G5 Labs kommer ut av stealth med $14M for å gjøre naturlig språk til den nye kildekoden

G5 Labs, en spin‑off fra MIT Computer Science og Artificial Intelligence Laboratory (CSAIL), har kommet ut av stealth med $14 millioner i seed-finansiering og en ambisiøs tese: det neste store programmeringsspråket kan se helt annerledes ut enn et tradisjonelt programmeringsspråk.

Den Boston-baserte oppstartsbedriften utvikler et abstraksjonslag for AI-innfødt programvareutvikling, der naturlige språkbeskrivelser av hva programvaren skal gjøre organiseres i en formell intensjonsgraf, eller ontologi, som i praksis blir kildekoden. Pillar VC og Battery Ventures ledet seed-runden sammen, og ble støttet av Omega Venture Partners, Encoded Ventures og engelinvestorer.

Finansieringen vil bli brukt til å utvide G5 Labs’ ingeniørteam, skalere kundedistribusjoner og fortsette utviklingen av deres ontologikomplilerer mens selskapet prøver å løse et av de fremvoksende problemene som AI‑kodingsverktøy skaper: å generere kode blir stadig enklere, mens forståelse, gjennomgang, styring og vedlikehold av koden fortsatt kan være vanskelig.

Flytte flaskehalsen utover kodegenerering

AI‑kodingsassistenter har raskt endret økonomien ved programvareproduksjon. Utviklere kan nå generere funksjoner, tester, dokumentasjon og stadig mer komplette applikasjoner med relativt lite manuell koding.

Men mer kode betyr ikke nødvendigvis mer produktive ingeniørorganisasjoner.

Forskning fra Faros basert på mer enn 10 000 utviklere i 1 255 team fant at team med høy AI‑adopsjon fullførte 21 % flere oppgaver og fusjonerte 98 % flere pull‑requests, men også opplevde en 91 % økning i gjennomgangstid for pull‑requests. Den samme analysen knyttet AI‑adopsjon til større pull‑requests og flere feil per utvikler.

Annen forskning har fremhevet lignende kompleksiteter. En randomisert studie som involverte erfarne open‑source‑utviklere fant at AI‑verktøy tidlig i 2025 faktisk økte oppgavefullføringstiden med 19 % i de undersøkte prosjektene, til tross for at utviklerne selv forventet at AI skulle gjøre dem betydelig raskere.

G5 Labs angriper problemet fra en annen retning. I stedet for å bygge en ny kodingsmodell, ønsker selskapet å flytte abstraksjonslaget over den genererte koden.

Omforme forretningsintensjon til et programvareartefakt

I hjertet av G5 Labs-plattformen er det selskapet beskriver som en selv‑lærende, to‑veis kompilator.

Intensjon uttrykt i naturlig språk kan oversettes til kjørbar kode, men prosessen fungerer også i motsatt retning: eksisterende kode kan tolkes og inkorporeres i en ontologi som beskriver systemets underliggende krav og oppførsel.

Denne distinksjonen er sentral i G5s tilnærming.

Hvis en organisasjon endrer et krav, kan den tilsvarende koden regenereres for å reflektere dette. Hvis utviklere endrer koden direkte, kan ontologien lære av disse endringene og forbli synkronisert med implementasjonen. G5 sier at individuelle linjer med generert kode derfor kan forbli sporbare til forretningskravene bak dem.

I praksis forsøker selskapet å gi programvarekrav i naturlig språk noen av de egenskapene utviklere forventer fra konvensjonell kildekode: de kan sammenlignes, flettes, versjoneres, styres og til slutt kompileres.

I stedet for å oppdage at to AI‑agenter har produsert motstridende implementasjoner etter å ha gjennomgått tusenvis av kodelinjer, for eksempel, har G5 som mål å avdekke uenigheten på semantisk nivå — hvor en produktleder, analytiker eller ingeniør kan avgjøre hvilket underliggende krav som er korrekt.

G5 sitter over Claude Code, Codex og andre kodingsmodeller

Et annet viktig element i G5s arkitektur er at den ikke er designet for å konkurrere direkte med de stadig mer kapable kodingsmodellene som kommer fra store AI‑laboratorier.

G5 fungerer i stedet som et applikasjons‑ og styringslag over dem.

Selskapet sier at plattformen kan fungere med systemer som Claude Code, Codex og åpne modeller, og gir virksomheter muligheten til å bytte den underliggende AI‑modellen uten å måtte bygge den semantiske arkitekturen som styrer programvaren på nytt.

G5 dekomponerer også utviklingsplaner til verifiserbare oppgaver som kan distribueres blant flere AI‑agenter. Deres handlinger, arkitekturbeslutninger, retningslinjer og lærdom kan deretter inkorporeres i organisasjonens ontologi.

Dette kan bli stadig viktigere etter hvert som programvareutvikling går fra en utvikler som bruker en AI‑assistent til flere autonome agenter som samtidig endrer store kodebaser.

Uten en felles representasjon av hva applikasjonen faktisk skal oppnå, kan raskere kodegenerering bare føre til raskere uenighet.

Styring blir en del av utviklingsprosessen

G5 retter seg også mot regulerte virksomheter, hvor det å la autonome kodeagenter operere uten kontroll kan skape sikkerhets- og etterlevelsesproblemer.

Plattformen er designet for å kode inn retningslinjer i selve programvareutviklingsprosessen. Organisasjoner kan fastsette krav knyttet til sikkerhet, godkjenninger, etterlevelse av General Data Protection Regulation (GDPR), arkitektur og AI‑utgifter før agentene begynner å generere kode.

Kostnadskontroller er spesielt bemerkelsesverdige når virksomheter eksperimenterer med stadig mer agentbaserte utviklingssystemer. En enkelt prompt til en kodeassistent kan være billig, men flåter av agenter som gjentatte ganger planlegger, genererer, tester og korrigerer programvare kan medføre betydelige inferenskostnader.

G5s tilnærming prøver å begrense disse prosessene på intensjons- og planleggingsstadiet i stedet for å oppdage kostnads- eller styringsproblemer etter at arbeidet allerede er fullført.

Modernisering av eldre systemer kan være en tidlig mulighet

Selv om G5 presenterer sin teknologi som en del av en bredere revurdering av programvareutvikling, kan en av de mest umiddelbare bruksområdene være betydelig mer praktisk: modernisering av eldre bedriftsystemer.

Tradisjonelle moderniseringsprosjekter innebærer ofte å oversette en applikasjon fra et foreldet språk eller en foreldet arkitektur til en nyere teknologistabel. Den prosessen kan utilsiktet bevare tiår med utdaterte antakelser, duplisert funksjonalitet og teknisk gjeld.

G5 søker i stedet å trekke ut den underliggende intensjonen i den eksisterende programvaren til en ontologi og regenerere applikasjonen rundt den modellen.

Selskapet hevder at de allerede bruker denne tilnærmingen i sterkt regulerte bransjer. I ett moderniseringsprosjekt innen finansielle tjenester identifiserte G5s ontologinivåanalyse strukturelle konflikter som ville vært vanskelige å oppdage gjennom en enkel kode‑migrasjon. På nettstedet deres står det at millioner av linjer med eldre kode allerede er konvertert til semantiske systemmodeller på tvers av implementeringer.

Dette kan gi G5 et mer målbare inngangspunkt enn å be virksomheter om umiddelbart å revurdere hele livssyklusen for programvareutvikling. Modernisering av eldre systemer er allerede en betydelig kostnad for store organisasjoner, spesielt innen finansielle tjenester og andre bransjer hvor tiår gamle systemer fortsatt er forretningskritiske.

Fra MIT‑forskning til en kommersiell plattform

G5 Labs vokste frem fra forskning ledet av medgründer og administrerende direktør Tim Kraska ved MIT CSAIL, hvor hans arbeid i økende grad fokuserer på hvordan kunstig intelligens vil endre byggingen av store, komplekse programvaresystemer.

Kraska er en MIT‑professor hvis forskning dekker agentbaserte systemer, datasystemer og bruk av store språkmodeller for systemutvikling. Han er også meddirektør for MITs Generative AI Impact Consortium, som samler akademiske forskere med industrideltakere for å utforske de praktiske og samfunnsmessige implikasjonene av generativ AI.

Det overordnede forskningsspørsmålet bak G5 er enkelt, men betydningsfullt: Hvis AI etter hvert skriver en stor prosentandel av programvarekoden, bør mennesker fortsatt administrere programvaren primært gjennom selve koden?

G5s svar er nei. Selskapet mener at forretningsintensjon bør bli den varige artefakten, mens programmeringsspråk i økende grad blir en implementasjonsdetalj håndtert av AI‑systemer.

Om dette blir det neste store abstraksjonslaget i programvareutvikling er fortsatt et åpent spørsmål. Eksisterende programmeringsspråk, utviklingsmiljøer, kodegjennomgangsprosesser og livssykluser for programvareutvikling representerer tiår med akkumulert verktøy og institusjonell kunnskap, og å erstatte deres sentrale rolle vil kreve betydelig mer enn nøyaktig kodegenerering.

Likevel gir den $14 millioners seed‑runden G5 Labs kapitalen til å teste denne hypotesen med bedriftskunder. Etter hvert som AI dramatisk øker mengden programvare som kan genereres, kan selskapets mulighet ligge i å takle den mindre glamorøse utfordringen som følger: å sikre at organisasjoner fortsatt kan forstå, kontrollere og videreutvikle det maskinene bygger.