Waarom de toekomst van AI-codegeneratie persoonlijkheid is

Volgens McKinsey, is de economische impact van GenAI het grootst op het gebied van productontwikkeling en codeautomatisering, met een impact van 900 miljard dollar.

Laten we dieper ingaan op de staat van codeautomatisering, codepersoonlijkheid en de potentie ervan.

Status van GenAI en codeautomatisering in 2024

In 2023 braken ChatGPT en Github’s coding-assistent, CoPilot, door als mainstream onder coders. GPT en soortgelijke modellen hebben aangetoond dat LLM’s (grote taalmodellen) code kunnen genereren, voltooien, herschrijven en transformeren.

Vandaag zijn er verschillende coding-assistenten. Terwijl CoPilot wordt beschouwd als de leider in de categorie, zijn er GenAI-coding-assistenten met verschillende specialisaties. Om er een paar te noemen:

• Anima specialiseert zich in front-end, ontwerpen omzetten in code (bijv. Figma naar React)

• Codium is gespecialiseerd in het componeren van tests en het beheren van pull-verzoeken

• Replit biedt een online, collaboratieve IDE met een toegewijde AI-assistent

• Tab9 biedt een op-prem, hoogbeveiligde oplossing voor het bedrijfsleven

Nieuwe concurrenten van CoPilot worden regelmatig aangekondigd, zoals magic.dev en Poolside, die beloven betere prestaties en een betere ervaring. Modellen blijven evolueren – GPT5 wordt binnenkort verwacht en LlamaCode biedt een high-end open-source model, met fijngestemde versies die op HuggingFace verschijnen [code-modellen-leaderboard]. Het is nog maar het begin van codeautomatisering met LLM’s.

Volgens Github versnelt CoPilot de ontwikkeling met 55% [onderzoek]. Anima-gebruikers melden dat ze tot 50% van de front-end-codetijd besparen [case study], waardoor ze 2x sneller zijn en eindigen met een betere productkwaliteit in termen van UX – en minder heen-en-weer tussen ontwerpers en ontwikkelaars.

AI-codepersoonlijkheid

JavaScript is de meest populaire programmeertaal (Github 2023), en React is het meest populaire JavaScript-webframework, gebruikt door meer dan 40% van de ontwikkelaars (Stackoverflow 2023).

Als je nu 100 verschillende engineersteams neemt die op basis van React bouwen, vind je 100 verschillende codestijlen. Verschillende teams hebben verschillende manieren om code te schrijven.

Elk team heeft zijn technische stack (de set technologieën die in de software-architectuur wordt gebruikt). Sommige teams gebruiken open-source-bibliotheken zoals Next.js, waardoor ze de prestaties kunnen optimaliseren. Sommige gebruiken UI-frameworks zoals Radix, MUI of Ant. Teams die React gebruiken, moeten state-management-pakketten toevoegen, zoals React query, Redux, Mobx, enz. En er zijn duizenden andere populaire open-source-JavaScript-bibliotheken.

Bovendien kan dezelfde functionaliteit op verschillende manieren worden bereikt. Sommige teams geven de voorkeur aan een CSS-gridlay-out, terwijl anderen een Flex-lay-out prefereren en dezelfde resultaten behalen. Er zijn syntactische voorkeuren. Sommige gebruiken klassieke JavaScript-functies, terwijl anderen pijlfuncties gebruiken. Er zijn naamconventies zoals camelCase, kebab-case en verschillende manieren om componenten en functies te benoemen. Er zijn eindeloze manieren om uw code te organiseren, zoals hoe u open-source-componenten kunt omhullen zodat de code-interface er hetzelfde uitziet voor open-source- of eigen code.

Wanneer u codeert op een specifiek project, volgt elke ontwikkelaar de regels en conventies van die codebasis.

Om AI een sleutelrol te laten spelen in de codering voor een engineersteam, moet het zoals het team codeert. Dit betekent dat AI veel context nodig heeft om zijn code te personaliseren en aan te passen.

Epiloog: Het potentieel in AI-codegeneratie

We krabben nog maar aan de oppervlakte van de mogelijkheden van GenAI.

Wanneer we GenAI-modellen bespreken, moet u personalisatie zien als het geven van een model de beste context voor zijn taak. Het geven van een geweldige context met betrekking tot de bestaande code, de UX en de gebruikersfunctie zal tot betere resultaten leiden. Om GenAI-modellen tot hun volle potentieel te benutten, verpakken we ze als producten met ondersteunende systemen die werken met “ouderwetse” algoritmen en heuristieken. Dit is hoe we AI maximaliseren tot zijn volle potentieel.

Software zal de wereld steeds sneller veroveren, waardoor de productiviteit, marges en het BBP toenemen.

CEO’s, IT-leiders en PM-leiders die automatisering aannemen, zullen hun teams in staat stellen om 2x en misschien zelfs 5x sneller te leveren, waardoor ze een voorsprong krijgen op de concurrentie. Door producten sneller op de markt te brengen en tegen een lagere kostprijs, zullen bedrijven hun marges verhogen en uiteindelijk het BBP uit de technologie verhogen.

Goodkopere softwareontwikkeling betekent dat software kan komen en meer problemen oplossen. Wat vroeger ROI-negatief was, wordt ROI-positief. Software die niche-problemen oplost, kan de moeite waard zijn als de ontwikkelingskosten met 80% dalen.

Meer mensen zullen code schrijven, en ze zullen sneller code schrijven. GenAI-agents zullen code produceren, testen en implementeren, en mensen zullen de creatieve delen doen, waardoor ze meer architectuur en UX ontwikkelen dan wat vandaag als coderen wordt beschouwd. Ik zie meer ontwikkelaarsposities in de toekomst. Dat gezegd hebbende, zal de ontwikkeling evolueren naar een hoger niveau van abstractie.