Questo articolo è stato pubblicato in origine su The New Stack.
Di recente, il Platform Engineering ha fatto scalpore tra le aziende del mondo IT, stabilendo nuove pratiche per i team DevOps e per lo sviluppo software. Effettivamente, studi recenti hanno previsto l’adozione di massa di questo approccio tecnologico emergente nei prossimi anni.
Il Platform Engineering rimodella tutti gli aspetti del ciclo di vita dello sviluppo software affrontando le complessità di IDE, plugin, toolchain, repository, creazione di ambienti e incompatibilità. L’intelligenza artificiale (AI) non farà eccezione, introducendo i vantaggi dell’automazione e della semplificazione dei workflow per i platform team e sviluppatori.
L’integrazione di Machine Learning (ML), AI in DevOps e Platform Engineering ha il potenziale per rivoluzionare lo sviluppo software e la gestione delle infrastrutture. Sfruttando le capacità analitiche dell’AI, i platform engineer possono ottimizzare l’allocazione delle risorse, identificare i colli di bottiglia e spianare la strada a un ridimensionamento senza soluzione di continuità, il tutto con una precisione e una velocità senza precedenti.
L’evoluzione dell’AI nel Platform Engineering
Mentre i continui progressi tecnologici hanno portato numerosi vantaggi alle organizzazioni e ai team di sviluppatori, hanno anche introdotto una crescente complessità nel ciclo di vita dello sviluppo software (Software Development Life Cycle, SDLC). Gli sviluppatori che un tempo si concentravano principalmente sulla scrittura di codice sono diventati improvvisamente responsabili dell’intero SDLC.
Il Platform engineering è emerso come il golden path per alleviare alcune delle difficoltà degli sviluppatori, astraendone la complessità. Questa disciplina comprende le metodologie ben definite e standardizzate a cui gli sviluppatori aderiscono all’interno di una Internal Developer Platform (IDP), garantendo un’esperienza di sviluppo fluida e operazioni efficienti.
L’AI è stata introdotta nel Platform Engineering per migliorare tutti questi vantaggi e potenziare ulteriormente gli sviluppatori. L’A nel Platform Engineering automatizza le attività di routine come la gestione delle modifiche al codice, il test del software, le integrazioni complesse e la gestione dei problemi di sicurezza. Ciò permette agli sviluppatori di concentrarsi maggiormente su attività più creative e strategiche, migliorando la loro esperienza e di conseguenza riducendo esponenzialmente il carico cognitivo.
Caratteristiche delle piattaforme basate su AI
Le piattaforme basate su AI, o AI-powered platform, offrono una varietà di funzionalità che i team possono utilizzare per semplificare i workflow e migliorare l’efficienza e la sicurezza delle applicazioni. Tra queste:
Esperienza di sviluppo migliorata
Uno degli scopi principali del Platform Engineering è migliorare l’esperienza dello sviluppatore. Un IDP basato sull’intelligenza artificiale può fornire agli sviluppatori uno strumento di pair programming, velocizzando il lavoro e migliorando la qualità del codice. L’intelligenza artificiale può anche liberare gli sviluppatori da attività secondarie, o che apportano meno valore ,se associate a interfacce no-code e sviluppatori che si occupano di tali attività. Ciò consente una gestione più democratizzata e accelerata dell’intero SDLC.
Provisioning e configurazione self-service
Gli algoritmi di AI possono analizzare automaticamente la storia di utilizzo di pattern, le richieste real-time e e la disponibilità delle risorse per allocare server, storage e database. Le AI-powered platform possono garantire un’infrastruttura affidabile, eliminando la necessità di configurazione e provisioning manuali e risparmiando ai platform engineer tempo e sforzi preziosi. Poiché queste piattaforme sono state addestrate su modelli di dati estesi che consentono loro di comprendere le esigenze e le preferenze individuali degli sviluppatori, possono fornire risorse quando necessario. Di conseguenza, possono essere utilizzate per personalizzare gli ambienti di sviluppo e generare configurazioni con uno sforzo manuale minimo.
Sicurezza e compliance automatizzate
Le organizzazioni raccolgono una quantità crescente di dati ogni giorno. Di conseguenza, le aziende devono gestire e amministrare moli di dati e informazioni personali, assicurandosi che rimangano sicuri e protetti. I team possono ridurre il rischio di non conformità e le sanzioni associate automatizzando processi cruciali come la gestione dei record e assicurandosi che le attività vengano eseguite in conformità con i protocolli e gli standard di governance del settore, un vantaggio nei mercati altamente regolamentati. Il rilevamento delle anomalie basato sull’AI può aiutare a rilevare e prevenire le frodi analizzando record e transazioni e identificando e prevenendo le minacce alla sicurezza.
Crescenti preoccupazioni riguardo l’AI nel Platform Engineering
Sebbene l’AI abbia un potenziale immenso per rivoluzionare il Platform Engineering, la sua integrazione presenta diverse sfide e solleva preoccupazioni che richiedono un’attenta considerazione:
- Affrontare potenziali bias e preoccupazioni etiche nelle AI-powered platform: Con l’evoluzione delle capacità in ambito AI, sorgono preoccupazioni etiche riguardanti bias sugli algoritmi, correttezza e possibile uso improprio. L’output sarà probabilmente distorto se l’input dei dati è distorto. Tuttavia, sviluppatori, manager e tech leader possono dare priorità all’equità lavorando attivamente per garantire che i set di dati utilizzati per la formazione dei modelli di intelligenza artificiale siano diversificati e imparziali.
- Garantire la privacy e la sicurezza dei dati durante tutto il ciclo di vita dello sviluppo: Con la crescente quantità di dati gestita dalle organizzazioni, ci sono crescenti preoccupazioni sul fatto che l’IA possa essere utilizzata per aumentare il pericolo di data breach ed esporre informazioni private. L’integrazione dell’IA nelle piattaforme può introdurre nuove vulnerabilità di sicurezza che i malintenzionati potrebbero potenzialmente sfruttare. Pertanto, misure di sicurezza robuste come penetration test e vulnerability assessment sono diventate fondamentali per mitigare i potenziali rischi e le conseguenze indesiderate delle nostre piattaforme.
- Bilanciare l’automazione con la supervisione e il controllo umani: Poiché i sistemi di intelligenza artificiale diventano più sofisticati e integrati in varie piattaforme, garantire una relazione armoniosa tra automazione e coinvolgimento umano è fondamentale. Tuttavia, la maturità e l’affidabilità di questa ondata di tecnologia sono incerte, causando una certa resistenza tra gli adopter e le crescenti preoccupazioni tra gli utenti. Pertanto, gli sviluppatori e i platform engineer devono determinare il modo migliore per lavorare con i sistemi intelligenti per ottenere i migliori risultati.
Come possono i platform engineer massimizzare l’impatto dell’AI?
Il trend dell’IA cresce di pari passo con il suo ruolo nel Platform Engineering. Ecco come le organizzazioni e i platform team possono massimizzare l’impatto dell’IA.
Democratizzazione dello sviluppo dell’AI
Dall’avvento dell’IA, sviluppo, implementazione e utilizzo sono stati limitati a grandi organizzazioni e giganti della tecnologia dotati di enormi risorse come Microsoft, Google e Apple. Di conseguenza, lo sviluppo di prodotti AI richiede spesso competenze specialistiche, tra cui data science, machine learning e programmazione.
Le organizzazioni possono dedicare tempo alla formazione e all’istruzione dei membri del team con competenze AI limitate e incorporare piattaforme AI più user-friendly con una piccola curva di apprendimento. Possono anche fornire agli sviluppatori una libreria di modelli AI pre-addestrati che coprono attività comuni come l’ottimizzazione dell’infrastruttura, la previsione dell’allocazione delle risorse e il rilevamento delle anomalie.
Dare priorità alla sicurezza della piattaforma AI
È importante garantire affidabilità e sicurezza nelle nostre pipeline d dati. Ciò significa implementare misure di sicurezza robuste durante le fasi di raccolta, archiviazione ed elaborazione dei dati per prevenire violazioni e accessi non autorizzati. Possiamo addestrare i nostri modelli di IA sfruttando esempi per renderli più resistenti agli attacchi. Le organizzazioni possono anche utilizzare tecniche come la convalida degli input, lo stacking dei modelli e dropout layer per garantire che i modelli siano più affidabili. Ciò promuoverà invariabilmente una maggiore fiducia negli output dell’IA ed eviterà bias o manipolazioni.
Prospettive future
L’interesse per il Platform Engineering e l’intelligenza artificiale è al massimo storico nel 2024. Secondo le previsioni di Gartner , entro il 2026, l’80% delle grandi organizzazioni che si occupano di Platform Engineering costituirà platform team come provider interni di servizi, componenti e strumenti riutilizzabili per il delivery di applicazioni. Con la crescente domanda di efficienza, miglioramento della produttività e prestazioni da parte di team di sviluppatori e platform team, si prevede che il mercato dell’AI generativa crescerà da 11,3 miliardi di dollari nel 2023 a 51,8 miliardi di dollari entro il 2028 a un tasso di crescita annuale composto del 35,6%, secondo i report di Research and Markets.
Stiamo assistendo all’impatto dell’IA nel Platform Engineering e sullo sviluppo software e al modo in cui plasma il futuro di questi settori. La sinergia tra queste tecnologie porta a una trasformazione nel ciclo di vita dello sviluppo software che le organizzazioni e gli sviluppatori sono ansiosi di accogliere.
