Qoder CN Series:Asiainfo: práticas de P&D inteligente

A AsiaInfo tem foco em operações B2B. Fundada em 1993, a empresa tornou-se uma das primeiras companhias de alta tecnologia listadas na National Association of Securities Dealers Automated Quotations (NASDAQ), em 2000. Em 2010, consolidou-se como uma das principais fornecedoras de produtos e serviços de software para telecomunicações na China. A empresa fechou seu capital em 2014 e voltou a ser listada, desta vez no Hong Kong Main Board, em 2018. Em 2022, a AsiaInfo adquiriu a iResearch, ampliando ainda mais seu negócio de consultoria digital. A companhia desenvolveu três sistemas principais de produtos: digital, cloud e rede de TI. Isso posiciona a AsiaInfo como uma provedora líder de produtos e serviços de TI e pioneira em capacidades de dados full-stack.

A AsiaInfo cresce continuamente em receita e persegue a marca de 10 bilhões. Os produtos essenciais da empresa detêm cerca de 50% de participação de mercado no segmento de software de sistemas de suporte a negócios do setor de telecomunicações, o que a posiciona como líder no setor. Os produtos da AsiaInfo atendem mais de 1 bilhão de usuários. Este tópico descreve os seguintes aspectos das práticas de P&D inteligente da AsiaInfo: contexto de P&D inteligente, assistente de codificação inteligente, processo de implementação, resultados da avaliação e planos futuros.

01

Contexto de P&D inteligente

A AsiaInfo enfrenta desafios como pressão operacional. Os relatórios financeiros da empresa apontam desaceleração do crescimento no setor de telecomunicações. Para resolver essa questão, a AsiaInfo precisa desenvolver ferramentas e produtos que reduzam custos e aumentem a eficiência. A companhia também sofre pressão por conta das exigências de qualidade dos clientes. A maioria dos clientes vem intensificando o foco em segurança e gestão de qualidade. A AsiaInfo busca introduzir ferramentas e produtos que elevem a qualidade e reduzam falhas em produção e vulnerabilidades de alto risco. Trata-se de uma empresa de software formada majoritariamente por profissionais técnicos, com cerca de 15.000 colaboradores. No contexto de P&D inteligente, um ganho de 10% ou mesmo de 5% já representa benefícios expressivos. Por isso, a demanda por P&D inteligente é forte na AsiaInfo.

Ao observar as tendências do setor, notamos que grandes empresas como alibaba, Baidu e Microsoft lançaram produtos de P&D inteligente. Dados online mostram que o GitHub conta com 1,8 milhão de assinantes pagos. O relatório para desenvolvedores da JetBrains aponta que mais de 70% dos usuários utilizam services de IA generativa. Em uma visão ampla, o P&D inteligente é tecnicamente viável. Atualmente, grandes corporações e startups nacionais e internacionais concentram-se em viabilizar o P&D inteligente na fase de desenvolvimento.

Da mesma forma, a AsiaInfo também explora práticas de P&D inteligente na fase de desenvolvimento. O próximo passo é selecionar um assistente de programação inteligente.

02

Motivos para escolher o Qoder CN

A AsiaInfo elaborou um modelo abrangente de seleção e avaliação de ferramentas. O modelo avalia com base em várias categorias, entre elas suporte comercial, segurança e adaptabilidade a cenários. Cada categoria possui critérios detalhados, com escala de pontuação que varia de 1 a 5.

Por exemplo, se uma ferramenta inteligente é oferecida gratuitamente, ela recebe pontuação 5 em suporte comercial. Já uma ferramenta de alto custo recebe pontuação baixa. O modelo avalia a segurança do código de uma ferramenta inteligente com base nos seguintes critérios: suporte a deployment privado, capacidades de gestão de segurança e suporte às linguagens de programação mais utilizadas.

O modelo avalia as capacidades por cenário de uma ferramenta inteligente com base nos seguintes critérios: code completion, geração em linguagem natural, comentários de código e Q&A. O modelo também inclui casos de teste que abrangem casos de uso comuns e cenários típicos do desenvolvimento de negócios. Esse modelo de avaliação científica ajuda a AsiaInfo a selecionar a ferramenta mais adequada.

Na avaliação de seleção de ferramentas, quatro products foram pré-selecionados: entre os internacionais, o Bito, baseado na tecnologia da OpenAI, e o GitHub Copilot, que conta com o maior repositório de código. Dois products nacionais também foram pré-selecionados: o Alibaba Cloud Qoder CN e o plugin Baidu Comate.

A AsiaInfo atribui pesos a cada capacidade com base em P&D de product, entrega de projetos, O&M e outras operações relacionadas.

Por exemplo, a AsiaInfo dá a maior prioridade à segurança de código ao atender empresas B2B. Após coletar informações, avaliar e executar casos de uso, a AsiaInfo constatou que o Alibaba Cloud Qoder CN obteve o melhor desempenho na avaliação abrangente. Além de avaliar capacidades técnicas e recursos da ferramenta, o modelo também verifica se uma ferramenta inteligente consegue oferecer suporte aos diversos cenários de uso exigidos pela AsiaInfo.

Com base na análise da empresa, a AsiaInfo atende aos seguintes cenários de uso da ferramenta inteligente:

O cenário de uso interno, que envolve o deployment da ferramenta inteligente utilizada pela AsiaInfo para apoiar o P&D de products internos. Esse cenário conta com participantes altamente qualificados, equipes de milhares de integrantes e um ritmo de P&D trimestral ou anual. Todo o ambiente de uso permanece dentro da empresa.

O cenário de uso colaborativo, que envolve a utilização da ferramenta inteligente no site de atendimento ao cliente. Nesse cenário, a AsiaInfo e diversos fornecedores compartilham a ferramenta, que exige atuação em múltiplas frentes, como design, desenvolvimento, O&M e outras operações relacionadas. A equipe inteira utiliza continuamente a ferramenta em base mensal, trimestral ou anual. A ferramenta opera na rede interna, e o processo de uso segue gestão rigorosa, incluindo o controle abrangente do código e dos ativos de documentação gerados.

O cenário de colaboração em projeto, que envolve o uso da ferramenta inteligente dentro das organizações dos clientes para entregar um único projeto. Nesse cenário, desenvolvedores sênior, pleno e júnior são alocados conforme os requisitos do cenário. A maioria dos projetos segue um ciclo curto de 2 a 3 meses. A gestão de ativos obedece a regulamentações rigorosas.

Para os três cenários anteriores, o Qoder CN oferece duas soluções: Qoder CN Individual Edition e Qoder CN Private Edition.

Para o cenário de uso interno, o Qoder CN disponibiliza a Individual Edition. Essa edição cria uma rede VPC dedicada no Alibaba Cloud e faz o deployment do Qoder CN Individual Edition para uso exclusivo da AsiaInfo. A VPC pode ser conectada à rede interna da AsiaInfo por meio de uma VPN, o que permite aos desenvolvedores acessar um service de intranet.

A versão dedicada do Qoder CN apresenta vantagens significativas. Todo o deployment do product, incluindo os recursos de computação e comunicação do modelo subjacente, fica a cargo da Alibaba Cloud. Além disso, a Alibaba Cloud responde pelas atualizações posteriores do product e pelas iterações do modelo do Qoder CN. Em termos de custo, a solução também demonstra forte competitividade.

O AI Coding Assistant Individual Edition foi projetado para os cenários colaborativo e de colaboração em projeto. O Qoder CN oferece suporte a deployment privado, o que exige que os usuários preparem os recursos de deployment, incluindo funções de O&M para upgrades de product e modelo. Uma vantagem essencial do AI Coding Assistant Individual Edition é o isolamento total do sistema em relação à Internet, o que garante segurança e protege os ativos ao longo de todo o processo de deployment. Embora o custo seja relativamente alto, o Qoder CN é a melhor escolha tanto em capacidades técnicas de product quanto em suporte aos requisitos por cenário da AsiaInfo.

03

Processo de implementação e avaliação de resultados

Processo de implementação do Qoder CN na AsiaInfo

O processo de implementação compreende três fases. Primeiro, formaram-se equipes de implementação de diferentes tipos, entre elas uma equipe de P&D de inteligência digital, uma equipe de entrega para a Província A e uma equipe de expansão fora da província para a Província B. Em seguida, cada fase é programada com um ciclo de implementação de 2 a 3 semanas. Durante o processo, a equipe de P&D do product alibaba Qoder CN presta suporte ágil para os defeitos identificados.

Elaboração do modelo de avaliação de eficiência e efetividade

A AsiaInfo também analisa os resultados durante o uso. A empresa elabora modelos de avaliação de eficiência e efetividade para avaliar cientificamente a aplicabilidade da ferramenta "alibaba Qoder CN". O modelo de avaliação de eficiência, à esquerda, avalia o uso de cada capacidade e determina quanto tempo foi economizado, com base na avaliação de especialistas após a adoção do AI Coding Assistant. O modelo também calcula o tempo total economizado para cada capacidade e para todas em conjunto, como code completion, geração de comentários, geração de testes unitários e Q&A de conhecimento de desenvolvimento. Considerando uma jornada semanal de 40 horas por programador, o modelo calcula o aumento médio de eficiência de programação por integrante da equipe.

O modelo de avaliação de efetividade, à direita, contempla duas partes: a eficiência de entrega de requisitos de ponta a ponta e a taxa de escape de defeitos do product. Antes da adoção do AI Coding Assistant, a equipe da AsiaInfo coleta métricas relacionadas. Nos dois primeiros meses de uso do AI Coding Assistant, as métricas são monitoradas para observar se a eficiência de entrega de requisitos apresenta tendência contínua de alta e se a taxa de escape de defeitos do product mantém tendência contínua de queda.

Visualização de métricas de avaliação e análise operacional de uso

A AsiaInfo desenvolveu um painel de visualização de métricas para o modelo de avaliação de eficiência. O painel exibe os padrões de uso de diferentes equipes e capacidades, indicando que o recurso de code completion apresenta a maior frequência de uso, com taxas de adoção variadas entre as equipes. O recurso de Q&A de conhecimento ocupa o segundo lugar em frequência de uso, mas registra uma taxa de adoção mais baixa.

A AsiaInfo também desenvolveu um painel de visualização de métricas para o modelo de avaliação de efetividade. O painel apresenta dados agregados por capacidade e as economias de tempo avaliadas por especialistas. A equipe de P&D consolidou as economias de tempo, aplicou regras de cálculo e constatou que a eficiência de codificação aumentou 10%. No entanto, o ganho para as equipes de entrega ficou relativamente limitado.

A seção a seguir descreve as principais métricas das três equipes. Equipe de P&D de inteligência digital: 36% de taxa de adoção de code completion, 6,4% de taxa de adoção de Q&A de conhecimento e ganho superior a 10% em eficiência de programação. Equipe de entrega da Província A: 22,7% de taxa de adoção de code completion, 4,1% de taxa de adoção de Q&A de conhecimento, 1% de ganho em eficiência de programação, 1% de redução na eficiência de entrega de requisitos e 71% de redução na taxa de escape de defeitos do product. Equipe de expansão fora da província da Província B: 25,9% de taxa de adoção de code completion, 6,4% de taxa de adoção de Q&A de conhecimento, 1,2% de ganho em eficiência de programação, 18,4% de ganho em eficiência de entrega de requisitos e 69% de redução na taxa de escape de defeitos do product.

A AsiaInfo tirou conclusões a partir das principais métricas. O Qoder CN tem bom desempenho em code completion, com taxa de precisão entre 20% e 30%. Porém, a taxa de adoção do Q&A de conhecimento permanece na casa de um dígito, o que indica que o AI Coding Assistant precisa evoluir nesse recurso. Quanto à eficiência de programação, existem diferenças significativas entre as equipes. Já em relação à eficiência de entrega de requisitos, o desempenho varia bastante entre as equipes, com algumas apresentando queda e outras, melhora.

A análise aprofundada mostra que o AI Coding Assistant representa apenas uma parte do processo de desenvolvimento de software. Para elevar a eficiência e a efetividade globais da equipe, é preciso combiná-lo com todo o conjunto de sistemas de DevOps. A melhoria abrangente ocorre ao identificar gargalos dentro da equipe e as funções-chave com produtividade limitada, associados ao uso de ferramentas inteligentes de programação.

A AsiaInfo também coletou feedback das equipes. Quanto às capacidades da ferramenta, mais de 50% dos desenvolvedores consideram os recursos de code completion e Q&A de conhecimento benéficos. Entre eles, 16% classificam os recursos como muito bons e 49% como razoavelmente bons. A maioria dos desenvolvedores acredita que o Qoder CN consegue melhorar a eficiência de desenvolvimento de forma efetiva.

04

Considerações futuras para a inteligência em P&D

Olhando adiante, a AsiaInfo dedica-se não apenas a habilitar inteligentemente a fase de codificação, mas também a manter uma visão otimista no pensamento e no planejamento. Por exemplo, a empresa avalia se deve estender essa capacitação a todo o seu processo de desenvolvimento de software, com o objetivo de resolver problemas de eficiência para desenvolvedores júnior e pleno. A companhia também considera criar ferramentas inteligentes baseadas em cenários para simplificar o uso. Para enfrentar esses desafios, a AsiaInfo planeja desenvolver um kit de ferramentas de desenvolvimento de software que aumente a eficiência.

A AsiaInfo utiliza o Alibaba Cloud Qoder CN e as capacidades do foundation model subjacente para construir uma nova ferramenta com agentes inteligentes. Na fase de design, a AsiaInfo espera que a ferramenta compreenda os requisitos e gere documentos de requisitos e de design. Na fase de desenvolvimento, a empresa espera que a ferramenta converta rascunhos de design de frontend em código de frontend com poucos cliques. Na fase de desenvolvimento backend, espera-se que a ferramenta gere modelos de dados e código backend de forma eficiente.

Em relação ao deployment, a AsiaInfo avalia se casos bem-sucedidos podem servir de base para gerar uma solução de deployment para o projeto atual e fornecer estratégias de resolução de erros. Quanto à segurança, considera se a ferramenta inteligente pode ajudar a identificar vulnerabilidades de alto risco e otimizar a segurança. No que diz respeito ao runtime, a AsiaInfo pondera se a ferramenta consegue se integrar a ferramentas online de application performance management (APM) ou às ferramentas de busca da AsiaInfo para realizar otimização proativa em interfaces de alta frequência, interfaces lentas e interfaces SQL lentas de alta frequência. A seção a seguir descreve duas ferramentas inteligentes típicas: ChatDoc e D2C.

O ChatDoc é uma ferramenta de redação inteligente de documentos. Ele é utilizado para gerar documentos de design, incluindo documentos de licitação de projetos, e pode gerar documentos Word com sumários, capítulos, conteúdo parcialmente reescrito, além de diagramas estruturais e fluxogramas.

Para gerar documentos de design, a AsiaInfo planeja utilizar tecnologia de integração de LLM multimodal. Outro recurso do ChatDoc é a geração de arquivos PPT, incluindo a criação de um documento PPT completo, de uma página de PPT e de um documento PPT completo com base em um documento Word. O ChatDoc também oferece suporte à colaboração e ao compartilhamento de documentos. A AsiaInfo busca melhorar a eficiência e a qualidade na fase de design ao adotar o ChatDoc.

O D2C é uma ferramenta capaz de gerar código de frontend rapidamente. Desenvolvedores de frontend e designers precisam se comunicar frequentemente sobre detalhes de design, sobretudo quando os rascunhos são alterados com frequência. Como resultado, o processo de comunicação consome muito tempo e esforço. A AsiaInfo busca que o D2C interprete designs do Figma e gere código de frontend com poucos cliques, utilizando tecnologia de templates de domain-specific language (DSL). Isso permite que os desenvolvedores de frontend concentrem-se na lógica de negócios.

A AsiaInfo planeja usar um LLM multimodal para compreender rascunhos de design em imagem e gerar código de frontend de maneira eficiente. A empresa espera que a ferramenta aumente significativamente a eficiência das equipes. Essa é a prática de P&D inteligente da AsiaInfo.

Em resumo:

Primeiro, a AsiaInfo utiliza o Alibaba Cloud Qoder CN para capacitar a fase de codificação. Essa prática expande-se continuamente dentro da empresa e encontra-se atualmente na fase de promoção.

Segundo, a AsiaInfo tem como objetivo construir um kit de ferramentas inteligente para todo o seu processo de desenvolvimento de software. AsiaInfo e Alibaba Cloud exploram ativamente essa frente. A AsiaInfo espera aproveitar as capacidades do Alibaba Cloud Qoder CN, sobretudo as capacidades do foundation model subjacente, para construir um kit de ferramentas inteligente que habilite o processo de ponta a ponta e eleve significativamente a eficiência e a qualidade de desenvolvimento das diversas equipes da AsiaInfo.