ANZ Banking Group’un Melbourne mühendislik ekiplerinden biri, bazı işlerin yüzde 50’ye kadar daha hızlı tamamlanmasını sağlayan bir “AI çift programlama” aracı olan GitHub Copilot’u kullanıyor.
Copilot, geliştirme ekiplerine bireysel satırlar ve tüm işlevler önermek için yorumlardan ve kodlardan bağlam çıkararak daha hızlı kodlamaya yardımcı olmayı amaçlamaktadır.
ANZ ekibi, “performanstaki çift haneli yüzdesel artışlarla ilgili anekdot niteliğindeki kanıtlara” güvenmek istemeyen, AI çifti programlama aracının performansını değerlendirmeye koyuldu.
ANZ’nin baş teknoloji sorumlusu Tim Hogarth, “Geniş bir mühendis havuzumuz var ve onları temelde ikiye böldük ve GitHub Copilot kullanarak ve kullanmadan onlara bir sürü yapay programlama problemi verdik” dedi. iTnews.
“Ayrıca diğer ortak üretim araçlarından bazılarına da baktık. Ancak bu özel soruna baktık ve şöyle dedik: ‘Bazı programlama sorunları yaratacağız ve bazı mühendislerimizin kendilerini değerlendirmelerini sağlayacağız. [efficacy]ister bu teknolojide nispeten deneyimsiz olsunlar, ister orta veya ileri düzeyde olsunlar.”
Ortalama zaman tasarrufu buradan hesaplanarak yaklaşık 105 farklı sorun oluşturuldu.
Hogarth, “Mühendislerin bu teknolojiyi kullanarak ve kullanmadan sorunları çözmelerinin ne kadar sürdüğünü ölçtük ve ardından ortalamayı aldık” dedi.
Yalnızca bu kod oluşturma yeteneğiyle bile, “çok daha fazla değeri olan şeyi pazara daha hızlı sunabileceğimizi düşünüyoruz” dedi.
Şu ana kadar ANZ’de GitHub Copilot kullanan 1000 mühendis var. Teknolojinin henüz ilk günlerinde olmasına rağmen Hogarth, mali yılın sonuna kadar yaklaşık 3000 mühendisin bu teknolojiyi kullanacağını umuyor.
Hogarth, Copilot’un “otomatik olarak standart kod oluşturduğunu” ve aynı zamanda elle kodlama için “otomatik düzeltme” görevi görebileceğini söyledi.
Hogarth, “Yani bir göreve altı dakika harcamak yerine muhtemelen 60 saniye kadar kısa bir süre harcayabilirsiniz” dedi.
Hogarth, “Copilot gibi araçlarla insanların yaptığı birçok rutin iş önemli ölçüde hızlandırılabilir” dedi.
“Bir ürün özelliğini pazara sunmaya çalışıyorsak, bunun müşteriye yönelik bir uygulama veya web uygulaması veya dahili bir uygulama veya mobil uygulama olması fark etmez; bu, tüm mühendislerimizin bu görevleri daha fazla üretmesine yardımcı olacaktır. hızlı bir şekilde bu bize bir volan etkisi sağlar, bu da tüm değeri pazara daha hızlı sunabileceğimiz anlamına gelir.”
ANZ, GitHub Copilot’un genişletilmesine “düşünceli ve dikkatli” yaklaşıyor.
“Birçok yerde mühendislerimiz var ve bunu tüm yerel kurallara uygun olarak yaptığımızdan emin olmak istiyoruz” diye ekledi.
Bankanın Copilot’u uyguladığı bazı alanlar arasında ekibe ödemeler bölümlerinde “muazzam” yardımcı olacak ANZ Plus bölümü de yer alıyor.
Güvenlik kontrollerinin bir kısmı “gizli, kısıtlı verilerden uzak durmak” ve “şimdilik iç politika ve prosedürlere uymak”tır.
“Hala bu teknolojiyi anladığımızdan emin olmaya çalışıyoruz… Hala doğru kontrol seviyesine ulaştığımızdan emin olmaya çalışıyoruz, böylece bu modellerin performansını anlayabiliriz ve dolayısıyla onlara ne zaman güvenebileceğimizi ve ne zaman güvenebileceğimizi çözebiliriz. aslında daha fazla titizlik göstermemiz gerektiğinde.”
Z-GPT’nin sonraki adımları
Yapay zeka tabanlı yardımın farklı bir alanında banka, Ağustos ayı sonlarında kullanıma sunduğu, özel olarak barındırılan üretken yapay zeka sohbet robotu Z-GPT ile temkinli deneylerine devam ediyor.
“Çok spesifik konular için ANZ belgelerinin alt kümelerini kullanarak onu eğitmeye veya ayarlamaya başladıkça, birçok potansiyel değeri kanıtlamaya başlıyoruz” dedi.
Özel arka ofis ve destek işlevlerine dahil edilen uygulamalar.
“Bu konuda, daha odaklanmış alanlarda daha fazla çalışma yapmayı bekliyoruz” dedi.
Hogarth, deneyden önce ekibin “çözmeye çalıştığımız sorunun ne olduğu”, ilgili riskler ve “önemlisi, kanıt noktasının neye benzediği” etrafında bir çerçeve oluşturduğunu söyledi.
Hogarth, “Yapay zekamızın amacı, tek başına çalışabileceğini kanıtlamak değil; belirli bir öğrenme parçasını, bilgiyi veya büyük bir yatırımı haklı çıkarmak için spekülasyon yapamayacağınız bir şeyi kanıtlamak olmalı” dedi.
“Örneğin, daha hızlı kodlayıcılar geliştirmek için üretken yapay zekayı kullanmayı düşündüğümüzde hipotez, insanların karmaşık sorunları daha hızlı çözebileceği yönündeydi.
“Sadece ‘Evet, hızlı geldi’ demek yerine deney için bir dizi kanıt noktası ve kriter belirledik.”
“İnsanların gerçekten görkemli fikirler ortaya attığı yerlerde”, “başarı iyi tanımlanmadığından” bunları daha fazla araştırmamaya karar verildiğini ekledi.
“Harcadığımızdan emin olmak istiyoruz [time] Hogarth, “paranın karşılığını en fazla alacak şeyler üzerinde çalışıyoruz ve bunları doğru şeylere harcadığımızdan emin olmak istiyoruz” dedi.
“Bunu henüz müşteri odaklı herhangi bir faaliyet için kullanmaya hazır değiliz veya ilgilenmiyoruz.
“Müşterinin yakınında olmayan şeylere güvenmek istiyoruz.”
Hogarth, kendi üretken yapay zekasını oluştururken Z-GPT’nin “göreceli olarak basit” bir çalışmayla “aslında yapay zekanın değerini keşfetmemizde ilk adım olduğunu” söyledi.
Şirket içi araca, ANZ’nin Microsoft ve Google’ın bazı yapay zeka araçlarıyla kurduğu ilişki aracılığıyla OpenAI modelleri yardımcı oldu.
Mevcut kurumsal uygulamalar aracılığıyla yapay zeka kullanımının genişletilmesi
Hogarth, Ağustos ayındaki duyurusundan bu yana ANZ’nin, bankanın bugün halihazırda kullandığı platformlarda “neredeyse kullanıma hazır” yapay zeka odaklı teknolojileri ve yetenekleri nasıl benimseyebileceğini araştırdığını söyledi.
ANZ aynı zamanda Microsoft 365’te yapay zekayı da araştırıyor; “şu anda devam eden” aktif çalışma ve emtia kullanım senaryoları genelinde belirlenen kullanım senaryoları var.
Hogarth, bu çalışmanın hala “gizli” olduğunu ancak ANZ’nin personelinin bilgileri bulmasına ve karşılaştırmasına nasıl yardımcı olmayı planladığına dair örneklerle ilgili olduğunu söyledi.
Hogarth, “Bazı emtia ürünlerini raftan alacağız ve bunlar piyasada duyacağınız birçok ürünün içinde yer alan şeyler” dedi.
“Kullandığımız birçok platform bu yeteneği giderek daha fazla kullanıyor.
“Ancak aynı zamanda ANZ verilerini alıp ayarlamaya başlayacağız ve bu LLM’lerden bazılarını ANZ’nin dar veri kümeleriyle ortaklaşa kullanarak insanların bazı soruların yanıtlarını bulmalarına yardımcı olmak gibi çok spesifik sorunlara lazerle odaklanmaya ve sıfıra odaklanmaya odaklanacağız. .”
Hogarth, ANZ’nin üzerinde çalıştığı kullanım örneklerinden birinin, bir politikayı başka bir belgeyle karşılaştırma yeteneği olduğunu ve bunun “önemli bir artış” olacağını söyledi.