch ha coinvolto 408 manager di tecnologia, il 97% dei quali ha espresso interesse nell'incorporare l'AI generativa nei loro programmi di automazione, vedendo questa tecnologia come uno strumento cruciale per collegare un insieme più vario di strumenti e potenziare un'ampia gamma di utenti. Il sondaggio mostra anche che almeno il 72% dei rispondenti ha adottato pipeline di apprendimento automatico per potenziare le loro iniziative di AI generativa.
L'AI non solo contribuisce alla generazione o modifica del codice software ma assiste i professionisti IT e i manager in molti altri modi. Bhat e i suoi coautori di Gartner hanno scritto che i developer trascorrono tra il 10% e il 25% del loro tempo a scrivere codice mentre il resto è dedicato ad altre attività cruciali.
Dickerson ha sottolineato che l'AI può rendere il processo di gestione del progetto più efficiente autogenerando requisiti dalle richieste degli utenti, rilevando scadenze non allineate e identificando requisiti incompleti. Inoltre, l'AI può facilitare processi onerosi nella revisione e sviluppo del codice, sostenendo la collaborazione tra team e conducendo a innovazioni più rapide, un time-to-market più veloce e un migliore allineamento con gli obiettivi aziendali.
Tuttavia, l'atteggiamento verso un uso eccessivo delle pratiche AI-fuelled DevOps e Agile deve essere di cautela. Ian Ferguson, direttore senior di SiFive, ha messo in guardia sull'assenza di comprensione di come un'Ai autonomia arrivi a una decisione e sulla mancanza di trasparenza che potrebbe portare a accettare risultati senza la possibilità di contestarli o validarli.
Nonostante ciò, l'AI può assistere significativamente in fasi più avanzate del processo DevOps. Durante la fase di costruzione e test, per esempio, l'AI può valutare gli input e output del processo di costruzione e cercare schemi di fallimento per ottimizzare il tempo medio di recupero. Anche nella fase di dispiegamento, l'AI può automatizzare la fornitura, la configurazione e la gestione delle risorse infrastrutturali comuni.
Per il monitoraggio e la misurazione, Dickerson ha evidenziato come l'AI possa analizzare metriche e log in tempo reale per rilevare problemi molto prima e permettere una risoluzione più rapida. Infine, Ferguson ha accentuato l'importanza della supervisione umana, sostenendo che l'AI può rafforzare approcci come DevOps e Agile, aumentando la produttività e l'innovazione attraverso la collaborazione tra AI e umani.
