Por qué el futuro de la generación de código de IA es la personalización

Según McKinsey, el impacto económico de GenAI es el más grande en el campo del desarrollo de productos y la automatización de codificación, lo que resulta en un impacto de $900 mil millones.

Ahondemos más en el estado de la automatización de código, la personalización de código y su potencial.

Estado de GenAI y automatización de código en 2024

En 2023, ChatGPT y el asistente de codificación de Github, CoPilot, se convirtieron en mainstream entre los codificadores. GPT y modelos similares han demostrado que los LLM (modelos de lenguaje grande) pueden generar, completar, refactorizar y transformar código muy bien.

Hoy en día, hay una variedad de asistentes de codificación. Si bien CoPilot es considerado el líder de la categoría, hay asistentes de codificación de GenAI con especialidades diferentes. Para nombrar algunos:

• Anima se especializa en front-end, convirtiendo diseños en código (es decir, Figma en React)

• La especialidad de Codium es componer pruebas y gestionar solicitudes de extracción

• Replit ofrece un IDE en línea, colaborativo con un asistente de IA dedicado

• Tab9 ofrece una solución de seguridad alta y local para la empresa

Los rivales emergentes de CoPilot se anuncian con frecuencia, por ejemplo, magic.dev y Poolside, prometiendo un mejor rendimiento y una mejor experiencia. Los modelos continúan evolucionando: se espera que GPT5 se anuncie pronto, y LlamaCode ofrece un modelo de código de alta gama de código abierto, con versiones afinadas que aparecen en HuggingFace [tabla de clasificación de modelos de código]. Esto es solo el comienzo de la automatización de código con LLM.

Según Github, CoPilot acelera el desarrollo en un 55% [investigación]. Los usuarios de Anima informan que ahorran hasta el 50% del tiempo de codificación front-end [estudio de caso], lo que los hace 2 veces más rápidos y con una mejor calidad de producto en términos de UX, y menos ida y vuelta entre diseñadores y desarrolladores.

Personalización de código de IA

JavaScript es el lenguaje de codificación más popular (#1) (Github 2023), y React es el marco de trabajo web de JavaScript más popular, utilizado por más del 40% de los desarrolladores (Stackoverflow 2023).

Ahora, si tomas 100 equipos de ingeniería diferentes que construyen sobre React, encontrarás 100 estilos de codificación diferentes. Diferentes equipos tienen diferentes formas de escribir código.

Cada equipo tiene su propia pila de tecnología (el conjunto de tecnologías utilizadas en la arquitectura de software). Algunos equipos utilizan bibliotecas de código abierto como Next.js, lo que les permite optimizar el rendimiento. Algunos utilizan marcos de interfaz de usuario como Radix, MUI o Ant. Los equipos que utilizan React deben agregar paquetes de gestión de estado, como React query, Redux, Mobx, etc. Y hay miles de otras bibliotecas de JavaScript de código abierto populares.

Además, la misma funcionalidad se puede lograr de diferentes maneras. Algunos equipos prefieren un diseño de cuadrícula CSS, mientras que otros prefieren un diseño Flex y obtienen los mismos resultados. Hay preferencias sintácticas. Algunos utilizan funciones de JavaScript clásicas, mientras que otros utilizan funciones de flecha. Hay convenciones de nomenclatura como camelCase, kebab-case y diferentes formas de nombrar componentes y funciones. Hay infinitas formas de organizar su código, como cómo envolver componentes de código abierto para que la interfaz de código se vea igual para el código abierto o propietario.

Al codificar en un proyecto específico, cada desarrollador sigue las reglas y convenciones de esa base de código.

Para que la IA desempeñe un papel clave en la codificación para un equipo de ingeniería, debe codificar como el equipo. Esto significa que la IA debe tener mucho contexto para personalizar y personalizar su código.

Epílogo: El potencial en la generación de código de IA

Todavía estamos arañando la superficie de las capacidades de GenAI.

Al discutir los modelos de GenAI, considere la personalización como darle al modelo el mejor contexto para su tarea. Darle un gran contexto con respecto al código existente, la UX y el trabajo que deben realizar los usuarios dará como resultado mejores resultados. Para utilizar los modelos de GenAI al máximo, los empaquetamos como productos con sistemas de apoyo que funcionan con algoritmos y heurísticas “antiguos”. Así es como maximizamos el potencial de la IA.

El software seguirá comiendo el mundo más y más rápido, aumentando la productividad, los márgenes y el PIB.

Los directores generales, los líderes de TI y los líderes de PM que adopten la automatización permitirán que sus equipos entreguen 2 veces y tal vez incluso 5 veces más rápido, obteniendo una ventaja sobre la competencia. Llevar productos más rápido al mercado y a un costo más bajo aumentará los márgenes de las empresas y eventualmente aumentará el PIB que proviene de la tecnología.

Un desarrollo de software más barato significa que el software podría venir y resolver más problemas. Lo que solía ser ROI negativo se convertirá en ROI positivo. El software que resuelve problemas de nicho podría valer la pena si el costo de desarrollo disminuye en un 80%.

Más personas codificarán, y lo harán más rápido. Los agentes de GenAI producirán, probarán y desplegarán código, y los humanos harán las partes creativas, desarrollando más arquitectura y UX de lo que se considera hoy como codificación. Veo más puestos de trabajo de desarrollador en el futuro. Dicho esto, el desarrollo evolucionará hacia un nivel de abstracción más alto.