G5 Labs nousee varjosta $14M rahoituksella tehdäkseen luonnollisesta kielestä uuden lähdekoodin

G5 Labs, MIT:n tietojenkäsittelytieteen ja Artificial Intelligence Laboratory (CSAIL) spin-off, on noussut varjosta $14 million siemenrahoituksena ja esittänyt kunnianhimoisen väitteen: seuraava merkittävä ohjelmointikieli ei välttämättä näytä lainkaan ohjelmointikieleltä.

Bostonissa toimiva startup kehittää abstraktiokerrosta AI-sukupolaisen ohjelmistokehityksen varten, jossa luonnollisen kielen kuvaukset siitä, mitä ohjelmiston tulisi tehdä, järjestetään muodolliseksi tarkoitusverkostoksi tai ontologioiksi, joka käytännössä muuttuu lähdekoodiksi. Pillar VC ja Battery Ventures johtivat siemenkierrosta yhdessä, mukaan lukien Omega Venture Partners, Encoded Ventures ja enkelisijoittajat.

Rahoitusta käytetään G5 Labsin insinööritiimin laajentamiseen, asiakasasennusten skaalaamiseen ja ontologia-kääntäjän kehittämisen jatkamiseen, kun yritys pyrkii ratkaisemaan yhden AI-koodausvälineiden luoman nousevan ongelman: koodin tuottaminen on yhä helpompaa, kun taas koodin ymmärtäminen, tarkastaminen, hallinta ja ylläpito voivat edelleen olla vaikeita.

Pullonkaulan siirtäminen koodin generoinnin ulkopuolelle

AI-koodausassistentit ovat nopeasti muuttaneet ohjelmistotuotannon taloustiedettä. Kehittäjät voivat nyt luoda funktioita, testejä, dokumentaatiota ja yhä täydellisempiä sovelluksia melko vähäisellä manuaalisella koodauksella.

Mutta enemmän koodia ei välttämättä tarkoita tuottavampia insinööriorganisaatioita.

Farosin tutkimus perustuen yli 10 000 kehittäjään 1 255 tiimissä havaitsi, että korkean AI:n käyttöönoton tiimit suorittivat 21 % enemmän tehtäviä ja yhdistivät 98 % enemmän pull-pyyntöjä, mutta kokivat myös 91 % kasvun pull-pyyntöjen tarkastusaikaan. Sama analyysi yhdisti AI:n käyttöönoton suurempiin pull-pyyntöihin ja enemmän virheitä per kehittäjä.

Muu tutkimus on korostanut samankaltaisia monimutkaisuuksia. satunnaistettu tutkimus, jossa oli kokeneita avoimen lähdekoodin kehittäjiä, havaitsi, että vuoden 2025 alun AI-työkalut itse asiassa lisäsivät tehtävien suoritusaikaa 19 % tarkastelluissa projekteissa, vaikka kehittäjät odottivat AI:n tekevän heidät merkittävästi nopeammiksi.

G5 Labs lähestyy ongelmaa eri suuntauksesta. Sen sijaan, että rakennettaisiin uusi koodausmalli, yritys haluaa siirtää abstraktiokerroksen itse tuotetun koodin yläpuolelle.

Liiketoimintatarkoituksen muuttaminen ohjelmistotuotteeksi

G5 Labs -alustan ytimessä on se, mitä yritys kuvaa itseoppivaksi, kaksisuuntaiseksi kääntäjäksi.

Luonnollisen kielen tarkoitus voidaan kääntää suoritettavaksi koodiksi, mutta prosessi toimii myös käänteisesti: olemassa oleva koodi voidaan tulkita ja sisällyttää ontologiaan, joka kuvaa järjestelmän taustalla olevat vaatimukset ja toiminta.

Tuo ero on keskeinen G5:n lähestymistavassa.

Jos organisaatio muuttaa vaatimusta, vastaava koodi voidaan uudelleenluoda heijastamaan muutosta. Jos kehittäjät muokkaavat koodia suoraan, ontologia voi oppia näistä muutoksista ja pysyä synkronoituna toteutuksen kanssa. G5:n mukaan yksittäiset luodun koodin rivit voivat näin ollen olla jäljitettävissä niiden taustalla oleviin liiketoimintavaatimuksiin.

Käytännössä yritys pyrkii antamaan luonnollisen kielen ohjelmistovaatimuksille joitakin ominaisuuksia, joita kehittäjät odottavat perinteiseltä lähdekoodilta: ne voidaan vertailla, yhdistää, versioida, hallita ja lopulta kääntää.

Sen sijaan, että esimerkiksi havaittaisiin, että kaksi AI-agenttia ovat tuottaneet ristiriitaisia toteutuksia tarkasteltuaan tuhansia koodirivejä, G5 pyrkii tuomaan erimielisyyden esiin semanttisen tason tasolla — jossa tuoteomistaja, analyytikko tai insinööri voi päättää, mikä taustalla oleva vaatimus on oikea.

G5 sijoittuu Claude Code-, Codex- ja muiden koodausmallien yläpuolelle

Toinen tärkeä G5:n arkkitehtuurin elementti on, että se ei ole suunniteltu kilpailemaan suoraan suurten AI-laboratorioiden yhä kykenevämpien koodausmallien kanssa.

G5 toimii sen sijaan sovellus- ja hallintakerroksena niiden yläpuolella.

Yritys kertoo, että sen alusta voi toimia järjestelmien kuten Claude Code, Codex ja avoimen painon mallien kanssa, antaen yrityksille mahdollisuuden vaihtaa taustalla olevaa AI-mallia ilman, että heidän ohjelmistonsa hallitsevaa semanttista arkkitehtuuria tarvitsee rakentaa uudelleen.

G5 myös hajottaa kehityssuunnitelmat tarkistettaviksi tehtäviksi, jotka voidaan jakaa useiden AI-agenttien kesken. Niiden toimet, arkkitehtoniset päätökset, politiikat ja opit voidaan sitten sisällyttää organisaation ontologiaan.

Tämä voi tulla yhä tärkeämmäksi, kun ohjelmistokehitys siirtyy kehittäjästä, joka käyttää AI-assistenttia, kohti useita itsenäisiä agenteja, jotka muokkaavat samanaikaisesti suuria koodikantoja.

Ilman yhteistä esitystä siitä, mitä sovelluksen on todellisuudessa tarkoitus saavuttaa, nopeampi koodin generointi voi vain aiheuttaa nopeampaa erimielisyyttä.

Hallinta tulee osaksi kehitysprosessia

G5 tavoittelee myös säänneltyjä yrityksiä, joissa autonomisten koodausagenttien salliminen toimia ilman valvontaa voi aiheuttaa turvallisuus- ja vaatimustenmukaisuusongelmia.

Alusta on suunniteltu koodaamaan politiikat suoraan ohjelmistokehitysprosessiin. Organisaatiot voivat asettaa vaatimuksia turvallisuuden, hyväksyntöjen, General Data Protection Regulation (GDPR) -vaatimusten, arkkitehtuurin ja tekoälyn kulutuksen suhteen ennen kuin agentit alkavat tuottaa koodia.

Kustannusvalvonta on erityisen merkittävää, kun yritykset kokeilevat yhä agenttimaisempia kehitysjärjestelmiä. Yksittäinen kehotus koodausavustajalle voi olla edullinen, mutta agenttiflotta, joka toistuvasti suunnittelee, tuottaa, testaa ja korjaa ohjelmistoja, voi aiheuttaa merkittäviä inferenssikustannuksia.

G5:n lähestymistapa pyrkii rajoittamaan näitä prosesseja tarkoitus- ja suunnitteluvaiheessa sen sijaan, että kustannus- tai hallintaprobleemeja havaittaisiin vasta työn valmistuttua.

Perintöjärjestelmien modernisointi voi olla varhainen mahdollisuus

Vaikka G5 esittelee teknologiaansa osana laajempaa ohjelmistotekniikan uudelleenarviointia, yksi sen välittömistä sovelluksista voi olla huomattavasti käytännöllisempi: perintöyritysjärjestelmien modernisointi.

Perinteiset modernisointiprojektit sisältävät usein sovelluksen kääntämisen vanhasta kielestä tai arkkitehtuurista uuteen teknologiakokonaisuuteen. Tämä prosessi voi tahattomasti säilyttää vuosikymmenten vanhoja oletuksia, päällekkäistä toiminnallisuutta ja teknistä velkaa.

G5 sen sijaan pyrkii poimimaan olemassa olevan ohjelmiston taustalla olevan tarkoituksen ontologiaan ja luomaan sovelluksen uudelleen sen mallin ympärille.

Yritys kertoo jo käyttävänsä tätä lähestymistapaa voimakkaasti säännellyillä toimialoilla. Yhdessä rahoituspalveluiden modernisointiprojektissa G5:n ontologia‑tasoinen analyysi tunnisti rakenteellisia ristiriitoja, jotka olisivat olleet vaikeita havaita suoraviivaisessa koodin migraatiossa. Sen verkkosivuston mukaan miljoonia perintökoodirivejä on jo muunnettu semanttisiksi järjestelmämalleiksi eri käyttöönottojen yhteydessä.

Tämä voi tarjota G5:lle mitattavamman sisäänpääsyn kuin pyytää yrityksiä heti uudelleenarvioimaan koko ohjelmistokehityselinkaarensa. Perintöjärjestelmien modernisointi on jo merkittävä kuluerä suurille organisaatioille, erityisesti rahoituspalveluissa ja muilla aloilla, joilla vuosikymmeniä vanhat järjestelmät ovat edelleen liiketoiminnan kannalta kriittisiä.

MIT‑tutkimuksesta kaupalliseksi alustaksi

G5 Labs syntyi MIT CSAIL:n tutkimuksesta, jota johti perustaja ja toimitusjohtaja Tim Kraska, ja jonka työ keskittyy yhä enemmän siihen, miten tekoäly muuttaa suurten, monimutkaisten ohjelmistojärjestelmien rakentamista.

Kraska on MIT:n professori, jonka tutkimus kattaa agenttipohjaiset järjestelmät, tietojärjestelmät ja suurten kielimallien käyttöä järjestelmäkehityksessä. Hän on myös MIT:n Generative AI Impact Consortiumin yhteisjohtaja, joka kokoaa akateemisia tutkijoita ja teollisuuden toimijoita tutkimaan generatiivisen tekoälyn käytännön ja yhteiskunnallisia vaikutuksia.

G5:n taustalla oleva laajempi tutkimuskysymys on yksinkertainen mutta merkittävä: jos tekoäly lopulta kirjoittaa suuren prosenttiosuuden ohjelmistokoodista, pitäisikö ihmisten jatkaa ohjelmistojen hallintaa ensisijaisesti koodin kautta?

G5:n vastaus on ei. Yritys uskoo, että liiketoimintatarkoitus tulisi olla kestävä artefakti, kun taas ohjelmointikielet muuttuvat yhä enemmän toteutuksen yksityiskohdiksi, joita tekoälyjärjestelmät hoitavat.

Onko tästä seuraava merkittävä abstraktiokerros ohjelmistotekniikassa, on edelleen avoin kysymys. Nykyiset ohjelmointikielet, kehitysympäristöt, koodikatselmointiprosessit ja ohjelmistokehityksen elinkaarimallit edustavat vuosikymmenten aikana kertynyttä työkalupakettia ja institutionaalista tietämystä, ja niiden keskeisen roolin korvaaminen vaatii huomattavasti enemmän kuin tarkkaa koodin generointia.

Silti 14 miljoonan dollarin siemenrahoitus antaa G5 Labsille pääomaa testata tätä väitettä yritysasiakkaiden kanssa. Kun tekoäly lisää dramaattisesti tuotettavan ohjelmiston määrää, yrityksen mahdollisuus saattaa piillä vähemmän kiiltävässä haasteessa, joka seuraa: varmistaa, että organisaatiot pystyvät edelleen ymmärtämään, hallitsemaan ja kehittämään sitä, mitä koneet rakentavat.