Uber активно внедряет ИИ для повышения производительности разработчиков, фокусируясь на код-ассистентах, тестировании и миграции с Java на Kotlin. Разработки ведутся как в виде базовых плагинов для IDE, так и в виде кастомных решений. Uber стремится создать собственный код-ассистент для увеличения acceptance rate на 10%, однако сталкивается с проблемами финансирования и отставанием от быстро меняющихся технологий.
Ключевые выводы из опыта Uber включают важность пользовательского опыта, риск каннибализации UI, необходимость соблюдения принципа экосистемы и постоянную оценку технологического ландшафта. В будущем компания планирует развивать собственную платформу, тонкую настройку вендорских решений и увеличение расширяемости.
Несмотря на потенциал ИИ в разработке, существуют опасения, что разработка таких инструментов требует значительных ресурсов. Это может привести к ситуации, когда только крупные компании смогут позволить себе подобные технологии, создавая неравные условия для стартапов и небольших компаний.
Изображение носит иллюстративный характер
Ключевые выводы из опыта Uber включают важность пользовательского опыта, риск каннибализации UI, необходимость соблюдения принципа экосистемы и постоянную оценку технологического ландшафта. В будущем компания планирует развивать собственную платформу, тонкую настройку вендорских решений и увеличение расширяемости.
Несмотря на потенциал ИИ в разработке, существуют опасения, что разработка таких инструментов требует значительных ресурсов. Это может привести к ситуации, когда только крупные компании смогут позволить себе подобные технологии, создавая неравные условия для стартапов и небольших компаний.
