സ്റ്റാർട്ടപ്പുകൾ അവരുടെ AI കോഡിംഗ് സ്റ്റാക്ക് വീണ്ടും ചിന്തിക്കുന്നതിന്റെ കാരണം

സ്റ്റാർട്ടപ്പുകൾ ഇനി വെറും വില മാത്രം നോക്കിയല്ല AI കോഡിംഗ് ടൂളുകൾ തിരഞ്ഞെടുക്കുന്നത്.

മുൻപ്, ടീമുകൾ ഏറ്റവും കുറഞ്ഞ വിലയുള്ളതോ അല്ലെങ്കിൽ അവരുടെ പക്കൽ നിലവിലുള്ള ലൈസൻസോ ആണ് തിരഞ്ഞെടുത്തിരുന്നത്. എന്നാൽ ഇന്ന് സാഹചര്യം മാറി. ടൂളുകൾ തിരഞ്ഞെടുക്കുന്നതിൽ മൂന്ന് പ്രധാന പ്രശ്നങ്ങളാണ് നിർണ്ണായകമാകുന്നത്: ക്രെഡിറ്റുകൾ (credits), ഗുണനിലവാരം (quality), നിയന്ത്രണം (control).

വില പ്രവചിക്കുന്നത് പ്രയാസകരമാണ്.

പ്രധാന വെണ്ടർമാർ ഫ്ലാറ്റ് സബ്‌സ്‌ക്രിപ്ഷനുകളിൽ നിന്ന് ഉപയോഗത്തിനനുസരിച്ചുള്ള (usage-based) ക്രെഡിറ്റ് രീതികളിലേക്ക് മാറി. ഇത് ഒരു ക്വാർട്ടർ ബജറ്റ് മുൻകൂട്ടി നിശ്ചയിക്കുന്നത് പ്രയാസകരമാക്കുന്നു. ഒരു ആഴ്ചത്തെ അമിത ഉപയോഗം പോലും നിങ്ങളുടെ ചിലവ് കുത്തനെ വർദ്ധിപ്പിച്ചേക്കാം. ചില മോഡലുകൾ മറ്റ് മോഡലുകളെ അപേക്ഷിച്ച് വേഗത്തിൽ ക്രെഡിറ്റുകൾ തീർക്കും. നിങ്ങൾ അമിതമായി ചിലവാക്കുന്നത് വരെ മിക്ക പ്ലാറ്റ്‌ഫോമുകളും ഈ കണക്കുകൾ വ്യക്തമാക്കാറില്ല.

AI നിർമ്മിക്കുന്ന കോഡ് സാങ്കേതിക കടബാധ്യതകൾ (technical debt) ഉണ്ടാക്കുന്നു.

കോഡിംഗ് അസിസ്റ്റന്റുകൾ ഒരു പ്രോംപ്റ്റിന് പരിഹാരം കാണുന്നതിൽ മാത്രം ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു. അവ പലപ്പോഴും നിങ്ങളുടെ നിലവിലുള്ള ആർക്കിടെക്ചർ അവഗണിക്കുന്നു. 300,000 AI കമിറ്റുകൾ (commits) നടത്തിയ ഒരു പഠനം അനുസരിച്ച്, പ്രധാന അസിസ്റ്റന്റുകളിൽ നിന്നുള്ള കമിറ്റുകളിൽ 15% കോഡ് ഗുണനിലവാര പ്രശ്നങ്ങൾ ഉണ്ടാക്കുന്നുണ്ടെന്ന് കണ്ടെത്തി. ഈ പ്രശ്നങ്ങളിൽ ഏകദേശം 22.7% മാസങ്ങളോളം കോഡ്ബേസിൽ തന്നെ അവശേഷിക്കുന്നു. ടീമുകൾക്ക് ഇത് പരിശോധിച്ചു തീർക്കുന്നതിനേക്കാൾ വേഗത്തിൽ ഈ കടബാധ്യത വർദ്ധിച്ചുകൊണ്ടിരിക്കും.

നിയന്ത്രണമാണ് നിങ്ങളുടെ വേഗത നിശ്ചയിക്കുന്നത്.

ഒരു AI ഏജന്റ് എന്തുകൊണ്ടാണ് ഒരു പ്രത്യേക തീരുമാനം എടുത്തതെന്ന് നിങ്ങൾക്ക് മനസ്സിലാകണം എന്നതാണ് നിയന്ത്രണം കൊണ്ട് അർത്ഥമാക്കുന്നത്. ഓരോ മാറ്റത്തിന്റെയും ഒരു ഓഡിറ്റ് ട്രയൽ (audit trail) നിങ്ങൾക്ക് ആവശ്യമാണ്. അവ്യക്തമായ കോഡ് (opaque code) ടീമുകൾക്ക് അപകടകരമാണ്. ഒരു പുതിയ എഞ്ചിനീയർക്ക് കോഡ് വായിക്കാൻ കഴിയുന്നില്ലെങ്കിൽ, പുതിയ ഫീച്ചറുകൾ പുറത്തിറക്കുന്നതിന് പകരം അത് റിവേഴ്സ് എഞ്ചിനീയറിംഗ് ചെയ്യാൻ തന്നെ ആഴ്ചകൾ ചിലവഴിക്കേണ്ടി വരും.

നിങ്ങളുടെ അടുത്ത ടൂൾ വിലയിരുത്താൻ ഈ ഫ്രെയിംവർക്ക് ഉപയോഗിക്കുക:

• ക്രെഡിറ്റുകൾ (Credits): ശരാശരി ചിലവ് മാത്രം നോക്കരുത്. അമിതമായി ഉപയോഗിക്കുന്ന ഒരു ആഴ്ചയിൽ എത്ര ചിലവാകുമെന്ന് ചോദിച്ചറിയുക. സുതാര്യമായ ഉപയോഗ രീതികൾ (consumption models) ഉള്ളവ തിരഞ്ഞെടുക്കുക.

• ഗുണനിലവാരം (Quality): കോഡിൽ ടെസ്റ്റുകളും ഡോക്യുമെന്റേഷനും ഉൾപ്പെടുന്നുണ്ടോ? വെറുമൊരു ഡെമോയ്ക്ക് വേണ്ടി മാത്രമല്ല, അടുത്ത ഫീച്ചറുകൾ വരുമ്പോഴും നിലനിൽക്കുന്ന കോഡ് ലക്ഷ്യമിടുക.

• നിയന്ത്രണം (Control): ഓരോ തീരുമാനവും നിങ്ങളുടെ ടീമിന് വിശദീകരിക്കാൻ കഴിയുന്നുണ്ടോ? ഏജന്റിന്റെ തീരുമാനങ്ങൾ രേഖപ്പെടുത്തിയതും (logged decisions) എക്സ്പോർട്ട് ചെയ്യാവുന്നതുമായ കോഡുകൾക്കായി ശ്രദ്ധിക്കുക.

എല്ലാ വിഭാഗങ്ങളിലും വിജയിക്കുന്ന ഒരു ടൂളും ഇല്ല. ചില ടൂളുകൾ എന്റർപ്രൈസ് കംപ്ലയൻസിന് (enterprise compliance) മുൻഗണന നൽകുന്നു. മറ്റു ചിലത് വേഗത്തിലുള്ള ഡെമോകൾക്ക് മുൻഗണന നൽകുന്നു. നിങ്ങൾ എന്താണ് നിർമ്മിക്കുന്നത് എന്നതിനെ ആശ്രയിച്ചിരിക്കും നിങ്ങളുടെ തിരഞ്ഞെടുപ്പ്.

വെറും വില മാത്രം നോക്കുന്നത് നിർത്തുക. പന്ത്രണ്ട് മാസത്തിനുള്ളിൽ നിങ്ങളുടെ സ്റ്റാക്ക് വീണ്ടും നിർമ്മിക്കേണ്ടി വരുന്നത് ഒഴിവാക്കാൻ ക്രെഡിറ്റുകൾ, ഗുണനിലവാരം, നിയന്ത്രണം എന്നിവയിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുക.

Source: https://dev.to/8080_ai/the-reason-startups-are-rethinking-their-ai-coding-stack-3fn1