Microsoft presenta herramientas Copilot adicionales para Azure

A su Encender 2023 En la conferencia, Microsoft presentó esta semana una vista previa de las herramientas Copilot para simplificar la administración del servicio en la nube Azure, así como una herramienta que agiliza la creación e implementación de aplicaciones de inteligencia artificial (IA) en la plataforma Azure.

Además, Microsoft lanzó Estudio Microsoft Copilotouna herramienta de bajo código que automatiza el proceso de creación de complementos de integración de datos y agrega copilotos personalizados dentro de la herramienta Microsoft Copilot para Microsoft 365 lanzada anteriormente por Microsoft.

Copiloto de Microsoft para Azure aprovecha los modelos de lenguaje grande (LLM) para permitir que los equipos de TI utilicen lenguaje natural para crear, configurar, descubrir y solucionar problemas de servicios de Azure. También permite a los equipos de TI crear pedidos complejos, hacer preguntas y optimizar costos.

Erin Chapple, vicepresidenta de Azure Core en Microsoft, dijo a los asistentes de Ignite que Microsoft, junto con un puñado de clientes, ya utiliza Microsoft Copilot Azure para administrar la infraestructura de Azure.

A largo plazo, está claro que Microsoft está avanzando hacia la racionalización de la creación e implementación de aplicaciones de IA utilizando Estudio de IA de Azure, un marco para invocar modelos de IA que Microsoft pone a disposición en la plataforma Azure. El objetivo es permitir a las organizaciones crear sus propios copilotos basados ​​en modelos de IA que hayan entrenado.

Aún es temprano para que las organizaciones aprovechen los modelos de IA para crear aplicaciones, pero ya está claro que DevOps y las operaciones de aprendizaje automático (MLOps), así como las mejores prácticas de ingeniería de datos y la ciberseguridad, tendrán que converger. Microsoft defiende Azure AI Studio como el marco que permitirá a las organizaciones de TI alcanzar este objetivo.

Por supuesto, Microsoft no es el único proveedor de recursos de infraestructura de TI con ambiciones similares, pero gracias a sus inversiones en OpenAI y la adquisición de GitHub, es el más avanzado en términos de definir un marco para crear aplicaciones de IA a gran escala. La semana pasada, GitHub presentó una vista previa de una extensión de las herramientas Copilot que ya proporciona para ayudar a los desarrolladores a escribir código que aproveche la IA generativa para sugerir automáticamente un plan editable para crear una aplicación basada en descripciones en lenguaje natural ingresadas en el software de gestión de proyectos GitHub Issues. Copilot Workspace generará documentos editables con un solo clic que se pueden usar para crear código que los desarrolladores luego podrán inspeccionar visualmente. Cualquier error descubierto por los desarrolladores de aplicaciones o la plataforma Copilot Workspace también se puede corregir automáticamente.

Al mismo tiempo, GitHub ha ampliado el alcance y alcance de Copilot Chat para facilitar a los desarrolladores el uso del lenguaje natural para descubrir problemas en su código base.

La IA generativa ya está teniendo un gran impacto en la velocidad a la que se desarrollan las aplicaciones, pero aún es necesario revisar este código. Chat GPT se basa en un modelo de lenguaje extendido (LLM) de propósito general que se entrena extrayendo código de diferente calidad de toda la web. Como resultado, el código generado por la plataforma puede contener vulnerabilidades o resultar ineficaz. En muchos casos, los desarrolladores profesionales prefieren escribir su propio código.

Por supuesto, no todas las tareas de programación requieren el mismo nivel de experiencia en codificación. En muchos casos, ChatGPT, por ejemplo, generará un script que se puede reutilizar con confianza en un flujo de trabajo de DevOps. No faltan desarrolladores mediocres que ahora escriben mejor código gracias a herramientas como GitHub Copilot y, pronto, los LLM de dominios específicos permitirán escribir mejor código de manera consistente basado en ejemplos de código validados.

El próximo desafío será encontrar una manera de manejar volúmenes cada vez mayores de código. No hay duda de que la IA se aplicará a la gestión de procesos de DevOps, pero al menos por ahora, el ritmo al que se aplica la IA para escribir código ya está superando la capacidad de los equipos de DevOps para manejarlo.