Google успешно использует ИИ-инструменты для ускорения миграции внутреннего кода, сокращая время до 89%. В статье, опубликованной в препринте, рассказывается о том, как инженеры-программисты Google использовали большие языковые модели (LLM) для автоматизации отдельных частей процесса, что значительно сократило требуемые усилия.
Проекты Google по миграции кода включали замену 32-битных идентификаторов на 64-битные в кодовой базе Google Ads, обновление библиотек тестирования и переход с библиотеки времени Joda на стандартный пакет времени Java. Первоначально предполагалось, что на выполнение этих задач вручную уйдут сотни инженерных лет.
С помощью LLM инженеры могли быстро находить и обновлять код в миллионах строк. Инженер использовал пользовательские скрипты и поиск кода, чтобы найти идентификаторы, нуждающиеся в переносе, а затем с помощью инструментария на основе LLM предлагал изменения кода. Большая часть изменений кода (80%) генерировалась искусственным интеллектом, а остальные либо редактировались людьми, либо создавались ими самими.
Несмотря на то, что ИИ все еще нуждался в некоторой ручной проверке, этот процесс позволил сэкономить 50% времени по сравнению с традиционными методами. Например, переход с JUnit3 на JUnit4 занял всего три месяца, при этом 87% кода, сгенерированного искусственным интеллектом, не нуждалось в исправлениях. Временной переход с Joda на Java позволил сэкономить 89% ожидаемого времени перехода.