Warum die Zukunft der AI-Code-Generierung Personalisierung ist

Laut McKinsey ist der wirtschaftliche Einfluss von GenAI am größten im Bereich der Produktentwicklung und der Codierung, was zu einem Einfluss von 900 Milliarden Dollar führt.

Lassen Sie uns tiefer in den Zustand der Codierung, der Codierungspersonalisierung und ihrem Potenzial eintauchen.

Zustand von GenAI und Code-Automatisierung im Jahr 2024

Im Jahr 2023 explodierten ChatGPT und Githubs Coding-Assistent CoPilot in die Mainstream-Codierer. GPT und ähnliche Modelle haben gezeigt, dass LLMs (große Sprachmodelle) Code sehr gut generieren, vervollständigen, refaktorisieren und transformieren können.

Heute gibt es eine Vielzahl von Coding-Assistenten. Während CoPilot als Marktführer gilt, gibt es GenAI-Coding-Assistenten mit unterschiedlichen Spezialgebieten. Um einige zu nennen:

• Anima spezialisiert sich auf Frontend, indem es Designs in Code umwandelt (z. B. Figma in React)

• Codiums Expertise liegt in der Erstellung von Tests und der Verwaltung von Pull-Requests

• Replit bietet eine Online-Collaborations-IDE mit einem dedizierten KI-Assistenten

• Tab9 bietet eine On-Premises-Lösung mit hoher Sicherheit für Unternehmen

Neue Konkurrenten von CoPilot werden häufig angekündigt, zum Beispiel magic.dev und Poolside, die bessere Leistung und ein besseres Erlebnis versprechen. Modelle entwickeln sich weiter – GPT5 wird bald angekündigt, und LlamaCode bietet ein High-End-Open-Source-Modell, mit fein abgestimmten Versionen, die auf HuggingFace [Code-Modell-Leaderboard] auftauchen. Es ist erst der Anfang der Code-Automatisierung mit LLMs.

Laut Github beschleunigt CoPilot die Entwicklung um 55% [Forschung]. Anima-Benutzer berichten, dass sie bis zu 50% der Frontend-Coding-Zeit sparen [Fallstudie], was sie 2-mal schneller macht und gleichzeitig eine bessere Produktqualität in Bezug auf UX und weniger Ping-Pong zwischen Designern und Entwicklern ergibt.

AI-Code-Personalisierung

JavaScript ist die beliebteste Programmiersprache (Github 2023), und React ist das beliebteste JavaScript-Webframework, das von über 40% der Entwickler verwendet wird (Stackoverflow 2023).

Nehmen wir an, wir haben 100 verschiedene Entwicklerteams, die auf React aufbauen. Wir finden 100 verschiedene Codierstile. Jedes Team hat seinen eigenen Weg, Code zu schreiben.

Jedes Team hat seinen eigenen Technologie-Stack (die Menge an Technologien, die in der Software-Architektur verwendet werden). Einige Teams verwenden Open-Source-Bibliotheken wie Next.js, um die Leistung zu optimieren. Einige verwenden UI-Frameworks wie Radix, MUI oder Ant. Teams, die React verwenden, müssen State-Management-Pakete wie React Query, Redux, Mobx usw. hinzufügen. Und es gibt Tausende andere beliebte Open-Source-JavaScript-Bibliotheken.

Darüber hinaus kann dieselbe Funktionalität auf verschiedene Weise erreicht werden. Einige Teams bevorzugen ein CSS-Grid-Layout, während andere ein Flex-Layout bevorzugen und dieselben Ergebnisse erzielen. Es gibt syntaktische Vorlieben. Einige verwenden klassische JavaScript-Funktionen, während andere Pfeilfunktionen verwenden. Es gibt Namenskonventionen wie camelCase, kebab-case und verschiedene Möglichkeiten, Komponenten und Funktionen zu benennen. Es gibt endlose Möglichkeiten, den Code zu organisieren, wie zum Beispiel, wie man Open-Source-Komponenten in einer Weise umschließt, die die Code-Schnittstelle für Open-Source- oder proprietäre Code gleich aussehen lässt.

Wenn man auf einem bestimmten Projekt codiert, folgt jeder Entwickler den Regeln und Konventionen dieser Code-Basis.

Damit KI eine wichtige Rolle bei der Codierung für ein Entwicklerteam spielen kann, sollte sie wie das Team codieren. Das bedeutet, dass KI viel Kontext benötigt, um ihren Code zu personalisieren und anzupassen.

Epilog: Das Potenzial der AI-Code-Generierung

Wir haben noch nicht einmal die Oberfläche der Fähigkeiten von GenAI erreicht.

Wenn wir über GenAI-Modelle sprechen, sollten wir Personalisierung als Kontext für ihre Aufgabe betrachten. Wenn wir ihnen einen großartigen Kontext über den bestehenden Code, die UX und die Aufgaben der Benutzer geben, werden wir bessere Ergebnisse erzielen. Um GenAI-Modelle voll auszunutzen, verpacken wir sie als Produkte mit unterstützenden Systemen, die mit “alten” Algorithmen und Heuristiken arbeiten. So maximieren wir KI auf ihr volles Potenzial.

Software wird weiterhin die Welt immer schneller “fressen”, was die Produktivität, die Margen und das BIP erhöhen wird.

CEO, IT-Führer und Produktmanager, die Automatisierung einführen, ermöglichen es ihren Teams, 2-mal und vielleicht sogar 5-mal schneller zu liefern und so einen Vorteil gegenüber der Konkurrenz zu erlangen. Durch die schnelle Markteinführung von Produkten und die Senkung der Kosten können Unternehmen ihre Margen erhöhen und letztendlich das BIP aus der Technologiebranche steigern.

Billigere Softwareentwicklung bedeutet, dass Software mehr Probleme lösen kann. Was früher ROI-negativ war, wird ROI-positiv. Software, die Nischenprobleme löst, kann sich lohnen, wenn die Entwicklungskosten um 80% gesenkt werden.

Mehr Menschen werden coden, und sie werden schneller coden. GenAI-Agenten werden Code produzieren, testen und bereitstellen, und Menschen werden die kreativen Teile übernehmen, indem sie mehr Architektur und UX entwickeln als das, was heute als Codierung gilt. Ich sehe mehr Entwicklerpositionen in der Zukunft. Allerdings wird die Entwicklung in eine höhere Abstraktionsebene evolvieren.