Qoder CN Series:AsiaInfo : pratiques de R&D intelligentes

Qoder CN

AsiaInfo se concentre sur les opérations B2B. Fondée en 1993, AsiaInfo est devenue l'une des premières entreprises high-tech à être cotée au NASDAQ (National Association of Securities Dealers Automated Quotations) en 2000. En 2010, AsiaInfo s'est imposée comme un fournisseur leader de produits et services logiciels de télécommunications en Chine. L'entreprise est passée sous statut privé en 2014 avant d'être de nouveau cotée sur le marché principal de Hong Kong en 2018. En 2022, AsiaInfo a acquis iResearch, élargissant ainsi son activité de conseil numérique. L'entreprise a développé trois systèmes de produits principaux : numérique, cloud et IT réseau. Cela fait d'AsiaInfo un fournisseur leader de produits et services IT et un pionnier des capacités de données full-stack.

AsiaInfo connaît une croissance continue de ses revenus et s'efforce d'atteindre les 10 milliards. Les produits phares d'AsiaInfo détiennent environ 50 % de parts de marché dans le secteur des logiciels de systèmes de support commercial (BSS) de l'industrie des télécommunications, ce qui positionne l'entreprise comme un leader du secteur. Les produits d'AsiaInfo servent plus d'un milliard d'utilisateurs. Cette rubrique décrit les aspects suivants des pratiques de R&D intelligentes d'AsiaInfo : contexte de la R&D intelligente, assistant de codage intelligent, processus de mise en œuvre, résultats de l'évaluation et plans futurs.

01

Contexte de la R&D intelligente

AsiaInfo fait face à des défis, tels que la pression opérationnelle. Les rapports financiers d'AsiaInfo montrent un ralentissement de la croissance dans l'industrie des télécommunications. Pour résoudre ce problème, AsiaInfo doit développer des outils et des produits capables de réduire les coûts et d'améliorer l'efficacité. L'entreprise subit également une pression liée aux exigences de qualité des clients. La plupart des clients accordent une importance croissante au renforcement de la sécurité et à la gestion de la qualité. AsiaInfo vise à introduire des outils et des produits susceptibles d'améliorer la qualité et de réduire les échecs en production ainsi que les vulnérabilités à haut risque. L'entreprise est une société de logiciels composée principalement de personnel technique, avec environ 15 000 employés. Avec la R&D intelligente, une amélioration de 10 % ou même de 5 % peut générer des avantages significatifs. AsiaInfo exprime donc une forte demande pour la R&D intelligente.

En observant les tendances du secteur, nous constatons que des entreprises majeures telles qu'Alibaba, Baidu et Microsoft ont lancé des produits de R&D intelligente. Les données en ligne indiquent que GitHub compte 1,8 million d'abonnés payants. Le rapport sur les développeurs de JetBrains montre que plus de 70 % des utilisateurs interagissent avec des services d'IA générative. D'un point de vue général, la R&D intelligente est techniquement réalisable. À l'heure actuelle, les grandes entreprises nationales et internationales ainsi que les start-ups se concentrent sur la réalisation de la R&D intelligente durant la phase de développement.

De même, AsiaInfo explore également les pratiques de R&D intelligente lors de la phase de développement. La prochaine étape pour AsiaInfo consiste à sélectionner un assistant de programmation intelligent.

02

Raisons du choix de Qoder CN

AsiaInfo a conçu un modèle complet de sélection et d'évaluation des outils. Ce modèle effectue une évaluation basée sur plusieurs catégories, notamment le support commercial, la sécurité et l'adaptabilité aux scénarios. Chaque catégorie dispose de critères détaillés avec une échelle de notation allant de 1 à 5.

Par exemple, si un outil intelligent est fourni gratuitement, il obtient la note de 5 pour le support commercial. En revanche, un outil coûteux reçoit une note faible. Le modèle évalue la sécurité du code d'un outil intelligent selon les critères suivants : prise en charge du déploiement privé, capacités de gestion de la sécurité et prise en charge des langages de programmation couramment utilisés.

Le modèle évalue les capacités scénaristiques d'un outil intelligent sur la base des critères suivants : complétion de code, génération en langage naturel, commentaires de code et questions-réponses. Le modèle intègre également des cas de test incluant des cas d'utilisation courants et des cas typiques dans le développement métier. Ce modèle d'évaluation scientifique aide AsiaInfo à sélectionner l'outil le plus adapté.

Lors de l'évaluation de la sélection des outils, quatre produits ont été présélectionnés : parmi les produits internationaux, Bito, basé sur la technologie OpenAI, et GitHub Copilot, qui dispose du plus grand référentiel de code. Deux produits nationaux ont également été retenus : Alibaba Cloud Qoder CN et le plugin Baidu Comate.

AsiaInfo attribue des pondérations à chaque capacité en fonction de la R&D produit, de la livraison de projet, des opérations et maintenance (O&M) et d'autres activités connexes.

Par exemple, AsiaInfo accorde la priorité la plus élevée à la sécurité du code lorsqu'elle sert des entreprises B2B. Après avoir collecté les informations, effectué les évaluations et exécuté les cas d'utilisation, AsiaInfo a constaté qu'Alibaba Cloud Qoder CN offrait les meilleures performances lors de l'évaluation globale. Outre l'évaluation des capacités techniques et des fonctionnalités des outils, le modèle examine également si un outil intelligent peut prendre en charge les divers scénarios d'utilisation requis par AsiaInfo.

Sur la base de l'analyse de l'entreprise, AsiaInfo répond aux scénarios d'utilisation suivants de l'outil intelligent :

Le scénario d'utilisation interne, qui implique le déploiement de l'outil intelligent utilisé par AsiaInfo pour soutenir la R&D de produits internes. Ce scénario se caractérise par des participants hautement qualifiés, une équipe composée de milliers de membres et un rythme de R&D trimestriel ou annuel. L'environnement d'utilisation entier reste interne à l'entreprise.

Le scénario d'utilisation collaborative, qui consiste à utiliser l'outil intelligent sur le site du service client. Dans ce scénario, AsiaInfo et plusieurs fournisseurs partagent l'outil intelligent, ce qui nécessite des rôles dans divers aspects tels que la conception, le développement, les O&M et autres opérations connexes. L'équipe entière utilise continuellement l'outil intelligent sur une base mensuelle, trimestrielle ou annuelle. L'outil est utilisé sur le réseau interne et le processus d'utilisation est strictement géré, incluant une gestion complète du code généré et des actifs documentaires.

Le scénario de collaboration sur projet, qui implique l'utilisation de l'outil intelligent au sein des organisations clientes pour livrer un seul projet. Dans ce scénario, des développeurs seniors, intermédiaires et juniors sont affectés selon les exigences du scénario. La plupart des projets suivent un cycle court de 2 à 3 mois. La gestion des actifs respecte des réglementations strictes.

Pour les trois scénarios précédents, Qoder CN propose deux solutions : Qoder CN Édition Individuelle et Qoder CN Édition Privée.

Pour le scénario d'utilisation interne, Qoder CN fournit l'Édition Individuelle. Cette édition crée un réseau VPC dédié sur Alibaba Cloud et déploie Qoder CN Édition Individuelle pour l'usage exclusif d'AsiaInfo. Le VPC peut être connecté au réseau interne d'AsiaInfo via un VPN, permettant aux développeurs d'accéder à un service intranet.

La version dédiée de Qoder CN présente des avantages significatifs. Cela signifie que le déploiement entier du produit, y compris les ressources de calcul et de communication du modèle sous-jacent, est fourni par Alibaba Cloud. De plus, Alibaba Cloud est responsable des mises à jour ultérieures du produit et des itérations du modèle de Qoder CN. En termes de coût, cette solution affiche également une forte compétitivité.

L'Assistant de Codage IA Édition Individuelle est conçu pour les scénarios collaboratifs et de collaboration sur projet. Qoder CN prend en charge le déploiement privé, ce qui oblige les utilisateurs à préparer les ressources de déploiement, y compris les rôles O&M pour les mises à jour du produit et du modèle. Un avantage clé de l'Assistant de Codage IA Édition Individuelle réside dans l'isolation complète du système par rapport à Internet, garantissant ainsi la sécurité et protégeant les actifs tout au long du processus de déploiement. Bien que le coût soit relativement élevé, Qoder CN constitue le meilleur choix tant en matière de capacités techniques du produit que de prise en charge des exigences spécifiques aux scénarios d'AsiaInfo.

03

Processus de mise en œuvre et évaluation des effets

**Processus de mise en œuvre de Qoder CN chez AsiaInfo**

Le processus de mise en œuvre se compose de trois phases. Premièrement, différents types d'équipes de mise en œuvre sont constitués, notamment une équipe de R&D en intelligence numérique, une équipe de livraison pour la Province A et une équipe d'expansion hors province pour la Province B. Deuxièmement, chaque phase est planifiée sur un cycle de mise en œuvre de 2 à 3 semaines. Durant le processus, l'équipe de R&D produit Alibaba Qoder CN apporte un support rapide pour les défauts identifiés.

Conception du modèle d'évaluation de l'efficacité et de l'efficience

AsiaInfo analyse également les résultats durant le processus d'utilisation. L'entreprise conçoit des modèles d'évaluation de l'efficacité et de l'efficience pour évaluer scientifiquement l'applicabilité de l'outil « Alibaba Qoder CN ». Le modèle d'évaluation de l'efficacité à gauche sert à évaluer l'utilisation de chaque capacité et à déterminer le temps économisé sur la base d'une évaluation experte après l'utilisation de l'Assistant de Codage IA. Le modèle calcule également le temps total économisé pour chacune et l'ensemble des capacités, telles que la complétion de code, la génération de commentaires, la génération de tests unitaires et les questions-réponses sur les connaissances en développement. Sur la base d'une semaine de travail de 40 heures par programmeur, le modèle calcule l'augmentation de l'efficacité moyenne de programmation par membre de l'équipe.

Le modèle d'évaluation de l'efficience à droite comprend deux parties : l'efficacité de livraison des exigences de bout en bout et le taux d'échappement des défauts produit. Avant l'utilisation de l'Assistant de Codage IA, l'équipe d'AsiaInfo collecte les métriques associées. Au cours des deux premiers mois d'utilisation de l'Assistant de Codage IA, les métriques sont surveillées pour observer si l'efficacité de livraison des exigences montre une tendance continue à la hausse et si le taux d'échappement des défauts produit présente une tendance continue à la baisse.

Visualisation des métriques d'évaluation et analyse des opérations d'utilisation

AsiaInfo a développé un tableau de bord de visualisation des métriques pour le modèle d'évaluation de l'efficacité. Ce tableau de bord affiche les modes d'utilisation des différentes équipes et capacités. Il révèle que la fonctionnalité de complétion de code possède la fréquence d'utilisation la plus élevée, avec des taux d'adoption variables selon les équipes. La fonctionnalité de questions-réponses sur les connaissances arrive en deuxième position en termes de fréquence d'utilisation, mais affiche un taux d'adoption plus faible.

AsiaInfo a également développé un tableau de bord de visualisation des métriques pour le modèle d'évaluation de l'efficience. Ce tableau de bord présente les données agrégées pour chaque capacité et les économies de temps évaluées par les experts. L'équipe de R&D a agrégé les économies de temps et appliqué des règles de calcul, constatant ainsi une augmentation de 10 % de l'efficacité de codage. Toutefois, l'augmentation pour les équipes de livraison reste relativement limitée.

La section suivante décrit les métriques clés pour les trois équipes. Équipe de R&D en intelligence numérique : taux d'adoption de 36 % pour la complétion de code, taux d'adoption de 6,4 % pour les questions-réponses sur les connaissances et amélioration de plus de 10 % de l'efficacité de programmation. Équipe de livraison pour la Province A : taux d'adoption de 22,7 % pour la complétion de code, taux d'adoption de 4,1 % pour les questions-réponses sur les connaissances, amélioration de 1 % de l'efficacité de programmation, réduction de 1 % de l'efficacité de livraison des exigences et réduction de 71 % du taux d'échappement des défauts produit. Équipe d'expansion hors province pour la Province B : taux d'adoption de 25,9 % pour la complétion de code, taux d'adoption de 6,4 % pour les questions-réponses sur les connaissances, amélioration de 1,2 % de l'efficacité de programmation, amélioration de 18,4 % de l'efficacité de livraison des exigences et réduction de 69 % du taux d'échappement des défauts produit.

AsiaInfo a tiré des conclusions à partir des métriques clés. Qoder CN performe bien en matière de complétion de code, avec un taux de précision compris entre 20 % et 30 %. Cependant, le taux d'adoption pour les questions-réponses sur les connaissances reste à un chiffre, ce qui indique que l'Assistant de Codage IA doit être amélioré dans ce domaine. En ce qui concerne l'efficacité de programmation, des différences significatives existent entre les différentes équipes. S'agissant de l'efficacité de livraison des exigences, les performances varient considérablement d'une équipe à l'autre, certaines affichant des baisses tandis que d'autres montrent des améliorations.

L'analyse approfondie révèle que l'Assistant de Codage IA ne représente qu'une partie du processus de développement logiciel. Pour améliorer l'efficacité et l'efficience globales de l'équipe, l'Assistant de Codage IA doit être combiné avec l'ensemble complet des systèmes DevOps. Une amélioration globale peut être obtenue en identifiant les goulets d'étranglement au sein de l'équipe et les rôles clés dont la productivité est limitée, conjointement avec l'utilisation d'outils de programmation intelligents.

AsiaInfo a également recueilli les retours des équipes. En matière de capacités des outils, plus de 50 % des développeurs trouvent les fonctionnalités de complétion de code et de questions-réponses sur les connaissances bénéfiques. Parmi eux, 16 % jugent ces fonctionnalités très bonnes et 49 % assez bonnes. La majorité des développeurs estime que Qoder CN peut effectivement améliorer l'efficacité du développement.

04

Perspectives futures pour l'intelligence en R&D

Pour l'avenir, AsiaInfo s'engage non seulement à réaliser l'empowerment intelligent durant la phase de codage, mais aussi à maintenir une perspective optimiste dans sa réflexion et sa planification. Par exemple, AsiaInfo évalue la possibilité d'étendre cet empowerment à l'ensemble de son processus de développement logiciel afin de résoudre les problèmes d'efficacité pour les développeurs juniors et intermédiaires. L'entreprise envisage également le développement d'outils intelligents adaptés aux scénarios pour simplifier leur utilisation. Pour relever ces défis, AsiaInfo prévoit de développer une boîte à outils de développement logiciel visant à améliorer l'efficacité du développement.

AsiaInfo utilise Alibaba Cloud Qoder CN et ses capacités de modèle de fondation sous-jacent pour construire un nouvel outil doté d'agents intelligents. Durant la phase de conception, AsiaInfo souhaite que l'outil intelligent comprenne les exigences et génère des documents d'exigences et de conception. Lors de la phase de développement, l'entreprise attend de l'outil intelligent qu'il convertisse les maquettes frontend en code frontend en quelques clics. Durant la phase de développement backend, AsiaInfo espère que l'outil intelligent générera efficacement des modèles de données et du code backend.

En matière de déploiement, AsiaInfo examine si les cas de déploiement réussis peuvent servir à générer une solution de déploiement pour le projet actuel et fournir des stratégies de résolution d'erreurs. Concernant la sécurité, l'entreprise étudie si l'outil intelligent peut aider à identifier les vulnérabilités à haut risque et à optimiser la sécurité. Au niveau de l'exécution, AsiaInfo considère si l'outil intelligent peut s'intégrer aux outils de surveillance APM (Application Performance Management) en ligne ou aux outils de recherche d'AsiaInfo pour effectuer une optimisation proactive des interfaces à haute fréquence, des interfaces lentes et des interfaces SQL lentes à haute fréquence. La section suivante décrit deux outils intelligents typiques : ChatDoc et D2C.

ChatDoc est un outil dédié à la rédaction intelligente de documents. ChatDoc sert à générer des documents de conception, y compris des documents d'appel d'offres de projet, et peut produire des documents Word contenant des sommaires, des chapitres, du contenu partiellement réécrit, ainsi que des schémas structurels et des organigrammes.

Pour générer des documents de conception, AsiaInfo prévoit d'utiliser la technologie d'intégration de LLM multimodaux. Une autre fonctionnalité de ChatDoc consiste à générer des fichiers PPT, notamment un document PPT complet, une page PPT individuelle et un document PPT complet à partir d'un document Word. Chat Doc prend également en charge la collaboration et le partage de documents. AsiaInfo vise à améliorer l'efficacité et la qualité durant la phase de conception grâce à l'utilisation de ChatDoc.

D2C est un outil capable de générer rapidement du code frontend. Les développeurs frontend et les designers communiquent fréquemment sur les détails de conception, notamment lorsque les maquettes changent souvent. Par conséquent, le processus de communication s'avère chronophage et laborieux. AsiaInfo souhaite que D2C analyse les designs Figma et génère du code frontend en quelques clics grâce à la technologie de modèles DSL (Domain-Specific Language). Cela permet aux développeurs frontend de se concentrer sur la logique métier.

AsiaInfo prévoit d'utiliser un LLM multimodal pour comprendre les maquettes de design sous forme d'images et générer efficacement du code frontend. L'entreprise s'attend à ce que l'outil améliore considérablement l'efficacité de l'équipe. Telle est la pratique de R&D intelligente d'AsiaInfo.

En résumé :

Premièrement, AsiaInfo utilise Alibaba Cloud Qoder CN pour renforcer la phase de codage. Cette pratique s'étend continuellement au sein de l'entreprise et se trouve actuellement en phase de promotion.

Deuxièmement, AsiaInfo vise à construire une boîte à outils intelligente couvrant l'ensemble de son processus de développement logiciel. AsiaInfo et Alibaba Cloud explorent activement ce domaine. AsiaInfo espère tirer parti des capacités d'Alibaba Cloud Qoder CN, spécifiquement les capacités du modèle de fondation sous-jacent, pour bâtir une boîte à outils intelligente qui renforce l'intégralité du processus et améliore significativement l'efficacité et la qualité du développement au sein des diverses équipes d'AsiaInfo.