פיצ'ר, יכולת, או Native: איך צוותי תוכנה מגדירים AI
צוותי תוכנה רואים AI בשלוש דרכים. מהנדסים מזהים את ההבדל מהר יותר מצוותי שיווק.
AI Feature פיצ'ר AI מוסיף כלי לתזרים עבודה (workflow). המוצר עבד מצוין גם בלעדיו. דוגמאות כוללות כפתור "Summarize" או סיכומי פגישות. קל לבנות את הפיצ'רים האלו, אך קשה להגן עליהם. פלטפורמות גדולות נוטות לספוג את הפיצ'רים האלו ברגע שהטכנולוגיה הופכת לנפוצה.
AI Capability זה קורה כשחברה משתמשת ב-AI לאורך מוצרים רבים. כאן יש עבודת הנדסה אמיתית. עם זאת, הארכיטקטורה הבסיסית קיימת עוד מתקופה שלפני עידן ה-AI. אתם מוסיפים אינטליגנציה למודל קיים.
AI-Native מוצר AI-native מניח ש-AI קיים מהיום הראשון. הארכיטקטורה, זרימת הנתונים והעיצוב תלויים בו. המוצר אינו יכול לתפקד ללא AI.
ניתן לבדוק אם כלי הוא AI-native על ידי התבוננות בפלט שלו. האם הכלי מייצר קודם כל ארכיטקטורה, סכמות של מסדי נתונים (database schemas) או חוזי API? או שהוא פשוט מייצר קוד ומקווה שהמבנה יעבוד?
מערכות AI-native אמיתיות מתכננות לפני שהן מייצרות. זה מונע שגיאות.
בעיה מרכזית קיימת בתעשייה כרגע. האמון של המפתחים יורד בזמן שהשימוש עולה. בשנת 2023, 70% מהמפתחים השתמשו ב-AI, ו-40% בטחו בו. עד שנת 2025, השימוש עלה ל-84%, אך האמון צנח ל-29%.
זה קורה מכיוון שרוב כלי ה-AI הם בסך הכל פיצ'רים. אין להם דרך מבנית לבדוק אם הפלט נכון. כש-AI טועה, שום דבר במערכת לא תופס את זה.
מערכות AI-native פותרות את זה. הן משתמשות במפרט (specification) או בחבילת בדיקות (test suite) כדי לאמת את מה שה-AI מייצר. הן לא בוטחות בפלט רק כי הוא נשמע נכון.
מובילי הנדסה צריכים להפסיק לשאול אם לכלי יש AI. כמעט לכל כלי יש אותו עכשיו. במקום זאת, שאלו על סדר הפעולות (sequencing).
האם הכלי יוצר קודם כל מבנה, או קודם כל קוד?
אם כלי בונה את הארכיטקטורה לפני המימוש (implementation), יש לו סיכוי גבוה יותר להיות אמין בסביבת הייצור (production).
Source: https://dev.to/8080_ai/feature-capability-or-native-how-software-teams-define-ai-4k0h
Optional learning community: https://t.me/GyaanSetuAi