Thoughtworks heeft deel 28 van de Technology Radar gepubliceerd, een tweejaarlijks rapport dat is gebaseerd op observaties, gesprekken en ervaringen van Thoughtworks met het oplossen van de grootste zakelijke uitdagingen van haar wereldwijde klanten. Nu kunstmatige intelligentie (AI) steeds toegankelijker wordt en in het bedrijf wordt geïntegreerd, stelt het rapport dat de implementatie van AI met robuuste engineeringpraktijken leidt tot de meest effectieve levering van waarde aan klanten. Met analytics en AI is het niet langer het probleem om genoeg gegevens en code te hebben.

In plaats daarvan moet de focus liggen op het hebben van hoogwaardige code en gegevens om modellen te creëren die goed reageren op veranderingen in omgevingsfactoren en niet in de loop der tijd afdrijven. Gelukkig wordt de tooling op dit gebied uitgebreid met testgestuurde transformaties, data sanity tests en datamodeltests die de datapijplijnen versterken die analytische systemen aandrijven. De toepassing van beste praktijken voor modelvalidatie en kwaliteitsborging is ook van cruciaal belang om vooroordelen aan te pakken en te zorgen voor ethische ML-systemen met billijke resultaten. In Technology Radar Vol.

28 omvatten: De razendsnelle opkomst van praktische AI: In de afgelopen maanden hebben tools als ChatGPT het begrip van zowel de technologische industrie als de rest van de wereld over wat praktisch mogelijk is met AI volledig herzien. Lambda-drijfzand: Serverloze functies kunnen uiterst nuttig zijn, maar ze kunnen ook slechte gewoonten aanmoedigen en leiden tot slechte architecturale beslissingen die de complexiteit verhogen. Om het meeste uit serverless te halen, moet u duidelijk zijn over waar u het gebruikt en zich bewust zijn van de mogelijke gevolgen.

Engineering rigor ontmoet analytics en AI: Zonder gegevens van hoge kwaliteit lopen teams die AI implementeren het risico de nauwkeurigheid en, bij uitbreiding, het vertrouwen van de gebruiker in gevaar te brengen. Dit kan alleen effectief gebeuren via robuuste engineeringpraktijken zoals modelvalidatie, continue integratie en monitoring. Gelukkig wordt de tooling op dit gebied uitgebreid, zodat teams worden aangemoedigd om gebruik te maken van het groeiende ecosysteem.

Declareren of programmeren? De keuze tussen declaratieve specificaties of algemene programmeertalen voor bepaalde taken is een belangrijke voortdurende afweging voor softwareontwikkelaars. Er is zelden een voor de hand liggend antwoord, wat betekent dat het essentieel is om altijd na te denken over de voordelen en risico's wanneer men geconfronteerd wordt met een nieuwe context.