L'IA è matura come assistente per la scrittura di codice? Il punto di vista di DXC Technology

L’IA generativa sta entrando in sempre più ambiti, ma uno di quelli dove il suo impatto è più dirompente è la scrittura di codice. Secondo Remo Dentato, Italy Applications Service line Manager di DXC Technology è a tutti gli effetti “una tecnologia disruptive. Il vantaggio che può portare ai programmatori è che li rende molto più produttivi”. Non sostituirà, come si può erroneamente pensare, la necessità di programmatori, ma può accelerare i “processi di comprensione”, soprattutto in ambiti completamente nuovi. Dentato cita l’utilizzo di CodeWhisperer, il generatore di codice basato su IA di AWS, sottolineando anche che i vantaggi sono evidenti “quando lo scopo è molto limitato”. Come, per esempio, gli script per automatizzare attività su AWS.

L’IA per scrivere codice: vantaggi e limiti

L’IA sarebbe in grado di scrivere un videogioco? Assolutamente sì, se per videogioco si intende un semplice clone di Snake senza grandi pretese. Se però chiediamo all’IA di scrivere il codice per un gioco AAA, i limiti emergono immediatamente. Dentato spiega come in DXC Technologies l’IA viene utilizzata come se fosse copilota nella gestione di progetti complessi, anche nelle fasi che non richiedono necessariamente di programmare. Un’IA può indicarti subito se i requisiti indicati sul progetto sono ben pensati o, al contrario, risultano ambigui. “Un caso d’uso che abbiamo sviluppato e testato”, afferma Dentato, sottolineando anche che in caso di dubbi, l’IA è anche in grado di generare le domande da porre al cliente così da evitare di perdere tempo e risolvere il più rapidamente la questione, senza ambiguità.

Un altro caso di utilizzo indicato da Dentato è il supporto alla comprensione del codice. “Capita di trovarsi clienti che ti chiedono di lavorare su un software e scoprire che la maggior parte del codice è scritto utilizzando un framework proprietario, inserito da un precedente fornitore”. In questi casi, nonostante l’intelligenza artificiale non conosca minimamente il framework in questione, è comunque in grado di utilizzarne le funzioni. L’IA, secondo Dentato, è in grado di adattarsi a situazioni nuove, anche se i programmatori poi dovranno lavorare manualmente sul codice grezzo generato. “È anche in grado di realizzare diagrammi e flowchart da aggiungere alla documentazione del prodotto”, afferma, aggiungendo però che sicuramente i risultati generati dall’IA non saranno quelli che poi andranno nella versione finale, ma sono un ottimo punto di partenza che permette di risparmiare molto tempo.

Fine tuning o addestramento aggiuntivo del modello?

I modelli di IA generici, come facilmente intuibili, hanno i loro limiti, e per adattarli alle specifiche esigenze di ogni realtà è possibile fare un fine tuning del modello, adeguandolo, o riaddestrarlo interamente coi dati proprietari. Quest’ultima opzione sarebbe la più efficace, ma ha un costo “molto rilevante”. Ma come si gestisce in questi contesti la privacy? Non stiamo parlando di un database, dove è possibile “cancellare” dei dati: nel caso dei modelli di IA, una volta addestrati questi rimangono lì, e questo rappresenta un grosso problema per le imprese che utilizzano i propri dati e non desiderano farli uscire dai propri sistemi. Per ovviare a questo problema, hyperscaler come Azure o AWS hanno realizzato strumenti per consentire di integrare informazioni riservate ma tenendole “segregate” all’interno dell’istanza del cliente stesso, inaccessibili da chiunque altro.

Questi strumenti possono rivelarsi utili per ottimizzare gli LLM su specifici domini. Dentato spiega come a suo avviso a oggi GPT-4 sia il miglior modello attualmente disponibile, ma essendo generico, utilizza milioni di parametri per dettagli che spesso non sono utili in uno specifico ambito. “Sa tutto sui gattini”, ironizza il manager, per far capire come parte del potenziale sia utilizzata per fornire anche risposte che non serviranno a uno sviluppatore. Si può ottimizzare riaddestrando il modello con dati legati al contesto in cui si vuole operare, ma bisogna valutare bene la convenienza, visti i costi non certo trascurabili di una simile operazione. I risultati i termini di produttività possono essere davvero significativi, ma devono essere funzioni estremamente specifiche per una singola azienda, perché “se si parla di funzioni più generali, il rischio è che qualcuno le introduca nei modelli a un prezzo molto più basso” rispetto a quello necessario per riaddestrare il LLM.

Ma cosa ci faccio?

Un aspetto che impensierisce Dentato è che “l’IA diventi come la blockchain, cioè una soluzione in cerca di un problema”. Questo perché tolto il caso d’uso iniziale (le cryptovalute) abbiamo assistito negli anni a tentativi talvolta forzati di integrare la blockchain e adattarla ad altri casi d’uso. Per questo motivo DXC lavora coi propri clienti a capire le loro esigenze e a creare strumenti basati su IA che portino reale valore aggiunto. Qualcosa in più delle risposte generiche che può generare un ChatGPT, per intenderci.