Miksi AI-koodin generoinnin tulevaisuus on personointi

McKinseyn mukaan GenAI:n taloudellinen vaikutus on suurin tuotekehityksen ja koodin automaation alalla, josta seuraa 900 miljardin dollarin vaikutus.

Lytäämme syvemmälle koodin automaation, koodin personoinnin ja sen potentiaalin tilaan.

GenAI:n ja koodin automaation tila vuonna 2024

Vuonna 2023 ChatGPT ja Githubin koodausavustin CoPilot räjähtivät suosioon kehittäjien keskuudessa. GPT ja vastaavat mallit ovat osoittaneet, että suuret kielen mallit (LLM) voivat generoida, täydentää, refaktoroida ja muuttaa koodia hyvin.

Tänään on olemassa monia koodausavusteita. Vaikka CoPilot on katsottu luokkansa johtajaksi, on olemassa GenAI-koodausavusteita, joilla on eri erikoisalat. Mainittakoon muutamia:

• Anima on erikoistunut front-endiin, muuttaen suunnitelmat koodiksi (esim. Figma -> React)

• Codiumin erikoisala on testien luominen ja pull-pyynnön hallinta

• Replit tarjoaa online-yhteistyöisen IDE:n omalla AI-avustimella

• Tab9 tarjoaa yrityksille turvallisen ratkaisun

CoPilotin kilpailijat ilmoitetaan usein, esimerkiksi magic.dev ja Poolside, jotka lupaavat parempaa suorituskykyä ja parempaa kokemusta. Mallit jatkavat kehittymistä – GPT5:n odotetaan ilmestyvän pian, ja LlamaCode tarjoaa korkeatasoisen avoimen lähteen mallin, josta on jo ilmestynyt hienosäädettyjä versioita HuggingFacen koodimallien leaderboard. Tämä on vasta alku koodin automaatiolle LLM:ien avulla.

Githubin mukaan CoPilot nopeuttaa kehitystä 55 %:lla tutkimuksen mukaan. Anima-käyttäjät ilmoittavat säästävänsä jopa 50 % etu-yhdenmukaisen koodauksen ajasta case-tutkimuksen mukaan, mikä tekee heistä 2-kertaisesti nopeampia ja johtaa parempaan tuotteen laatuun UX:n suhteen – ja vähemmän ping-pongia suunnittelijoiden ja kehittäjien välillä.

AI-koodin personointi

JavaScript on suosituin ohjelmointikieli (Github 2023), ja React on suosituin JavaScript-web-kehyksellä, jota käyttää yli 40 % kehittäjistä (Stackoverflow 2023).

Nyt, jos otat 100 eri insinööritiimiä, jotka rakentavat Reactin päälle, löydät 100 eri koodaustyylia. Erilaisilla tiimeillä on erilaiset tavat kirjoittaa koodia.

Jokaisella tiimillä on oma teknologinen pinonsa (ohjelmiston arkkitehtuuriin käytettyjen teknologioiden joukko). Jotkut tiimit käyttävät avoimen lähdekoodin kirjastoja, kuten Next.js:ää, jolloin he voivat optimoida suorituskykyä. Jotkut käyttävät UI-kehyksiä, kuten Radix, MUI tai Ant. Reactia käyttävien tiimien on lisättävä tilanhallintapaketteja, kuten React query, Redux, Mobx jne. ja tuhansia muita suosittuja JavaScript-kirjastoja.

Lisäksi sama toiminnallisuus voidaan saavuttaa eri tavoilla. Jotkut tiimit suosittelevat CSS-rivitysasettelua, kun taas toiset suosittelevat joustavaa asettelua ja saavuttavat samat tulokset. On olemassa syntaktisia suosituksia. Jotkut käyttävät perinteisiä JavaScript-funktioita, kun taas toiset käyttävät nuolifunktioita. On olemassa nimeämiskonventioita, kuten camelCase, kebab-case ja eri tavat nimetä komponentteja ja funktioita. On loputon määrä tapoja järjestää koodia, kuten miten avoimen lähdekoodin komponentit voidaan pakata siten, että koodirajapinta näyttää samalta avoimen lähdekoodin ja omistajan koodin osalta.

Kun koodaa tiettyä projekti, jokainen kehittäjä noudattaa kyseisen koodipohjan sääntöjä ja konventioita.

Jotta AI voisi toimia avainroolissa koodauksessa insinööritiimille, se pitäisi koodata tiimin tavoin. Tämä tarkoittaa, että AI:lla pitäisi olla paljon kontekstia, jotta se voisi räätälöidä ja personoida koodiaan.

Jälkisanat: Potentiaali AI-koodin generoinnissa

Olemme vasta hiertäneet GenAI-mahdollisuuksien pintaa.

Kun keskustellaan GenAI-malleista, on tärkeää pitää personointi kontekstin antamisena mallille sen tehtävää varten. Antamalla sille hyvä konteksti olemassa olevasta koodista, UX:stä ja käyttäjien tehtävistä saadaan paremmat tulokset. Jotta GenAI-malleja voidaan hyödyntää täysimääräisesti, pakkaamme ne tuotteiksi, joiden kanssa toimivat “vanhanmalliset” algoritmit ja heuristiikat. Näin maksimoidaan AI:n potentiaali.

Ohjelmisto jatkaa maailman syömistä yhä nopeammin, lisäten tuottavuutta, marginaaleja ja BKT:ta.

Toimitusjohtajat, IT-johtajat ja tuotejohtajat, jotka omaksuvat automaation, antavat tiimien toimittaa 2-kertaisesti ja jopa 5-kertaisesti nopeammin, saavat kilpailun edun. Tuotteiden nopeampi markkinoille saattaminen ja alhaisempi kustannus lisäävät yritysten marginaaleja ja lopulta lisäävät teknologian BKT:ta.

Halvempi ohjelmistokehitys tarkoittaa, että ohjelmisto voi tulla ja ratkaista enemmän ongelmia. Mitä aiemmin oli ROI-negatiivista, tulee ROI-positiiviseksi, jos kehityskustannukset laskevat 80 %:lla.

Lisää ihmisiä koodaa, ja he koodaavat nopeammin. GenAI-agentit tuottavat, testaavat ja käyttävät koodia, ja ihmiset tekevät luovia osia, kehittäen enemmän arkkitehtuureja ja UX:ää kuin mitä koodauksena pidetään tänään. Näen enemmän kehittäjän työpaikkoja tulevaisuudessa. Sanottakoon, että kehitys kehittyy abstraktiomman tasona.