Visi pengkodean keras yang diperoleh: kenaikan kecepatan datang dengan 40 % dari MailChimp dengan harga tata kelola

Seperti banyak institusi selama setahun terakhir, Intuit MailChimp Dicoba Coding Vepi.

Intuit MailChimp menyediakan kemampuan pemasaran dan otomatisasi e -mail. Ini adalah bagian dari organisasi intuit terbesar, yang berada dalam perjalanan tetap dengan Jenderal AI selama beberapa tahun terakhir, ditawarkan sendiri. lutut Dan Agen Kecerdasan Buatan Kemampuan melalui unit bisnisnya.

Meskipun perusahaan memiliki kemampuan AI sendiri, MailChimp telah menemukan kebutuhan dalam beberapa kasus untuk menggunakan alat pengkodean getaran. Semuanya dimulai, seperti banyak hal, mencoba mencapai jadwal waktu yang sangat sempit.

MailChimp perlu menunjukkan alur kerja yang kompleks untuk pelanggan untuk pemangku kepentingan segera. Alat desain tradisional seperti Figma tidak dapat memberikan model awal yang mereka butuhkan. Beberapa insinyur MailChimp telah mencoba alat pengkodean kecerdasan buatan dengan tenang. Ketika mencapai tekanan tenggat waktu, mereka memutuskan untuk menguji alat -alat ini dengan tantangan nyata bagi bisnis.

“Kami sudah memiliki posisi yang menarik karena kami membutuhkan model pendahuluan untuk beberapa hal untuk para pemangku kepentingan kami, pada dasarnya hampir langsung, itu adalah alur kerja yang sangat rumit yang kami butuhkan untuk model awal,” Shevang Shah, kepala arsitek di Intuit Mailchimp, mengatakan kepada VentureBeat.

Insinyur MailChimp menggunakan alat pengkodean VEPBY dan terkejut dengan hasilnya.

Shah berkata: “Mungkin saja dibutuhkan hari -hari itu untuk melakukannya,” kata Shah. Kami berhasil melakukan ini dalam waktu dua jam, yang sangat menarik.

Sesi model awal memicu surat yang lebih luas dari alat pengkodean kecerdasan buatan. Sekarang, menggunakan alat -alat ini, perusahaan telah mencapai kecepatan pengembangan hingga 40 % lebih cepat sambil belajar pelajaran penting tentang tata kelola dan memilih alat manusia dan pengalaman yang dapat diterapkan oleh lembaga lain segera.

Pengembangan dari tanya jawab “untuk melakukan ini untuk saya”

Perjalanan MailChimp mencerminkan perubahan yang lebih luas dalam bagaimana pengembang berinteraksi dengan kecerdasan buatan. Awalnya, insinyur menggunakan AI untuk mengonversi untuk mendapatkan panduan dasar dan saran algoritma.

“Saya pikir bahkan sebelum pengkodean getaran menjadi sesuatu, banyak insinyur sudah mendapat manfaat dari alat kecerdasan buatan saat ini dan berbicara untuk melakukan beberapa bentuk – hei, apakah ini algoritma yang tepat untuk hal yang saya coba selesaikan?” Catatan Shah.

Model ini berubah terutama dengan alat pengkodean AI modern. Alih -alih pertanyaan dan jawaban sederhana, penggunaan alat menjadi lebih banyak tentang melakukan beberapa pekerjaan pengkodean.

Pergeseran dari konsultasi ke mandat ini adalah untuk mengusulkan nilai dasar yang sedang diperjuangkan oleh institusi saat ini.

Mailchimp dengan sengaja mengandalkan platform pengkodean AI yang disengaja, bukan satu penyatuan. Perusahaan menggunakan indikator, windsurf, mupment, qodo dan github kopilot berdasarkan visi dasar tentang spesialisasi.

Shah berkata: “Apa yang kami sadari, tergantung pada siklus pengembangan perangkat lunak Anda, alat yang berbeda memberi Anda manfaat yang berbeda atau pengalaman yang berbeda, seperti kehadiran seorang insinyur yang bekerja dengan Anda.”

Pendekatan ini mencerminkan bagaimana institusi menggunakan berbagai alat khusus untuk berbagai tahap pengembangan. Perusahaan menghindari solusi tunggal yang sesuai dengan semua orang yang mungkin unggul di beberapa daerah dengan kinerja yang buruk di orang lain.

Strategi ini muncul dari tes praktis alih -alih perencanaan teoretis. MailChimp telah menemukan melalui penggunaan bahwa alat yang berbeda mengungguli berbagai tugas dalam kemajuan pengembangan.

Kerangka kerja tata kelola mencegah kekacauan pengkodean kecerdasan buatan

Pusat pengkodean pengkodean terpenting di MailChimp tentang tata kelola. Perusahaan telah menerapkan pegangan dan operasi berbasis kebijakan yang dapat beradaptasi dengan perusahaan lain.

Kerangka kerja kebijakan mencakup ulasan internasional amnesti yang bertanggung jawab atas publikasi berbasis kecerdasan buatan yang memengaruhi data pelanggan. Kontrol operasi yang dijamin memastikan bahwa pengawasan manusia masih pusat. Kecerdasan buatan dapat melakukan simbol awal, tetapi persetujuan manusia masih diperlukan sebelum menerbitkan simbol produksi apa pun.

“Akan selalu ada manusia di episode ini,” Shah menegaskan. “Akan selalu ada seseorang yang harus meningkatkan, dan kita harus memeriksa ini, dan memastikan untuk menyelesaikan masalah yang tepat.”

Pendekatan lapisan ganda ini membahas masalah umum di antara institusi. Perusahaan menginginkan keunggulan kecerdasan buatan, sambil mempertahankan kualitas simbol dan standar keamanan.

Pembatasan konteks membutuhkan klaim strategis

Mailchimp menemukan bahwa alat pengkodean kecerdasan buatan menghadapi batasan yang luar biasa. Alat memahami pola pemrograman umum, tetapi tidak memiliki pengetahuan bisnis yang spesifik.

“Saya telah belajar kecerdasan buatan dari standar industri sebanyak mungkin, tetapi pada saat yang sama, itu mungkin tidak sesuai dengan perjalanan pengguna kami saat ini sebagai produk.”

Wawasan ini menyebabkan kesadaran yang menentukan. Pengkodean kecerdasan buatan yang sukses mengharuskan para insinyur untuk memberikan konteks yang semakin spesifik melalui klaim yang dibuat dengan cermat berdasarkan pengetahuan teknis dan komersial mereka.

“Saya masih perlu memahami teknologi, bisnis, bidang, rekayasa sistem, dan aspek hal -hal pada akhirnya, membantu kecerdasan buatan untuk memperkuat apa yang Anda ketahui dan apa yang dapat Anda lakukan,” jelas Shah.

Efek praktis dari institusi: Tim membutuhkan pelatihan pada kedua alat dan bagaimana mengomunikasikan konteks pekerjaan ke sistem kecerdasan buatan secara efektif.

Kesenjangan khas untuk produksi masih penting

Alat pengkodean kecerdasan buatan unggul dalam model primer yang cepat, tetapi MailChimp belajar bahwa model awal tidak menjadi simbol yang siap -untuk. Kompleksitas integrasi, persyaratan keamanan, dan pertimbangan struktur sistem masih membutuhkan pengalaman manusia yang hebat.

Shah memperingatkan: “Hanya karena kita memiliki model pendahuluan di tempatnya, kita tidak boleh melompat ke kesimpulan bahwa ini dapat dilakukan pada beberapa waktu.” “Model awal tidak sama dengan mengambil model awal ke produksi.”

Pelajaran ini membantu lembaga untuk memberikan harapan yang realistis tentang dampak alat pengkodean kecerdasan buatan pada jadwal waktu pengembangan. Alat sangat membantu dalam model awal dan pengembangan awal, tetapi mereka bukan solusi ajaib untuk seluruh siklus pengembangan perangkat lunak.

Transformasi strategis dari fokus menuju pekerjaan bernilai lebih tinggi

Efek transformasional tidak lebih kecepatan. Alat memungkinkan insinyur untuk fokus pada kegiatan bernilai lebih tinggi. MailChimp sekarang menghabiskan lebih banyak waktu dalam desain sistem, arsitektur, dan penyelesaian alur kerja pelanggan alih -alih tugas pengkodean berulang.

“Ini membantu kita menghabiskan lebih banyak waktu dalam desain dan arsitektur sistem,” Shah menjelaskan. “Lalu, bagaimana kita bisa menggabungkan semua alur kerja bersama untuk pelanggan kita dan tugas yang kurang duniawi.”

Pergeseran ini menunjukkan bahwa lembaga harus mengukur keberhasilan pengkodean kecerdasan buatan dengan cara yang melebihi produktivitas. Perusahaan harus melacak nilai strategis pekerjaan yang sekarang dapat ditentukan oleh pengembang manusia.

Kesimpulan dari institusi

Untuk lembaga yang ingin kepemimpinan dalam peningkatan pengembangan organisasi matematika, pengalaman MailChimp menunjukkan prinsip yang menentukan. Keberhasilan membutuhkan perlakuan alat pengkodean kecerdasan buatan sebagai asisten canggih yang mengobarkan pengalaman manusia daripada menggantinya.

Organisasi yang menguasai keseimbangan ini akan mendapatkan keuntungan kompetitif yang berkelanjutan. Mereka akan mencapai campuran kemampuan teknis yang benar sambil mengawasi manusia, mempercepat dengan tata kelola dan produktivitas dalam kualitas.

Untuk lembaga yang ingin mengadopsi alat pengkodean kecerdasan buatan nanti dalam kursus, perjalanan MailChimp menyediakan dari pengalaman berbasis krisis hingga perencanaan sistematis. Wawasan utama masih konsisten: Amnesty International meningkatkan pengembang manusia, tetapi pengalaman dan pengawasan manusia masih diperlukan untuk keberhasilan produksi.