AWS Kiro acelera el desarrollo de software al demostrar la corrección del código antes de su lanzamiento

Amazon Web Services Inc. Kiro está intentando eliminar el cuello de botella entre la planificación de la arquitectura y la ejecución del código con innovaciones en su herramienta de desarrollo de software de inteligencia artificial.

Las actualizaciones que se implementan hoy incluyen la ejecución de tareas paralelas y capacidades de flujo de trabajo de Quick Plan para ayudar a los desarrolladores a avanzar más rápido. A ellos se les ha unido un nuevo motor de análisis de condición diseñado para detectar problemas con el código antes de que se escriba una sola línea.

En una publicación de blog, el gerente de productos de AWS, Ankit Sharma, y ​​el ingeniero principal, Richard Threlkeld, explicaron que Kiro se basa en un «desarrollo de especificaciones» diseñado para ofrecer implementaciones de código de mayor calidad. Sin embargo, es un enfoque prudente que sacrifica algo que muchas organizaciones priorizan: la velocidad del desarrollador.

Por ejemplo, si a Kiro se le proporciona una especificación de función con 10 tareas y seis de ellas son independientes entre sí, sin puntos finales, archivos o estados compartidos, las completará secuencialmente, una tras otra, en lugar de todas a la vez. Además, para proyectos donde el usuario conoce el alcance y las limitaciones, el flujo de aprobación paso a paso de Kiro probablemente sea excesivo. Pero, por otro lado, hay casos en los que una función engañosamente simple «puede tener muchas suposiciones y ambigüedades no declaradas que pueden llevar la implementación en la dirección equivocada».

Desarrollo más rápido, menos complicaciones

Las actualizaciones de hoy representan el esfuerzo de AWS por optimizar el proceso de desarrollo de Kiro para que las implementaciones no vayan en la dirección equivocada. El nuevo motor de análisis de requisitos utiliza un proceso neurosimbólico de tres etapas que comienza con grandes modelos de lenguaje, reescribe requisitos vagos del usuario en criterios comprobables y luego los traduce nuevamente a la lógica formal. Esa lógica se envía a un solucionador de teorías del módulo de satisfacción, esencialmente un motor de razonamiento automatizado.

A diferencia de los LLM estándar, que funcionan prediciendo la siguiente palabra en una secuencia, el solucionador SMT utiliza las matemáticas para demostrar contradicciones. Si descubre que dos requisitos son lógicamente incompatibles (por ejemplo, una regla en la página 1 dicta una eliminación definitiva y una regla en la página 10 implica una eliminación suave), el solucionador identificará el conflicto como una imposibilidad matemática. Luego, Kiro presenta estos hallazgos en un lenguaje sencillo que los desarrolladores pueden entender, para que puedan solucionarlos rápidamente.

En cuanto a la ejecución de tareas paralelas, Kiro pretende resolver el problema descrito anteriormente al alimentar una especificación con múltiples tareas independientes. Funciona analizando el gráfico de dependencia de cada nuevo proyecto, identificando qué tareas carecen de estado, puntos finales y archivos. Luego se lanzarán simultáneamente en contextos aislados, lo que acelerará el tiempo general de desarrollo para especificaciones grandes de más de una hora a 15 minutos, dijo AWS.

Para complementar esto, AWS ha desarrollado Quick Plan, que es una forma rápida de crear funciones bien comprendidas. En lugar de solicitar aprobaciones paso a paso, Kiro primero hará algunas preguntas aclaratorias antes de comenzar a construir toda la pila.

Agentes de software inteligentes

Las actualizaciones de hoy podrían tener grandes implicaciones para los agentes autónomos de IA. Al aplicar el mismo rigor matemático utilizado en el diseño de hardware a la ingeniería de software, Kiro debería poder eliminar muchas de las «alucinaciones» que continúan plagando el desarrollo de la IA.

También deberían ayudar a que los agentes codificadores se sientan un poco más inteligentes. En muchos sentidos, los robots de codificación de IA existentes sienten que carecen de sentido común. Si un desarrollador recibe un plano que muestra una escalera que conduce a una pared de ladrillos sólidos, no cuestionará ese diseño, sino que lo construirá como se muestra. Con el motor de análisis de requisitos ahora presente, los robots de codificación pueden actuar como ingenieros estructurales que notarán el problema antes de que comience en los cimientos.

Imagen: SiliconANGLE/Microsoft Designer