Care este rolul programatorului în noua eră AI și ce ar trebui acesta să facă? Sunt câteva din întrebările panelului nostru de discuții din luna aprilie. Mi-a făcut plăcere să îi avem invitați la panel pe:

• George Todoran - Principal AI Architect @ BMW TechWorks Romania,

• Ioana Barboș - Lead AI Engineer @ RebelDot,

• Tudor Mărghidan - Senior Software @ f2pool.

Serverul MCP Playwright expune capabilitățile de automatizare ale Playwright printr-o interfață standardizată, permițând agenților AI să navigheze și să testeze aplicații web în timp real. Spre deosebire de automatizarea tradițională cu selectori hardcodați, agenții AI primesc descrieri semantice ale paginii și execută acțiuni. Obiectivul testării se mută spre generare de cod, interacțiune cu agenți și servere MCP și analiza și revizuirea codului generat.

În Git Flow concurent, una dintre problemele care se văd cel mai greu este contaminarea cross-release: un commit perfect valid ajunge în release-ul greșit. Buildul poate trece, testele pot fi verzi, iar code review-ul poate să nu indice nimic suspect. Problema apare abia când îți dai seama că acel cod aparținea unui release viitor și a intrat într-un release care se pregătește deja de deploy.

În multe companii, cele mai valoroase informații se află într-un PDF uitat într-un folder partajat. Proceduri, rapoarte, contracte, specificații tehnice sau documente de conformitate conțin răspunsuri importante, însă accesul la ele depinde adesea de structura arhivelor interne, de denumiri de fișiere, de versiuni păstrate în paralel și de memoria oamenilor care știu „unde trebuie căutat”. Informația există, dar nu este întotdeauna pregătită pentru a fi folosită în mod sistematic.

Discuția despre IA în software development ajunge inevitabil la aceeași întrebare: va mai fi nevoie de dezvoltatori? Experiența noastră cu Spec Kit arată că întrebarea este greșit formulată. Nu dezvoltatorul dispare, ci se schimbă locul în care acesta aduce valoare: mai puțin în scrierea manuală a codului și mai mult în definirea corectă a problemei.

Producerea unor release notes corecte și consecvente într-un mediu de producție modern este surprinzător de dificilă. Echipele de dezvoltatori gestionează în mod obișnuit patru sau mai multe sisteme deconectate: Jira pentru urmărirea sarcinilor, GitHub Enterprise pentru pull requesturi, baze de date Oracle pentru modificări de schemă și Confluence ca destinație canonică de publicare - fără niciun instrument care să le integreze simultan. Rezultatul este un proces manual, predispus la erori, care întârzie lansările, produce documente inconsistente și consumă timp prețios de dezvoltare cu muncă de rutină. Acest articol prezintă Release Notes Automation, un lanț intern de instrumente care elimină complet acest proces, bazat pe o arhitectură pe trei layere: un generator CLI în Java 17, microservicii Spring Boot de tip MCP(Model Context Protocol) și un Wizard de introducere a datelor găzduit pe GitHub Pages.

Peste 1.250 de dispozitive cu IA sunt acum autorizate de FDA. Întrebarea nu mai este dacă să implementezi IA în MedTech. Întrebarea este dacă organizația ta poate guverna ceea ce a implementat deja. Piața dispozitivelor medicale cu IA a fost evaluată la 13,7 miliarde de dolari în 2024, cu proiecții care depășesc 255 de miliarde de dolari până în 2033. La nivelul lunii iulie 2025, FDA (Food and Drug Administration) listează peste 1.250 de dispozitive medicale cu IA autorizate pentru comercializare în SUA, față de 950 de dispozitive cu douăsprezece luni în urmă. Aceasta reprezintă o creștere de 32% într-un singur an.

Sistemele de educație tradiționale au fost proiectate pentru o economie industrială în care memorarea și execuția repetitivă aduceau valoare. De exemplu, un tehnician care memora pe de rost manualele de operare ale utilajelor era esențial pentru productivitate, deoarece accesul la informație era lent, iar orice minut pierdut căutând într-un manual fizic însemna pierderi financiare. Astăzi, aceste competențe sunt rapid automatizate de inteligența artificială, iar piața muncii recompensează cu precădere gândirea critică, luarea deciziilor în condiții de incertitudine și rezolvarea de probleme complexe, abilități pe care școala actuală le dezvoltă deficitar.

Publicat în Numărul 166 Citeşte mai mult

Trăim într-o perioadă în care inteligența artificială a trecut de la statutul de tehnologie emergentă la cel de infrastructură esențială. Algoritmii decid ce informații vedem, ce tranzacții sunt suspecte, ce diagnostice sunt probabile și, din ce în ce mai mult, ce decizii sunt optime pentru organizații și guverne. Companii precum OpenAI, Google DeepMind sau Anthropic au accelerat dezvoltarea modelelor avansate, transformând inteligența artificială într-un element central al economiei digitale. În acest context, securitatea nu mai poate fi o etapă ulterioară sau un mecanism reactiv.

Publicat în Numărul 166 Citeşte mai mult

Sistemele RAG (Retrieval Augmented Generation) s-au bucurat de o adopție explozivă sub promisiunea reducerii deficiențelor modelelor de limbaj prin conectarea lor la surse de date customizate. În loc să se bazeze exclusiv pe cunoștințele acumulate în timpul antrenării, arhitectura RAG își propune reducerea riscului de halucinații prin ancorarea modelelor de limbaj în fapte și date relevante.