Mengapa Masa Depan Pembangunan Kode AI Adalah Personalisasi

Menurut McKinsey, dampak ekonomi GenAI terbesar di bidang pengembangan produk dan otomatisasi kode, yang menghasilkan dampak sebesar $900M.

Mari kita jelajahi lebih dalam tentang keadaan otomatisasi kode, personalisasi kode, dan potensinya.

Keadaan GenAI & Otomatisasi Kode di 2024

Pada 2023, ChatGPT dan asisten coding Github, CoPilot, meledak menjadi mainstream di kalangan pengembang. GPT dan model serupa telah menunjukkan bahwa LLM (model bahasa besar) dapat menghasilkan, menyelesaikan, merefaktor, dan mengubah kode dengan sangat baik.

Saat ini, ada berbagai asisten coding. Sementara CoPilot dianggap sebagai pemimpin kategori, ada asisten coding GenAI dengan spesialisasi yang berbeda. Untuk menyebutkan beberapa:

• Anima berspesialisasi dalam front-end, mengubah desain menjadi kode (Misalnya, Figma ke React)

• Codium memiliki keahlian dalam mengkomposisi tes dan mengelola permintaan pull

• Replit menawarkan IDE online, kolaboratif dengan asisten AI khusus

• Tab9 menawarkan solusi on-prem, sangat aman untuk Perusahaan

Pesaing CoPilot yang baru-baru ini diumumkan, misalnya, magic.dev dan Poolside, menjanjikan kinerja yang lebih baik dan pengalaman yang lebih baik. Model terus berkembang – GPT5 diharapkan segera diumumkan, dan LlamaCode menawarkan model sumber terbuka tingkat tinggi, dengan versi yang diperbarui muncul di HuggingFace [daftar peringkat model kode]. Ini hanya awal dari otomatisasi kode dengan LLM.

Menurut Github, CoPilot mempercepat pengembangan sebesar 55% [penelitian]. Pengguna Anima melaporkan menghemat hingga 50% waktu coding front-end [studi kasus], membuat mereka 2x lebih cepat sambil menghasilkan kualitas produk yang lebih baik dalam hal UX—dan kurang bolak-balik antara desainer dan pengembang.

Personalisasi Kode AI

JavaScript adalah bahasa kode paling populer (#1) (Github 2023), dan React adalah kerangka web JavaScript paling populer, digunakan oleh lebih dari 40% pengembang (Stackoverflow 2023).

Sekarang, jika Anda mengambil 100 tim teknik yang membangun di atas React, Anda akan menemukan 100 gaya coding yang berbeda. Tim yang berbeda memiliki cara yang berbeda untuk menulis kode.

Setiap tim memiliki tumpukan teknologi (set teknologi yang digunakan pada arsitektur perangkat lunak). Beberapa tim menggunakan perpustakaan sumber terbuka seperti Next.js, yang memungkinkan mereka untuk mengoptimalkan kinerja. Beberapa menggunakan kerangka UI seperti Radix, MUI, atau Ant. Tim yang menggunakan React harus menambahkan paket pengelolaan status, seperti React query, Redux, Mobx, dll. Dan ada ribuan perpustakaan JavaScript sumber terbuka yang populer.

Selain itu, fungsi yang sama dapat dicapai dengan cara yang berbeda. Beberapa tim lebih suka tata letak grid CSS, sementara yang lain lebih suka tata letak Flex dan mendapatkan hasil yang sama. Ada preferensi sintaksis. Beberapa menggunakan fungsi JavaScript klasik, sementara yang lain menggunakan fungsi panah. Ada konvensi penamaan seperti camelCase, kebab-case, dan cara yang berbeda untuk menamai komponen dan fungsi. Ada cara yang tak terhingga untuk mengatur kode, seperti bagaimana membungkus komponen sumber terbuka sehingga antarmuka kode terlihat sama untuk kode sumber terbuka atau kode milik.

Ketika mengkode pada proyek tertentu, setiap pengembang mengikuti aturan dan konvensi dari basis kode tersebut.

Agar AI dapat memainkan peran kunci dalam pengkodean untuk tim teknik, AI harus mengkode seperti tim. Ini berarti bahwa AI harus memiliki banyak konteks untuk mengkustomisasi dan mempersonalisasi kode.

Epilog: Potensi dalam Pembangunan Kode AI

Kita masih menyentuh permukaan kemampuan GenAI.

Ketika membahas model GenAI, pertimbangkan personalisasi sebagai memberikan model konteks terbaik untuk tugasnya. Memberinya konteks yang baik tentang kode yang ada, UX, dan pekerjaan pengguna yang harus dilakukan akan menghasilkan hasil yang lebih baik. Untuk memanfaatkan model GenAI secara maksimal, kita mengemasnya sebagai produk dengan sistem pendukung yang bekerja dengan algoritma dan heuristik “lama”. Ini adalah cara kita memaksimalkan AI ke potensi penuhnya.

Perangkat lunak akan terus “memakan” dunia dengan lebih cepat, meningkatkan produktivitas, margin, dan PDB.

CEO, pemimpin IT, dan pemimpin proyek yang mengadopsi otomatisasi akan memungkinkan tim mereka untuk mengirimkan 2x dan mungkin bahkan 5x lebih cepat, mendapatkan keunggulan atas kompetitor. Mengirimkan produk lebih cepat ke pasar dan dengan biaya yang lebih rendah akan meningkatkan margin perusahaan dan akhirnya meningkatkan PDB yang berasal dari teknologi.

Pengembangan perangkat lunak yang lebih murah berarti perangkat lunak dapat datang dan memecahkan lebih banyak masalah. Apa yang dulunya ROI negatif akan menjadi ROI positif. Perangkat lunak yang memecahkan masalah khusus bisa sepadan jika biaya pengembangan turun sebesar 80%.

Lebih banyak orang akan mengkode, dan mereka akan mengkode lebih cepat. Agen GenAI akan menghasilkan, menguji & mengirimkan kode, dan manusia akan melakukan bagian kreatif, mengembangkan lebih banyak arsitektur dan UX daripada yang dianggap saat ini sebagai pengkodean. Saya melihat lebih banyak posisi pengembang di masa depan. Namun, pengembangan akan berkembang menjadi tingkat abstraksi yang lebih tinggi.