Подъём AI-native разработки ПО

Генеративный ИИ (GenAI), большие языковые модели (LLM) и зарождающийся агентный ИИ представляют собой самую разрушительную трансформацию в истории инженерии ПО, переформатируя процессы разработки, требуемые компетенции, профессиональные роли и образовательные результаты, которые должны обеспечивать университеты. Статья представляет систематический обзор 48 проверенных влиятельных рецензируемых публикаций (2016-2026) из ведущих площадок по инженерии ПО, машинному обучению, образованию в области вычислений, человеко-ИИ-сотрудничеству и продуктивности разработки.

Работы были найдены, отобраны и проанализированы через исследовательский воркфлоу из четырёх агентов (Literature Discovery, Scientometric Analysis, Curriculum Transformation и Workforce Impact) и проверены по первоисточникам. Авторы синтезируют свидетельства по девяти темам и трём траекториям - практика, образование и рабочая сила - и фиксируют наукометрический перелом, когда годовой объём публикаций «LLM для инженерии ПО» вырос примерно в пять раз после конца 2022 года.

Из этого синтеза вытекают: (i) концептуальная рамка AI-native инженерии ПО, организованная вокруг намерения (intent), сотрудничества и верификации; (ii) модель компетенций из девяти измерений, охватывающая спецификацию, критическую оценку, оркестрацию агентов и метапознание; (iii) дорожная карта университетской программы из четырёх фаз с ИИ-устойчивым оцениванием; (iv) стратегии развития преподавателей и трансформации рабочей силы; (v) приоритизированная повестка из одиннадцати исследовательских пробелов. База свидетельств внутренне противоречива в отношении величины и направления эффектов продуктивности, подчёркивая, что выгоды сильно зависят от контекста, а обучение инженеров суждению, верификации и оркестрации - а не только производству кода - является центральным вызовом AI-native эпохи.