Who’s Devin: The World’s First AI Software Engineer

В марте 2024 года Cognition AI наделала шума, представив Devin — то, что компания назвала «первым в мире ИИ-инженером-программистом». Построенный на базовой модели GPT-4 от OpenAI, Devin был спроектирован для автономного решения сложных инженерных задач — от написания кода и отладки до развёртывания ПО. Обещание звучало смело: Devin изменит ландшафт разработки софта, предложив бизнесу ИИ-альтернативу инженерам-людям.

Однако когда пыль улеглась, реальность оказалась более многогранной. Хотя Devin действительно продемонстрировал впечатляющие возможности, при ближайшем рассмотрении возникли вопросы к его реальной производительности, и обнажились некоторые существенные ограничения. Вот всесторонний разбор Devin, его возможностей, подъёма ИИ-агентов и того, почему такие платформы, как Voiceflow, могут быть лучшей альтернативой для бизнеса, ищущего ИИ-решения.

Devin AI: что он, по заявлениям, умеет

Devin был запущен с грандиозными ожиданиями. ИИ-модель создавалась для автономного выполнения широкого спектра задач программной инженерии, в том числе:

Генерация кода и отладкаРазвёртывание ПО и рефакторингОбнаружение багов и оптимизация

Cognition AI наделала шума, продемонстрировав способность Devin выполнять фриланс-задачи на платформах вроде Upwork, где ИИ показывали за выполнением инженерных работ, обычно требующих человеческой экспертизы. Возможность автономно генерировать программные решения в ответ на инструкции на естественном языке вызвала ажиотаж, и многие предположили, что ИИ скоро заменит инженеров-людей.

Скандал с задачей на Upwork: где Devin не дотянул

Однако промо-материалы Devin попали под огонь после того, как YouTube-канал Internet of Bugs обнажил существенные изъяны в работе ИИ. В одной из демонстраций Devin было поручено решить инженерную задачу, размещённую на Upwork. Изначальный проект требовал составить подробные инструкции для выполнения инференса с моделями в EC2-инстансе на AWS — задача, требующая понимания как программных зависимостей, так и специфических конфигураций.

Однако Devin получил только часть описания задачи, упустив критически важный контекст из второй половины, что привело к фундаментальному провалу: Devin не смог выполнить задачу так, как ожидалось, поскольку ему не хватало необходимого понимания проблемы.

Кроме того, Devansh, инженер по машинному обучению, отметил, что задача, похоже, была «вишенкой на торте», подобранной так, чтобы выставить Devin в наилучшем свете. Ошибки и проблемы, с которыми столкнулся Devin, были не только избежны, но и нанесены им самому себе. Например, хотя Devin действительно обнаружил баг, это был баг, который он сам и создал, что демонстрирует его способность исправлять собственные ошибки, а не прорывные навыки решения проблем.

По части производительности Internet of Bugs подчеркнул, что инженеры-люди могут выполнить задачу примерно за 30 минут, тогда как Devin потратил часы на её решение.

Сильные стороны Devin: скорость и автономные функции

Несмотря на изъяны, вскрытые в промо-видео, Devin по-прежнему обладает значительным потенциалом как автономный ИИ-инструмент для программной инженерии. К его ключевым сильным сторонам относятся:

Прирост скорости: Cognition утверждает, что Devin может выполнять задачи на 80% быстрее, чем прежде, благодаря улучшенным способностям к принятию решений, которые сокращают необходимость в повторном решении одних и тех же проблем.Автономное исправление багов: Devin умеет находить и устранять баги, что делает его потенциально ценным инструментом для постоянного сопровождения ПО.Интеграция с GitHub: ИИ может бесшовно работать внутри существующих процессов разработки, автоматически реагируя на pull request (PR) и взаимодействуя с пользователями-людьми для получения обратной связи.

Однако эти возможности идут с оговорками. Хотя Devin безусловно может автоматизировать некоторые аспекты программной инженерии, ему ещё далеко до того, чтобы заменить разработчиков-людей в сложных, непредсказуемых задачах.

Подъём ИИ-агентов: что дальше?

Появление Devin — часть более широкой тенденции, в рамках которой ИИ-агенты становятся всё более способными автоматизировать задачи, традиционно выполнявшиеся людьми. От клиентского сервиса до программирования — ИИ-агенты вроде Devin раздвигают границы возможного в автоматизации. Но ИИ-агенты не ограничиваются только разработкой ПО — они также призваны улучшать операционную деятельность в самых разных отраслях, помогая бизнесу автоматизировать процессы, взаимодействовать с клиентами и оптимизировать рабочие потоки.

Voiceflow: лучшая платформа для создания ИИ-агентов

Хотя Devin AI можно считать первопроходцем в сфере программной инженерии, он по-прежнему сосредоточен на нише — автономном программировании. Для бизнеса, который хочет масштабировать автоматизацию по различным подразделениям, Voiceflow предлагает более универсальное и доступное решение. Главный вывод из недочётов Devin — бизнесу совсем не обязательно нужен специализированный ИИ вроде Devin, чтобы автоматизировать свои операции. С такими платформами, как Voiceflow, бизнес может проектировать ИИ-агентов, которые гибки, масштабируемы и адаптируемы к широкому спектру задач — без необходимости фокусироваться на конкретном кейсе вроде программной инженерии.

Voiceflow — это no-code-платформа, созданная, чтобы помогать бизнесу строить ИИ-агентов, способных взаимодействовать с клиентами и автоматизировать рабочие процессы. В отличие от Devin, заточенного именно под программную инженерию, Voiceflow создан для построения агентов conversational AI, способных справляться со всем — от клиентского сервиса до генерации лидов. Более 250 000 команд всех размеров уже присоединились к Voiceflow, чтобы создавать собственных ИИ-агентов. Присоединяйтесь и вы — это бесплатно!