Ainda não é tão óbvio como as IAs podem ajudar com o pipeline de construção. Nas últimas semanas, tenho iterado em vários aplicativos enquanto pedia a vários LLMs para escrever o código. Embora eles geralmente consigam fazer até 95% de uma tarefa perfeitamente, eles ainda erram várias coisas. Quando aponto o problema, os LLMs respondem muito educadamente: “Você está absolutamente certo…” Se eles sabem disso depois que aponto, por que não sabiam antes? Por que não conseguiram terminar os últimos 5% do trabalho?
Essa é uma pergunta para o futuro. Por enquanto, engenheiros de build estão encontrando outras maneiras de usar LLMs. Alguns estão resumindo código para produzir melhor documentação de alto nível. Alguns estão usando pesquisa em linguagem natural para perguntar a um companheiro de IA onde um bug começou. Outros estão confiando em LLMs para refatorar seu código para melhorar a reutilização e a manutenção. Uma das aplicações mais comuns é criar casos de teste melhores e mais abrangentes.
Os LLMs ainda estão evoluindo, e ainda estamos entendendo o quão bem eles podem raciocinar e onde eles provavelmente falharão. Estamos descobrindo quanto contexto eles podem absorver e como eles podem melhorar nosso código. Eles adicionarão mais e mais ao processo de construção, mas levará algum tempo até que essas melhorias apareçam. Até lá, precisaremos gerenciar como as partes se juntam. Em outras palavras, nós, humanos, ainda teremos um trabalho de manutenção do pipeline de construção.
