Komuniti teknologi sedang hangat berdebat mengenai satu ramalan yang berani: kecerdasan buatan akan segera menjadikan alat perisian yang fleksibel dan boleh disesuaikan menguasai pasaran berbanding aplikasi SaaS yang tegar pada hari ini. Perbincangan tertumpu kepada sama ada AI akhirnya dapat menyelesaikan masalah lama iaitu alat yang kompleks tetapi boleh disesuaikan terlalu sukar untuk kebanyakan pasukan memasang dan menggunakan.
Ramalan Garis Masa untuk Penggunaan Perisian Fleksibel:
- 2025-2027: AI menghapuskan kelok pembelajaran yang paling curam dalam alat fleksibel
- 2028-2030: Keputusan pembelian beralih daripada "Seberapa cepat kita boleh mula?" kepada "Seberapa mudah kita boleh mengubah kemudian?"
- 2030-2035: Persediaan menjadi seperti perbualan, alat SaaS yang tegar menjadi penyelesaian lama
 |
|---|
| Laman web ini membincangkan potensi penguasaan perisian boleh bentuk dalam industri SaaS |
Hujah Teras: AI sebagai Penyederhanaan Hebat
Penyokong berhujah bahawa AI akan mengubah cara kita berinteraksi dengan perisian yang boleh dibentuk - alat yang boleh dibentuk untuk sesuai dengan aliran kerja tertentu daripada memaksa pengguna menyesuaikan proses mereka. Teori ini mencadangkan bahawa model bahasa besar ( LLMs ) dapat mengendalikan kerja persediaan yang kompleks yang sebelum ini memerlukan minggu-minggu konfigurasi, mengubahnya menjadi perbualan mudah di mana pengguna menerangkan apa yang mereka mahu dalam bahasa biasa.
Perisian boleh dibentuk merujuk kepada aplikasi yang boleh disesuaikan dan dikonfigurasi semula secara meluas untuk memadankan keperluan pengguna dan aliran kerja tertentu.
Semakan Realiti dari Lapangan
Walau bagaimanapun, pembangun dalam komuniti menolak dengan kebimbangan praktikal. Ramai menunjukkan bahawa kebanyakan pekerja sebenarnya lebih suka alat yang tegar dan piawai kerana mereka mahukan kebolehramalan dalam persekitaran kerja mereka. Melatih ahli pasukan baru menjadi lebih sukar apabila perisian terus berubah, dan orang ramai sudah boleh menggunakan alat yang mantap seperti Jira atau Linear tanpa mempelajari sesuatu yang benar-benar baru.
Seorang pembangun menyatakan pandangan penting mengenai tingkah laku manusia: orang sering membuat perubahan pantas untuk membantu mereka pada masa itu tetapi kemudian meninggalkan penyesuaian tersebut, meninggalkan kekeliruan pengubahsuaian yang terlupa yang tiada orang lain boleh faham atau kekalkan.
Contoh Perisian Utama yang Dibincangkan:
- Linear: Alat pengurusan projek yang cantik dan ringkas, tetapi tidak fleksibel
- Fibery: Alat ruang kerja yang kompleks tetapi fleksibel namun sukar untuk disediakan
- Alternatif tradisional: Jira , Monday , dan alat SaaS lain yang telah mapan
Masalah Penyelenggaraan Yang Tiada Siapa Bincangkan
Kebimbangan penting yang dibangkitkan ialah ini sebenarnya bukan idea baru - ia serupa dengan pergerakan kod rendah sebelum ini tetapi dengan AI ditambah ke dalam campuran. Pengkritik berhujah bahawa halangan sebenar bukan kesukaran pengekodan, tetapi tanggungjawab berterusan untuk menyelenggara, mengamankan, dan mengemas kini penyelesaian tersuai.
Orang tidak mahu tanggungjawab untuk memastikan ia dikemas kini, diamankan, digunakan, dan sebagainya. Membayar jumlah kecil akan sentiasa lebih mudah daripada menyelenggaranya sendiri.
Kebimbangan Kepercayaan dan Kebolehpercayaan
Perbincangan juga mendedahkan kebimbangan yang lebih mendalam mengenai kebolehpercayaan. Walaupun AI mungkin mengendalikan lapisan persembahan dan beberapa logik perniagaan, ramai pembangun percaya lapisan perniagaan dan data teras masih memerlukan kepercayaan yang lebih tinggi daripada yang boleh disediakan oleh LLMs semasa. Sifat tidak deterministik penyelesaian yang dijana AI memperkenalkan ketidakpastian yang banyak organisasi tidak boleh terima.
Beberapa pembangun berpengalaman berhujah bahawa alat yang baik sering memaksa pengguna mengamalkan amalan yang lebih baik daripada menyesuaikan diri dengan aliran kerja sedia ada yang huru-hara. Pendekatan perisian beropini ini telah terbukti berharga dalam banyak kes, terutamanya dalam membantu organisasi menyeragamkan dan memperbaiki proses mereka.
Kesimpulan
Perdebatan ini mencerminkan ketegangan yang lebih luas dalam pembangunan perisian antara fleksibiliti dan kestabilan. Walaupun AI mungkin benar-benar menurunkan halangan kepada penyesuaian, komuniti kekal berpecah mengenai sama ada kebanyakan pengguna sebenarnya mahukan fleksibiliti tersebut atau lebih suka kebolehramalan penyelesaian piawai. Hasilnya mungkin bergantung kurang kepada keupayaan teknikal dan lebih kepada keutamaan asas manusia untuk sama ada kebolehsuaian atau konsistensi dalam alat kerja mereka.