การนำไปใช้
งานต่างๆ เช่น การตีความเอกสารออกแบบ การตัดสินใจว่าจะนำคุณสมบัติไปใช้อย่างไร การกำหนดเกณฑ์การตรวจสอบ และการแยกหรือแก้ไขข้อบกพร่อง มักขึ้นอยู่กับประสบการณ์ของผู้มีส่วนร่วมแต่ละคน
บริษัทใช้ AI ในการออกแบบและการทดสอบ รวมถึงการสร้างโค้ดทั้งหน้าบ้านและหลังบ้านจากเอกสารออกแบบและการใช้งานอ้างอิง การสร้างโค้ดทดสอบ รวมถึง unit tests และการแก้ไขข้อกำหนดที่ไม่ใช่ฟังก์ชันการทำงาน
Simplex ยังตรวจสอบเวิร์กโฟลว์อัตโนมัติที่รันสคริปต์ Python จาก Codex CLI โดยมีการปรับปรุงอย่างต่อเนื่องตั้งแต่การนำไปใช้ในเซิร์ฟเวอร์จนถึงการแก้ไขปัญหาที่พบในการทดสอบแบบ end-to-end
ผลลัพธ์โดยรวม
Simplex กำลังพัฒนาและทดสอบแนวทางใหม่สำหรับการส่งมอบซอฟต์แวร์ที่ขับเคลื่อนด้วย AI โดยใช้ Codex และ ChatGPT โดยเน้นที่เว็บแอปพลิเคชันที่อิงตาม CRUD เป็นกรณีการใช้งานเริ่มต้น
บทเรียนจากผู้นำ
ประสบการณ์ของ Simplex กับ ChatGPT Enterprise และ Codex เน้นย้ำบทเรียนหลายอย่างสำหรับองค์กรที่เปลี่ยนจากการทดลอง AI ไปสู่การใช้งานจริง
Kazuya Ujihiro, Executive Principal, Simplex กล่าวว่า: “การตรวจสอบผลกระทบเชิงปริมาณก่อนขยายสู่การใช้งานจริง เมื่อการแบ่งงานนี้กลายเป็นมาตรฐาน มันจะช่วยปรับปรุงไม่เพียงแต่ความเร็วในการพัฒนา แต่ยังรวมถึงมูลค่าทั้งหมดที่เราสามารถส่งมอบให้ลูกค้าได้ด้วย”
การคิดใหม่เกี่ยวกับการพัฒนาสำหรับกระบวนการที่เน้น AI เป็นหลัก
แทนที่จะเป็นลำดับเชิงเส้นของการกำหนดข้อกำหนด การออกแบบ การนำไปใช้ การทดสอบ และการดำเนินงาน Simplex กำลังสำรวจแนวทางที่กำหนดกฎและข้อจำกัดล่วงหน้า จากนั้นปรับปรุงคุณภาพผ่านการรวมระบบและการประเมินอัตโนมัติซ้ำๆ
ศัพท์ที่ควรรู้
- Generative AI – ปัญญาประดิษฐ์เชิงกำเนิด คือ AI ที่สามารถสร้างเนื้อหาใหม่ๆ ได้ เช่น โค้ดหรือข้อความ
- Codex – คือโมเดล AI ที่ Simplex ใช้ในการช่วยในการสร้างโค้ดและการทดสอบซอฟต์แวร์
- AI-native delivery – คือการส่งมอบซอฟต์แวร์ที่ถูกออกแบบและขับเคลื่อนด้วย AI เป็นหลักตั้งแต่เริ่มต้น
- CRUD-based web applications – คือเว็บแอปพลิเคชันที่ทำงานพื้นฐานเกี่ยวกับการสร้าง อ่าน อัปเดต และลบข้อมูล ซึ่งเป็นกรณีศึกษาเริ่มต้น
ที่มา: OpenAI