如今，很多软件开发人员正在经常使用人工智能技术协助编写和审查代码、检测失误、测试软件，并提升开发名目。这协助企业更有效地部署新软件，并使新一代开发人员更轻松地学习编程。
这是调研机构德勤公司最近颁布的一份无关软件开发驳回人工智能技术的考查报告得出的论断。报告的作者David Schatsky和SourabhBumb形容了在过去的18个月中多家公司如何推出几十团体工智能驱动的软件开发工具。并且其市场正在增长。努力于软件开发的人工智能初创企业在2019年取得了7.04亿美元的投资。
新工具可以协助软件开发人员缩小上班量，在编写软件时检测失误，并智能口头许多确认软件品质的测试。在当今越来越依赖放开源代码的时代，这一点很关键，由于放开源代码或者会带来一些失误。
虽然有些人担忧驳回智能化技术或者会使编程人员失去上班，但考查报告的这两位作者以为不太或者。
Schatsky说：“在很大水平上，这些人工智能工具是在协助和增强者类的才干，而不是取代他们。这些工具备助于使编码和软件开发独裁化，使一些编程新手能够填补人才缺口，学习新技艺。人工智能技术还可以启动代码审查，并提供品质保障。”
调研机构Forrester公司在2018年启动的一项钻研发现，从事软件开发的企业中，37%的企业正在经常使用由人工智能驱动的编码工具。Tara、DeepCode、Kite、Functionize和DeepTabNine等许多公司提供智能化编程服务，而在2020年这一比例将会更高。
成功运行仿佛正在放慢这一趋向。Schatsky说：“除了节俭老本和期间以外，许多驳回这些人工智能工具的企业还改善了最终产品的品质。”
德勤公司的钻研标明，人工智能可以协助缓解软件开发人才常年充足的现象。去年，软件品质不良使美国企业损失了3190亿美元。人工智能的应用具备缓解这些应战的后劲。德勤公司的剖析人员以为人工智能可以在软件开发的许多阶段提供协助，其中包括：名目要求、编码审查、失误检测和处置，以及经过测试、部署和名目治理提供的更多协助。
IBM工程师从Watson名目中学到的人工智能开发阅历
IBM公司的卓越工程师Bill Higgins是IBMWatson开发人工智能义务团队担任人，有着20年的软件开发上班阅历。他最近宣布了一篇无关人工智能对软件开发的影响的钻研报告。
Higgins说，“企业须要丢弃以往开发软件的形式。假设开发人员难以顺应，那么企业顺应的难度将远远超出开发人员。理想证实，企业治理人员不足人工智能方面的阅历也是一种长处。由于他必需阅历这一学习环节，因此对须要顺应的开发人员有了更深入的了解和同情。”
他示意，为了了解软件开发中的人工智能，他钻研了其他人如何运行人工智能(提出疑问)以及经常使用人工智能优于其余代替方法(处置方案)的状况。这关于了解或者出现的状况并防止误区很关键。
他说，自从在宾夕法尼亚州立大学取得计算机迷信学位以来，学习人工智能这一环节是他感到最弛缓、最困难的一次性学习阅历。他说：“让我从新思索从阅历中改良软件系统真实是太困难了，而软件系统只做开发人员让它们做的事件。”
IBM公司开发了一种概念模型来协助开发人员思索基于人工智能的转型，称之为人工智能阶梯(AILadder)。这个阶梯有四个梯级：搜集、组织、剖析和注入。大少数企业领有少量数据，这些数据通常是以孤立的IT上班或经过收买的方式组织起来的。例如一家企业或者有20个数据库和3个数据仓库，其中蕴含冗余和不分歧的客户信息。其余数据类型(如订单、员工和产品信息)也是如此。Higgins说：“IBM公司使AILadder从概念上解脱了困境。”
在注入阶段，该公司努力于将训练的机器学习模型集成到消费系统中，并设计反应循环，以便可以从阅历中始终改良模型。注入式人工智能的一个示例是Netflix介绍系统，该系统由复杂的机器学习模型提供允许。
IBM公司已确定API、预先构建的机器学习模型和可选工具的组合，以封装、搜集、组织和剖析用于经常出现机器学习域的人工智能阶梯(AILadder)，例如人造言语了解、与虚构代理的对话、视觉识别、语音和企业搜查等。
例如，Watson的人造言语了解变得丰盛而复杂。机器学习如今善于于了解言语的许多方面，其中包括概念、概念之间的相关以及情感内容。如今可以经过完善的API和允许的SDK，向开发人员提供基于机器学习的人造言语处置的NLU服务和研发工具。
Higgins说：“因此，即使开发人员没有启动数据迷信或机器学习方面的培训，他们如今也可以开局在运行程序中应用某些类型的人工智能。虽然这并没有消弭人工智能的学习曲线，但会使其变得更陡峭。”