Wie viele von Ihnen haben wir uns in letzter Zeit intensiv mit künstlicher Intelligenz (KI) und der Zukunft des Internets beschäftigt. Es gibt viele Informationen und es ist schwer zu wissen, was wir als Webentwickler genau wissen müssen.
Das Web ist viel größer als unser Team. Deshalb wollten wir wissen, wie Sie über KI denken, was Sie lernen möchten und was Sie mit diesen neuen Technologien anfangen wollen. So können wir dir am besten Inhalte zur Verfügung stellen, mit denen du dich von der Masse abheben kannst.
In den letzten Monaten haben wir uns mit Webentwicklern unterhalten, um mehr über die aktuelle Situation und Ihre Meinung zu KI zu erfahren. Natürlich können wir nicht mit allen über alles sprechen. Wir haben uns mit einer kleinen Gruppe von Webentwicklern unterhalten, darunter Google Developer Experts für Webentwicklung. Dabei ging es darum, wie Entwickler KI nutzen, um nutzerorientierte Funktionen bereitzustellen und die Produktivität in ihrem täglichen Workflow zu steigern.
Wir glauben, dass unsere Erkenntnisse auch für andere Nutzer im Web von Nutzen sein können. Wir dachten, dass die Community vielleicht daran interessiert ist, was wir gelernt haben.
Wir haben dieses Feedback und andere Recherchen zur Situation von Webentwicklern genutzt, um unsere neue KI-Sammlung zu erstellen. In dieser Sammlung finden Sie Übersichten für Webentwickler, Codelabs und Demos sowie andere Ressourcen, die Ihnen helfen, über KI-Tools und ‑Modelle im Web nachzudenken.
Und das ist erst der Anfang. In den kommenden Monaten werden wir noch viel mehr veröffentlichen.
Höhere Produktivität durch generative KI
Wir haben festgestellt, dass Webentwickler generative KI nutzen möchten, um ihre Produktivität zu steigern und mit Chatbots zu interagieren, um neue Technologien kennenzulernen oder Antworten auf ihre Fragen zur Webentwicklung zu erhalten.
Die Entwickler, mit denen wir gesprochen haben, verwenden entweder bereits KI in ihrem täglichen Workflow für geschäftliche oder private Projekte oder kennen jemanden, der das tut.
Codegenerierung
Wir haben von Ihnen erfahren, dass Codegenerierungstools wie Gemini und Copilot sich hervorragend für Standard-Unit-Tests, die einfache automatische Vervollständigung (wenn Sie wissen, was Sie schreiben möchten, aber es nur noch schreiben müssen) und einfachere Funktionen eignen, die kein umfassendes Wissen über die Codebasis erfordern. Diese Tools sind in der Regel weniger nützlich, wenn es darum geht, komplexere, algorithmische Codes und Funktionen zu schreiben, die einen breiten Kontext eines bestimmten Projekts erfordern.
Erfahrenere Entwickler äußerten Bedenken hinsichtlich der langfristigen Qualität ihrer Codebases, einschließlich Problemen mit Codeduplikaten und langfristiger Wartbarkeit. Einige befürchteten, dass weniger erfahrene Teammitglieder Fehler möglicherweise nicht erkennen oder nicht wissen, wie sie den von generativen KI-Tools erstellten Code richtig validieren können.
Entwickler haben auch berichtet, dass Anwendungsfälle, die spezifisches Fachwissen erfordern, z. B. das Schreiben barrierefreier Komponenten, von den von ihnen getesteten Tools zur Code-Generierung noch nicht richtig berücksichtigt werden.
Mit LLMs lernen
Viele Entwickler nutzen ChatGPT und Gemini, um Softwareentwicklungskonzepte zu lernen. Sie bitten beispielsweise ein großes Sprachmodell (LLM), die Funktionsweise eines Sortieralgorithmus zu erklären, sich in verschiedene Programmiersprachen einzuarbeiten oder Wissenslücken zu schließen.
Sie sind der Meinung, dass LLMs eine großartige Erfahrung bieten, da Fragen und Antworten schnell interagieren und KI die gestellten Fragen nicht kritisiert, sondern nur die benötigte Antwort liefert.
Auch hier gibt es Bedenken in Bezug auf weniger erfahrene Entwickler, da ein Mindestmaß an Wissen erforderlich ist, um die Fälle zu erkennen, in denen das Modell halluziniert und falsche Antworten generiert.
IP-Schutz als geschäftliches Anliegen
Viele der Entwickler, mit denen wir gesprochen haben, gaben an, dass ihre Unternehmen noch keine Richtlinien für die Verwendung generativer KI durch Entwickler zur Steigerung ihrer Produktivität haben. Die Verwendung generativer KI-Tools wird oft durch Entwickler vorangetrieben, die damit experimentieren.
„Mein Unternehmen versteht im Allgemeinen nicht, was KI bedeutet, daher werden nicht die richtigen Richtlinien erstellt.“
Unternehmen, die eine Richtlinie haben, raten jedoch in der Regel von der Nutzung ab, da sie befürchten, dass das geistige Eigentum des Unternehmens an Dritte weitergegeben wird. In einigen Fällen wurden solche Richtlinien geändert, nachdem wir uns direkt mit den Unternehmen hinter diesen Tools ausgetauscht haben, um zu verstehen, wie die Daten verwendet werden und welche potenziellen Risiken bestehen.
Mit Unternehmenskonten und Partnerschaften, die dem Datenschutz dienen, ist es wahrscheinlicher, dass Unternehmen die Nutzung durch Entwickler fördern.
Generative KI für nutzerorientierte Produktfunktionen
Auf Produktseite war es für uns keine Überraschung, dass die Antwort oft auf generativer KI basierte, wenn wir unsere Konversation mit dem Begriff „KI / ML“ begonnen haben. Entwickler möchten wissen, wie sie generative KI nutzen können, um die Nutzerfreundlichkeit zu verbessern. Sie sind sich jedoch nicht sicher, wie diese Verbesserungen aussehen und welche Tools zur Verfügung stehen, um sie in der Produktion umzusetzen.
Für Entwickler, die generative KI-Funktionen in ihre Produkte integriert haben oder gerade integrieren, ist die Verwendung von generativer KI zur Beantwortung von Nutzerfragen über Chatbots oder einmalige Schnittstellen der häufigste Anwendungsfall.
Die Qualität der Ausgabe ist das größte Problem, das Sie uns gemeldet haben. Insbesondere möchten Entwickler sicherstellen, dass die Antworten korrekt sind, und verhindern, dass das LLM Inhalte generiert, die nicht mit dem beabsichtigten Ziel zusammenhängen. Das gilt insbesondere, wenn die Ausgabe des LLM direkt für Nutzer bestimmt ist, z. B. bei einem Chatbot.
„Demos mit KI sind der Wahnsinn. Jedes Mal, wenn ich mein Projekt demonstriere, ist die Ausgabe völlig anders.“
Sie investieren viel Zeit in die Erstellung von Test-Suites, um die Ausgaben generativer KI für eine Vielzahl von Prompts zu validieren, aber es gibt keine klare und etablierte Methode, um die Antworten zu testen oder zu überwachen. Die meisten Bewertungsaufgaben sind manuell. Viele Entwickler sind es nicht gewohnt, mit nicht deterministischen Ausgaben umzugehen. Als Community haben wir noch keine Systeme entwickelt, die gut mit ihnen funktionieren.
Die Kosten für die Ausführung eines generativen KI-Modells sind ebenfalls ein wichtiger Faktor und Entwickler wägen die Kosten sorgfältig gegen die Vorteile für ihre Nutzer ab.
Standardmodelle im Vergleich zu benutzerdefinierten Modellen
Die meisten Entwickler, mit denen wir gesprochen haben, haben sich in der Regel auf vorgefertigte Modelle und APIs verlassen. So konnten wir die Markteinführungszeit und den Einsatz von Engineering-Zeit und -Wissen optimieren, die begrenzt waren.
„Ich möchte im Bereich der Webentwicklung bleiben. Ich möchte kein ML-Engineer werden.“
Entwickler sind sich der potenziellen Vorteile fortschrittlicher Techniken wie RAG (Retrieve Augment-Generate) und Fine-Tuning bewusst, möchten sich aber lieber auf den Webentwicklungsaspekt ihrer Arbeit konzentrieren. Letztendlich möchten Sie lieber die Standardtools verwenden oder sich darauf verlassen, dass andere Teams optimierte Modelle für ihre Anwendungsfälle erstellen.
Die Feinabstimmung ist der Prozess, bei dem ein Modell, das bereits mit einem großen Dataset trainiert wurde, für einen bestimmten Zweck oder eine bestimmte Domain weiter modifiziert wird.Bedenken zu Datenschutz und Sicherheit
Datenschutz und Sicherheit waren die größten Bedenken, insbesondere in Branchen mit strengen Datenanforderungen wie der Medizinbranche. KI auf dem Gerät kann der Schlüssel zur Bewältigung dieser Anwendungsfälle sein, aber dieser Bereich ist noch weitgehend unerforscht.
Die Weitergabe von Nutzerdaten an mehr Drittanbieter über Cloud-APIs ist ein Problem. Viele Entwickler sehen den Wert von On-Device-Maschinellem Lernen oder generativer KI, um potenzielle Datenschutz- und Sicherheitsrisiken zu minimieren.
KI für Webentwickler
KI ist überall und entwickelt sich in einem unglaublichen Tempo weiter. Wie können wir auf dem Laufenden bleiben, vorhandene Tools und Modelle einbinden oder mit ML-Entwicklern zusammenarbeiten, um neue Modelle zu erstellen, die am besten zu unseren Anforderungen passen?
Basierend auf dem, was wir von Ihnen gelernt haben, arbeiten wir an einer Anleitung zu KI für Webentwickler. Wir möchten Ihnen helfen, KI-Konzepte auf einem hohen Niveau zu verstehen, Möglichkeiten zur Nutzung generativer KI zur Steigerung der Produktivität zu entdecken und KI zu verwenden, um mit vorhandenen Tools, Modellen und APIs ansprechende Nutzererlebnisse zu schaffen. Wir werden die KI-Sammlung regelmäßig mit neuen Inhalten aktualisieren.
Die meisten Webentwickler konzentrieren sich lieber auf das, was sie am besten können – die Webentwicklung. Wir möchten jedoch alle, die tiefer in die Materie eintauchen möchten, dazu ermutigen, die Tools, Modelle und APIs zu entwickeln, die Webentwickler benötigen. Wir möchten von Ihnen hören und erfahren, wie wir Sie bei Ihrem Erfolg unterstützen können.
KI ist ein sich schnell entwickelnder Bereich. Wir werden uns also weiterhin mit der Community austauschen und weitere Gespräche und Umfragen durchführen. Wenn Sie mit uns sprechen möchten, vereinbaren Sie eine Sprechstunde mit unserem Team.