Dostawca oprogramowania chce zwiększyć produktywność programistów za pomocą sztucznej inteligencji. Który z poniższych wyborów najlepiej osiągnie ten cel?

Dodanie narzędzi do rekomendacji kodu zintegrowanych ze środowiskami IDE i łańcuchem narzędzi programistów najlepiej zwiększa produktywność, ponieważ bezpośrednio wspomaga programistów w ich codziennej pracy, sugerując uzupełnianie kodu, refaktoryzację czy wykrywanie błędów w czasie rzeczywistym. Trenowanie modelu klasyfikacji binarnej do pisania recenzji kodu jest mniej efektywne, ponieważ recenzje kodu wymagają złożonego rozumienia kontekstu i intencji. Wdrożenie systemu prognozowania defektów jest przydatne, ale nie zwiększa produktywności w takim stopniu jak bezpośrednie wsparcie w pisaniu kodu. Użycie modelu NLP do automatycznego generowania kodu jest ambitne, ale obecne technologie zazwyczaj wymagają znacznej weryfikacji i poprawek, co może nie zawsze przekładać się na wzrost produktywności.