Hvorfor fremtiden for AI-kodegenerering er personliggørelse

Ifølge McKinsey, er den økonomiske effekt af GenAI størst på området for produktudvikling og kodeautomatisering, hvilket resulterer i en effekt på 900 milliarder dollars.

Lad os dykke dybere ind i tilstanden for kodeautomatisering, kodepersonliggørelse og dens potentiale.

Tilstanden for GenAI og kodeautomatisering i 2024

I 2023 eksploderede ChatGPT og Githubs kodestøtte, CoPilot, og blev mainstream blandt kodere. GPT og lignende modeller har vist, at LLM’er (store sprogmodeller) kan generere, fuldføre, omstrukturere og omdanne kode meget godt.

I dag findes der en række kodestøtter. Mens CoPilot betragtes som kategoriens leder, findes der GenAI-kodestøtter med forskellige specialer. For at nævne nogle:

• Anima specialiserer sig i front-end, hvor design omgøres til kode (f.eks. Figma til React)

• Codiums ekspertise ligger i at komponere tests og håndtere pull-requests

• Replit tilbyder en online, samarbejdsorienteret IDE med en dedikeret AI-støtte

• Tab9 tilbyder en on-prem, højt sikkerhedsniveau-løsning til virksomheder

Nye udfordrere til CoPilot annonceres hyppigt, f.eks. magic.dev og Poolside, der lover bedre ydelse og bedre oplevelse. Modellerne fortsætter med at udvikle sig – GPT5 forventes at blive annonceret snart, og LlamaCode tilbyder en højendt open-source-model, med finjusterede versioner, der dukker op på HuggingFace [kode-modellernes leaderboard]. Det er kun begyndelsen på kodeautomatisering med LLM’er.

Ifølge Github, øger CoPilot udviklingstiden med 55% [forskning]. Anima-brugere rapporterer at spare op til 50% af front-end-kodetiden [sagstudie], hvilket gør dem 2 gange hurtigere og resulterer i bedre produktkvalitet i forhold til brugeroplevelsen – og mindre ping-pong mellem designere og udviklere.

AI-kodepersonliggørelse

JavaScript er det mest populære kodningsprog (Github 2023), og React er det mest populære JavaScript-webframework, der bruges af over 40% af udviklere (Stackoverflow 2023).

Nu, hvis du tager 100 forskellige ingeniørhold, der bygger på React, finder du 100 forskellige kodestile.

Hver hold har sin teknologi-stack (sættet af teknologier, der bruges på software-arkitekturen). Nogle hold bruger open-source-biblioteker som Next.js, der giver dem mulighed for at optimere ydelsen. Nogle bruger UI-rammer som Radix, MUI eller Ant. Hold, der bruger React, skal tilføje pakker til statshåndtering, som React query, Redux, Mobx osv. Og der findes tusinder af andre populære open-source-JavaScript-biblioteker.

Derudover kan samme funktionalitet opnås på forskellige måder. Nogle hold foretrækker en CSS-grid-layout, mens andre foretrækker en Flex-layout og opnår samme resultater. Der findes syntaktiske præferencer. Nogle bruger klassiske JavaScript-funktioner, mens andre bruger pilefunktioner. Der findes navnekonventioner som camelCase, kebab-case og forskellige måder at navngive komponenter og funktioner på. Der findes endeløse måder at organisere din kode på, som f.eks. hvordan man indpakker open-source-komponenter, så kodegrænsefladen ser ens ud for open-source- eller proprietær kode.

Når man koder på et bestemt projekt, følger hver udvikler reglerne og konventionerne for den pågældende kodebase.

For at AI kan spille en nøglerolle i kodning for et ingeniørhold, skal det kode som holdet. Dette betyder, at AI skal have mange kontekster til at tilpasse og personliggøre sin kode.

Efterskrift: Potentialet i AI-kodegenerering

Vi er stadig kun lige begyndt at udforske GenAI-kapaciteterne.

Når vi diskuterer GenAI-modeller, skal personliggørelse betragtes som at give en model den bedste kontekst for sin opgave. At give den en god kontekst i forhold til den eksisterende kode, brugeroplevelsen og brugernes arbejde vil resultere i bedre resultater. For at udnytte GenAI-modellerne til deres fulde potentiale, pakker vi dem som produkter med understøttende systemer, der arbejder med “gammeldags” algoritmer og heuristikker. Dette er, hvordan vi maksimerer AI til sin fulde kapacitet.

Software vil fortsætte med at æde verden hurtigere og hurtigere, hvilket øger produktiviteten, marginerne og BNP.

CEO’er, IT-ledere og PM-ledere, der adopterer automatisering, vil give deres hold mulighed for at levere 2 gange og måske endda 5 gange hurtigere, hvilket giver dem en fordel i forhold til konkurrenterne. At bringe produkter hurtigere til markedet og til en lavere pris vil øge virksomhedernes marginer og øge BNP’et fra teknologi.

Billigere softwareudvikling betyder, at software kan løse flere problemer. Hvad der tidligere var ROI-negativt, vil blive ROI-positivt. Software, der løser niche-problemer, kan være værd at udvikle, hvis udviklingsomkostningerne er nede med 80%.

Flere mennesker vil kode, og de vil kode hurtigere. GenAI-agenter vil producere, teste og deployere kode, og mennesker vil udføre de kreative dele, udvikle mere arkitektur og brugeroplevelse end hvad der i dag betragtes som kodning. Jeg ser flere udviklerstillinger i fremtiden. Det sagde, udvikling vil udvikle sig til et højere abstraktionsniveau.