„Choć powiedziano nam, że sztuczna inteligencja zbliża się do poziomu możliwości doktoratu, wciąż brakuje nam agenta SI, który mógłby autonomicznie obsługiwać zadania związane z rozwojem oprogramowania na poziomie podstawowym” – mówi Bartek Roszak, Head of Artificial Intelligence w STX NEXT.
Ale to się zmienia! STX NEXT stworzył narzędzie DeepNext, za pomocą którego do pracy można „zaprząc” AI software agents. Jego testy beta przeprowadziła niedawno firma Newable, brytyjskiej organizacji świadczącej usługi finansowe. DeepNext wsparło deweloperów w autonomicznym rozwoju aplikacji w usługach finansowych.
DeepNext został zastosowany bezpośrednio do rzeczywistych problemów i wsparł Newable w zmniejszaniu długu technicznego poprzez obsługę powtarzalnych zadań, które mogą być szybko wykonane przez AI software agents. „DeepNext zwiększy wydajność i zapewni, że programiści będą mogli pracować nad bardziej priorytetowymi i intensywnymi zadaniami, które wymagają zwiększonego wkładu poznawczego” – tłumaczą autorzy rozwiązania.
Uruchomiony po raz pierwszy w marcu 2024 r. „DeepNext został zaprojektowany po to, aby pomóc firmom w utrzymaniu i rozwoju ich aplikacji. Rozwiązanie działa jako autonomiczny programista AI, kierownik projektu lub inżynier QA, obsługując zadania o wysokim poziomie złożoności aż do wdrożenia” – wyjaśniają.
Obecnie narzędzie DeepNext przeszło od testów laboratoryjnych do testów beta w rzeczywistych warunkach w branży usług finansowych. Do projektu dołączył również zespół badaczy, którzy monitorują rozwój systemu.
„Możliwość przetestowania rozwiązania takiego jak to w rzeczywistych scenariuszach biznesowych ma kluczowe znaczenie dla jego ulepszenia. Testowanie jest integralną częścią procesu i pomoże zapewnić, że użytkownicy, programiści i menedżerowie mogą naprawdę polegać na DeepNext w zakresie obsługi autonomicznych zadań i stać się cenioną częścią każdego zespołu” – powiedział Michał Skibicki, AI Manager w STX Next.
„W rozwiązaniach wieloagentowych, takich jak DeepNext, kluczowe jest optymalne zaprojektowanie architektury. Większość rozwiązań wieloagentowych jest monolityczna, gdzie każdy komponent zależy od poprzedniego i nie może być odizolowany. DeepNext zajmuje się procesem tworzenia kodu, który może składać się z wielu etapów, a my możemy podzielić każdy etap na osobne moduły” – wyjaśnia Bartek Roszak.
„Dzięki takiemu podejściu jesteśmy w stanie ulepszać i testować poszczególne komponenty systemu bez konieczności uruchamiania całej aplikacji. Taki system jest łatwiejszy do monitorowania i diagnozowania, dzięki czemu łatwiej jest zidentyfikować, na którym etapie system zawiódł w przypadku błędu” – podsumowuje.
„W testach beta kluczową zaletą jest to, że możemy zdiagnozować, które elementy systemu wymagają dostosowania dla każdego rzeczywistego przypadku. Dzięki wdrożeniu podejścia modułowego możemy szybko wprowadzać poprawki w celu ulepszenia systemu” – dodaje.
