DevOps e intelligenza artificiale oltre il codice: il punto di vista di OpenText

L'approccio DevOps si è imposto nel tempo ed è ora in molte aziende, in particolare quelle di dimensioni più grandi, lo standard di fatto. Ne sono discese metodologie varie come DevSecOps e AIOps, a testimonianza di come i metodi evolvano costantemente. Ne abbiamo parlato con Riccardo Sanna, Head of DevOps Solution Consulting di OpenText, per capire meglio quale sia la situazione in Italia e quanta influenza stia avendo l'IA.

DevOps secondo OpenText

DevOps è una serie di pratiche da seguire che prevedono l'uso di sistemi di automazione nello sviluppo del software; tipicamente prevedono l'impiego di sistemi di integrazione continua e consegna continua (CI/CD, "continuous integration, continuous delivery"), che consentono di automatizzare molti passaggi e di implementare piccoli cambiamenti velocemente. Il vantaggio di questo metodo sta proprio nella velocità d'implementazione dei cambiamenti: anziché richiedere tempistiche lunghe tra il momento in cui il codice viene scritto e quello in cui arriva effettivamente a essere impiegato in produzione, l'approccio DevOps usa molti strumenti d'automazione (ad esempio con i test) per ridurre i tempi e arrivare a portare in produzione i cambiamenti, senza compromettere per questo la qualità.

"Se magari dieci anni fa incontrando dei clienti c'erano esperimenti, oggi è raro trovare una qualunque azienda che non ha una practice di DevOps più o meno avanzata, che non ha quindi una soluzione di continuous integration in piedi", ci dice Sanna (in foto qui sopra). "Chiaramente negli ultimi anni si è assistito a degli esperimenti nell'ambito dell'introduzione dell'intelligenza artificiale in questi processi. Devo dire che gli esperimenti sono di varia natura, per ora non c'è una grande standardizzazione e ogni azienda per ora sta guardando molto cautamente a quello che l'intelligenza artificiale può offrire."

Secondo Sanna, attualmente la maggior parte dell'impiego dell'IA va alla produzione di codice, con alcuni primi esperimenti anche nella parte di controllo della qualità. Ma si parla quasi sempre di IA generativa. "In pochissimi hanno utilizzato altre branche dell'intelligenza artificiale quali per esempio il machine learning o la computer vision. Anche qui abbiamo visto degli esperimenti molto interessanti, e qui è dove secondo me vedremo nei prossimi anni l'esplosione dell'adozione perché fondamentalmente adesso sta passando un po' l'equazione 'intelligenza artificiale = large language model', cioè la capacità di scrivere dei testi lunghi a piacere più o meno centrati su un tema che più o meno mancava." Ma non è così: ci sono anche altre tipologie d'IA che possono venire impiegate.

"Molti sondaggi vedono comunque che l'adozione dell'intelligenza artificiale nell'ambito dello sviluppo non sta andando alla velocità che ci si aspettava; ovvero [l'IA] viene utilizzata, ma non alla velocità che ci si aspettava. In questo momento il DevOps supportato dall'intelligenza artificiale è ancora molto a fasi, non è pervasivo in tutto il ciclo."

Oltre il solo codice

L'offerta di OpenText guarda all'intero ciclo DevOps e non soltanto alla scrittura di codice: sono dunque presenti anche la fase di progettazione, di test e di rilascio, nonché di raccolta di riscontri una volta che il codice viene reso disponibile. L'approccio di OpenText va dunque oltre il solo codice e offre strumenti anche per quelle attività che normalmente sono piuttosto complesse e difficili, come la raccolta dei requisiti. Come spiega Sanna, infatti, "abbiamo introdotto l'intelligenza artificiale, Aviator, su questa piattaforma innanzitutto supportando la creazione dei requisiti o delle user story, che nella metodologia agile sono un aspetto molto importante. Quindi non tanto per la scrittura del codice, dove ci sono tante soluzioni anche open source, quanto proprio per la creazione di tutte quelle cose accessorie che magari prima non si facevano troppo bene o non si facevano in maniera completa."

Un punto importante che Sanna solleva è quello legato ai risultati che si vogliono ottenere e al modo in cui ottenerli: tutti parlano di scrittura del codice automatizzata tramite IA, ma tale attività non porterebbe quei benefici che ci si aspetta perché rappresenta una parte minoritaria del tempo speso dalle persone su un progetto.

"Se dall'idea al rilascio passano circa 200 giorni, il tempo speso a scrivere codice è di 4-5 giorni; il resto è tempo speso nella documentazione, nell'organizzazione, in tutte le altre fasi di sviluppo. Ecco dunque che andare a supportare soltanto la scrittura del codice non produce quel vantaggio competitivo che invece tutti quanti stanno cercando, quell'efficientamento che tutti quanti stanno cercando con l'intelligenza artificiale. Per questo bisogna intervenire sull'end-to-end: ho parlato dei requisiti, ma pensiamo alla documentazione tecnica, cosa che molto spesso si fa poco e si fa male; Aviator può produrre la documentazione tecnica necessaria leggendo il codice, i requisiti e i test."

Sanna parla poi di come ci siano anche altri approcci che vanno oltre gli LLM: ad esempio, la visione artificiale (o computer vision in inglese), che riconosce gli oggetti ed è in grado, dunque, di dare contesto al software. Si parla di usare la visione artificiale per effettuare i test di funzionamento delle interfacce grafiche: con i metodi tradizionali, si registra un'interazione e si ha un robot (un software specializzato, non una macchina fisica) che esegue di nuovo le operazioni registrate; ma "quando cambia la GUI bisogna rifare le registrazioni. Con l'introduzione della computer vision, questa fa agire il robot come se fosse un umano che guarda la pagina e sa che, anche se il campo dove inserire le informazioni è stato spostato, se c'è scritto 'nome' vuol dire che bisogna inserire il nome, senza dover istruire di nuovo il robot." Il vantaggio è particolarmente sentito quando si parla di applicazioni mobili: "spesso i clienti devono eseguire due test, uno per la parte Android e uno per la parte iOS; con l'introduzione della computer vision oggi c'è sostanzialmente solo un tipo di test perché la sua esecuzione è assolutamente automatizzata."

L'obiettivo di OpenText nell'usare l'intelligenza artificiale, rimarca Sanna, è dunque "efficientare tutte le attività di produzione dei requisiti, di organizzazione, di produzione e di automatizzazione dei test. C'è un beneficio che è più pervasivo [perché è] sull'intero ciclo di vita [del software]."

Da ultimo, chiediamo a Sanna quale sia la situazione italiana, dal punto di vista sia dell'adozione delle pratiche DevOps, sia dell'adozione delle soluzioni di OpenText. "In Italia abbiamo una presenza molto rilevante; storicamente ci siamo concentrati sulle grandi aziende e ne supportiamo nel settore finanziario, delle assicurazioni, anche delle grandi case automobilistiche. Perché? Perché oramai anche nel mondo dell'auto si parla di 'software defined'; un'azienda automobilistica ha fatto una presentazione a un nostro evento e diceva che una delle sue macchine ha 100 milioni di righe di codice. Sostanzialmente è un data center, non un'auto! Questo significa che [queste righe di codice] devono essere testate, validate, progettate e manutenute, e lo fanno con la nostra piattaforma."

Guardando allo scenario più ampio, "dal punto di vista [dell'approccio] DevOps oggi c'è il 100% di adozione o quasi: è rarissimo trovare qualcuno che non ha una pratica DevOps al suo interno. Ogni azienda poi ha una sua definizione leggermente diversa: non c'è una vera standardizzazione [su cosa voglia dire 'DevOps']."