Uzun yıllar boyunca teknoloji endüstrisinde, Bet365’in Hillside teknoloji platformunda platform inovasyon başkanı Alan Reed, bir teknoloji hareketinin ve üretken AI (GENAI) kadar yaygın ve yaygın bir teknoloji hareketine tanık olmadığını söyledi.
Genai teknolojisinin iki yıl önce GPT ile ana akımı vurduğu göz önüne alındığında, Reed şöyle diyor: “Daha önce hiç bir şey yoktu.” “Dönüşümcü” kelimesi teknolojide cömertçe aşırı kullanılma eğilimindeyken, üretken yapay zekayı “bir sermaye T ile dönüşüm” olarak tanımlıyor.
Ancak dönüşümler anında değildir ve işletmelerin Genai’yi en etkili şekilde nasıl uygulayacağını anlamalı ve nerede çalıştığını ve iyi çalışmadığını anlamalıdır. “Üretken AI ile her bir şey duyduğunuzda, yolculuk kelimesini duyuyorsunuz ve farklı değiliz” diyor. Reed, “Bunu anlamaya çalışıyoruz. Yeteneklerini anlamaya ve yerimizi üretken AI ile anlamaya çalışıyoruz” diye ekliyor.
Erken benimseyenler, Geni’yi günlük işlerde nasıl kullanacaklarını anlamaya isteklidir, bu da AI tabanlı bir iş asistanı veya insanların bilgi arama şeklini birçok kuruluşta gerekli olan ağır kaldırma için bir geçit olarak kullanma şeklini değiştiren bir araçtır.
Bet365’in farklı olmadığını belirtiyor. “Kayan bir hırs ölçeğimiz var, ancak açıkçası bu büyüklükteki bir organizasyonda yaptığımız her şey gibi, ölçülmeli, anlaşılmalı ve üretken yapay zekayı ne için kullandığımız çok, çok net olmalıyız.”
Genai için çok net kullanım durumlarından biri yazılım geliştirmedir. Reed’in belirttiği gibi, tüm teknoloji endüstrisi teknolojinin neler sunabileceğinden en iyi şekilde nasıl yararlanacağını bulmaya çalışıyor. Kodlama için kullanmak, Genai’nin bir deneme yazmak için kullanıldığı zaman, İngilizce’nin eğitim sırasında bir programlama dilinin yerine geçtiği zamandan farklı değildir. Ancak Bet365, AI tabanlı kodlamadan daha fazlasını arıyor. Diyor ki: “Kod yazmak harika, ama görmek çok ilgilendiğimiz şey kodu okuyabiliyor.”
Bet365’in çözmekle ilgilendiği özel sorun, birisinin kodun kendisini okumak zorunda kalmadan bir kod tabanını anlamak için AI kullanmaktır.
“Bu bizim için çok çekici” diyor. “Birkaç yıldır var olan herhangi bir daha büyük teknoloji şirketi veya organizasyonu gibi, teknik verilerinizi ve eski kod tabanınızı düşünmeye başlıyorsunuz ve iş gücünüzün sadece bu eski kod tabanını koruyan bir yüzdesi var.”
Bu ekip için orijinal kullanım durumuydu. “Uyguladığınız projelerin çoğu yaşlanmaya başlar ve ikinci olanı aşındırır. Kodu çalışma moduna geçtiğinizde canlı olarak devam eder. Daha çok bir bakım modeli ve gittikçe daha karmaşık hale gelir” diye ekliyor.
Reed’in deneyimine göre, eğer birisi kodun görünürlüğüne sahip değilse ve bu kodun bakımı sırasında mevcut değilse, kodun gerçekte nasıl çalıştığını anlamak bazen daha zor olabilir. “Arada sırada, önümüzdeki görev için ihtiyacınız olan dereceye kadar kodu gerçekten anlamadığınızı fark ediyorsunuz” diyor.
İlk hedef, işletmenin bakım kodu tabanını anlamasını geliştirmekti. Ancak birçok işletme gibi, Reed’in belirttiği gibi, bu kod tabanını modernize etme fırsatı oldu: “Hiçbir büyüklükte hiçbir organizasyon kendi kod tabanını modernleştirmeye çalışmıyor.”
Ve Reed için AI bunun bir parçası olmalı. “Bunun bizim için ne anlama geldiğini anlamaya çalışıyoruz.”
Reed’e göre, yapay zeka işletmeye eski kod tabanı hakkında bir anlama sağlayabildiğinde, kuruluşlar BT sistemlerini modernleştirdikçe genellikle gündeme getirilecek daha karmaşık mimari sorular sormak mümkün olur. Bu, BT karar vericilerinin işlevselliğin nerede kopyalandığını ve uygulamayı bir bulut yerel mimarisine taşımak için kodu nasıl bölümleyeceğini belirlemelerini sağlar. Genai’nin kodu okuma ve anlama yeteneği, yazılım geliştiricilerinin belirli kodun nereden değiştirilebileceğini tanımlamasına yardımcı olabilir, geliştirilmiş işlevsellik veya bir yazılım deposunda bulunan daha fazla performanslı kod.