L'impatto dei TuringBot
I TuringBot (IA e IA generativa che assistono nelle attività di sviluppo del software) sono una tendenza importante e strumenti come GitHub Copilot (un Coder TuringBot per la programmazione in coppia in linguaggi comuni come Java o C#) o Test Rigor (un Tester TuringBot per test automatici intelligenti) stanno riscuotendo un enorme interesse sul mercato. In poche parole, il fenomeno ChatGPT e i rapidi investimenti dei fornitori nei TuringBot basati su IA generativa e LLM hanno reso il linguaggio naturale un meccanismo di creazione chiave per gli strumenti dell'intero ciclo di vita dello sviluppo software. Questo ha accelerato le nostre precedenti previsioni sull'adozione mainstream dell'IA nello sviluppo del software di almeno cinque o dieci anni.
TuringBots e Low-Code
Anche il mercato del low-code fa parte di questa tendenza e i TuringBot per la generazione di app basate su prompt o altre funzionalità di sviluppo software infuse nell'AI dominano le roadmap dei fornitori di low-code per il 2023 e oltre.
In risposta, abbiamo lanciato un nuovo flusso di ricerca sull'uso dei TuringBot nel low-code.
Ma quale sarà il reale impatto dei TuringBot nel mercato low-code? Sulla base delle ricerche condotte finora, questa è la nostra ipotesi:
L'uso dei TuringBot aumenterà drasticamente l'adozione del low-code.
Ogni azienda con cui abbiamo parlato finora vede TuringBots accelerare i propri piani di adozione del low-code.
Questo è particolarmente vero per il citizen development: Gli sviluppatori cittadini amano l'esperienza di dare un suggerimento in linguaggio naturale a una piattaforma low-code e vederla creare un'applicazione davanti ai loro occhi.
A loro volta, i leader IT sono fiduciosi che TuringBots aumenti il numero di lavoratori che partecipano ai programmi di citizen developer.
Abbiamo osservato esempi più modesti di questo fenomeno in passato, quando aziende low-code come Microsoft e TrackVia hanno rilasciato funzioni di foto-app basate sull'intelligenza artificiale e hanno incrementato l'adozione di programmi di sviluppo per i cittadini.
In breve, i TuringBot renderanno inevitabilmente migliore, più veloce e più facile l'inserimento di lavoratori non tecnici come citizen developer.
Il codice generato dall'intelligenza artificiale non può sostituire gli strumenti di sviluppo visuale (cioè low-code).
Alcuni sostengono che il codice generato da LLM rappresenti la morte dello sviluppo low-code.
Ma le aziende con cui abbiamo parlato non sono d'accordo. Perché?
In primo luogo, perché i non-codificatori hanno ancora bisogno di un'esperienza di sviluppo visiva e dichiarativa (cioè low-code), non basata su linguaggi di programmazione high-code.
In secondo luogo, perché il linguaggio naturale è insufficiente come unica esperienza di scrittura del software, essendo ancora impreciso (se è veramente "naturale") e inefficiente per catturare idee complesse.
In altre parole: Gli strumenti visivi che costituiscono l'esperienza principale dello sviluppatore nelle piattaforme low-code (diagrammi di processo, diagrammi delle relazioni tra entità, tele UI WYSIWYG, ecc.) sono ancora necessari per esprimere l'intento del software che si sta costruendo, per gestirlo e per sapere che cosa effettivamente è e fa.
Ma il linguaggio naturale diventerà un'esperienza chiave per l'authoring low-code.
La generazione di una bozza di applicazione o di una semplice configurazione di componenti a partire da una richiesta iniziale (e la visione del risultato) è ormai cosa fatta.
Le attuali attività di ricerca e sviluppo dei fornitori di low-code e gli esperimenti delle aziende si concentrano ora sul modo in cui gli sviluppatori possono iterare efficacemente i progetti delle app attraverso il linguaggio naturale, laddove i nostri clienti ci dicono che il processo diventa rapidamente "complesso".
Il nostro punto di vista: Una volta maturati, i suggerimenti in linguaggio naturale diventeranno un metodo normale e complementare per interagire con gli strumenti visivi necessari, sia per la stesura di nuove app che per l'iterazione delle stesse.