תכונה, יכולת, או Native: איך צוותים מגדירים AI
צוותי תוכנה רואים AI בשלוש דרכים. מהנדסים מזהים את ההבדל מהר יותר מצוותי שיווק.
שלושת הסוגים הם:
- תכונת AI (AI Feature): מוסיפים כפתור לתהליך עבודה (workflow) שעבד מצוין קודם לכן. זוהי תוספת. היא אינה משנה את הלוגיקה המרכזית.
- יכולת AI (AI Capability): משתמשים ב-AI במגוון מוצרים. ההשקעה גבוהה, אך הארכיטקטורה הבסיסית קדמה ל-AI.
- AI Native: הארכיטקטורה מניחה ש-AI קיים מהיום הראשון. המערכת אינה יכולה לתפקד בלעדיו.
ההבדל חשוב בגלל עניין האמון.
רוב החברות נמצאות בשכבת היכולת (capability). הן מוסיפות אינטליגנציה למודל קיים. חברות AI-native בונות את המודל סביב האינטליגנציה.
ניתן לבדוק כלים AI-native באמצעות שאלה אחת: מה הכלי מייצר קודם?
האם הוא יוצר דרישת מערכת, סכימת מסד נתונים (database schema), או חוזה API לפני שהוא כותב קוד? או שהוא מייצר קוד קודם ומתחיל לבנות מבנה מאוחר יותר?
מערכות AI-native אמיתיות מתכננות לפני שהן מייצרות. זה יוצר דרך מבנית לאמת את הפלט.
זה חיוני מכיוון שאמון המפתחים נמצא בירידה.
הנתונים מראים מגמה מוזרה:
- בשנת 2023, 70% מהמפתחים השתמשו ב-AI, עם רמת אמון של 40%.
- עד שנת 2025, השימוש עלה ל-84%, אך האמון ירד ל-29%.
השימוש עולה, אך הביטחון יורד. בדרך כלל, שימוש מוגבר בכלי גורם לך לסמוך עליו יותר. עם AI, קורה ההפך. ככל שהמהנדסים משתמשים בו יותר, כך הם רואים יותר היכן הוא נכשל בסביבת הייצור (production).
לתכונות (Features) חסרה הארכיטקטורה שתתפוס שגיאות. הן מייצרות פלט שנשמע נכון אך חסר הוכחה מבנית.
מערכות AI-native כוללות מפרט (spec) או גרף תלויות (dependency graph) בלולאה. המערכת בודקת את פלט ה-AI אל מול תוכנית. היא לא סתם סומכת על הפלט רק כי הוא נשמע סביר.
הפסיקו לשאול אם לכלי יש AI. לכל דבר יש AI עכשיו.
שאלו על סדר הפעולות (sequencing). האם הכלי בונה מבנה או קוד קודם?
התשובה תגיד לכם אם הכלי יישאר שימושי כאשר הסיכונים גבוהים.
מקור: https://dev.to/8080_ai/feature-capability-or-native-how-software-teams-define-ai-4k0h