G5 Labs wychodzi z ukrycia z $14M, aby uczynić język naturalny nowym kodem źródłowym

G5 Labs, spin‑off z MIT Computer Science i Artificial Intelligence Laboratory (CSAIL), wyłonił się z ukrycia z $14 million w finansowaniu seed i ambitną tezą: kolejny główny język programowania może wcale nie wyglądać jak język programowania.

Startup z siedzibą w Bostonie opracowuje warstwę abstrakcji dla natywnego dla AI rozwoju oprogramowania, w której opisy w języku naturalnym tego, co oprogramowanie ma robić, są organizowane w formalny graf intencji, czyli ontologię, która efektywnie staje się kodem źródłowym. Pillar VC i Battery Ventures współprowadziły rundę seed, do których dołączyły Omega Venture Partners, Encoded Ventures oraz inwestorzy-anioły.

Finansowanie zostanie przeznaczone na rozbudowę zespołu inżynierskiego G5 Labs, skalowanie wdrożeń u klientów oraz kontynuację rozwoju kompilatora ontologii, gdy firma stara się rozwiązać jeden z pojawiających się problemów wywołanych przez narzędzia do kodowania AI: generowanie kodu staje się coraz łatwiejsze, podczas gdy jego zrozumienie, przegląd, zarządzanie i utrzymanie mogą pozostawać trudne.

Przesuwanie wąskiego gardła poza generowanie kodu

Asystenci kodowania AI szybko zmienili ekonomię tworzenia oprogramowania. Programiści mogą teraz generować funkcje, testy, dokumentację i coraz pełniejsze aplikacje przy stosunkowo niewielkim ręcznym kodowaniu.

Jednak większa ilość kodu niekoniecznie oznacza bardziej produktywne zespoły inżynieryjne.

Badania przeprowadzone przez Faros oparte na ponad 10 000 programistów w 1 255 zespołach wykazały, że zespoły z wysokim poziomem adopcji AI realizowały o 21 % więcej zadań i scalają o 98 % więcej pull requestów, ale także doświadczały 91 % wzrostu czasu przeglądu pull requestów. Ta sama analiza powiązała adopcję AI z większymi pull requestami i większą liczbą błędów na programistę.

Inne badania podkreśliły podobne złożoności. randomizowane badanie obejmujące doświadczonych programistów open‑source wykazało, że narzędzia AI z początku 2025 r. faktycznie wydłużyły czas realizacji zadań o 19 % w badanych projektach, mimo że sami programiści spodziewali się, że AI znacznie przyspieszy ich pracę.

G5 Labs podchodzi do problemu z innej strony. Zamiast budować kolejny model kodowania, firma chce przenieść warstwę abstrakcji ponad sam wygenerowany kod.

Przekształcanie intencji biznesowej w artefakt oprogramowania

W sercu platformy G5 Labs znajduje się to, co firma opisuje jako samouczący się, dwukierunkowy kompilator.

Intencja wyrażona w języku naturalnym może być przetłumaczona na kod wykonywalny, ale proces działa również w odwrotną stronę: istniejący kod może być interpretowany i włączany do ontologii opisującej podstawowe wymagania i zachowanie systemu.

To rozróżnienie jest centralne w podejściu G5.

Jeśli organizacja zmieni wymaganie, odpowiadający mu kod może zostać ponownie wygenerowany, aby to odzwierciedlić. Jeśli programiści modyfikują kod bezpośrednio, ontologia może uczyć się na podstawie tych zmian i pozostać zsynchronizowana z implementacją. G5 twierdzi, że poszczególne linie wygenerowanego kodu mogą więc pozostać śledzone do leżących u ich podstaw wymagań biznesowych.

W praktyce firma stara się nadać wymaganiom oprogramowania wyrażonym w języku naturalnym niektóre właściwości, które programiści oczekują od tradycyjnego kodu źródłowego: mogą być porównywane, scalane, wersjonowane, zarządzane i ostatecznie kompilowane.

Zamiast odkrywać, że dwa agenty AI wygenerowały sprzeczne implementacje po przeanalizowaniu tysięcy linii kodu, G5 dąży do ujawnienia niezgodności na poziomie semantycznym — gdzie menedżer produktu, analityk lub inżynier może zdecydować, które podstawowe wymaganie jest prawidłowe.

G5 znajduje się nad Claude Code, Codex i innymi modelami kodowania

Kolejnym ważnym elementem architektury G5 jest to, że nie jest ona zaprojektowana do bezpośredniej konkurencji z coraz bardziej zaawansowanymi modelami kodowania pochodzącymi od dużych laboratoriów AI.

G5 działa natomiast jako warstwa aplikacji i zarządzania ponad nimi.

Firma twierdzi, że jej platforma może współpracować z systemami takimi jak Claude Code, Codex oraz modele o otwartym wagach, dając przedsiębiorstwom możliwość zmiany podstawowego modelu AI bez konieczności przebudowywania semantycznej architektury zarządzającej ich oprogramowaniem.

G5 także rozkłada plany rozwoju na weryfikowalne zadania, które mogą być rozdzielane pomiędzy wieloma agentami AI. Ich działania, decyzje architektoniczne, polityki i wnioski mogą następnie zostać włączone do ontologii organizacji.

Może to stać się coraz ważniejsze, gdy rozwój oprogramowania przechodzi od programisty korzystającego z asystenta AI do wielu autonomicznych agentów jednocześnie modyfikujących duże bazy kodu.

Bez wspólnej reprezentacji tego, co aplikacja ma faktycznie osiągnąć, szybsze generowanie kodu może po prostu prowadzić do szybszych nieporozumień.

Zarządzanie staje się częścią procesu rozwoju

G5 kieruje się również do regulowanych przedsiębiorstw, w których pozwolenie autonomicznym agentom kodującym na działanie bez kontroli może wprowadzać problemy z bezpieczeństwem i zgodnością.

Platforma została zaprojektowana tak, aby wbudować polityki w sam proces tworzenia oprogramowania. Organizacje mogą ustalić wymagania dotyczące bezpieczeństwa, zatwierdzeń, zgodności z Rozporządzeniem o Ochronie Danych Osobowych (GDPR), architektury oraz wydatków na AI, zanim agenci rozpoczną generowanie kodu.

Kontrola kosztów jest szczególnie istotna, gdy przedsiębiorstwa eksperymentują z coraz bardziej agentowymi systemami rozwoju. Jedno zapytanie do asystenta kodującego może być tanie, ale floty agentów, które wielokrotnie planują, generują, testują i korygują oprogramowanie, mogą generować znaczne koszty inferencji.

Podejście G5 stara się ograniczyć te procesy na etapie intencji i planowania, zamiast odkrywać problemy kosztowe lub zarządcze po zakończeniu pracy.

Modernizacja starszych systemów może być wczesną szansą

Chociaż G5 prezentuje swoją technologię jako element szerszego przemyślenia inżynierii oprogramowania, jednym z jej najpilniejszych zastosowań może być znacznie bardziej praktyczne: modernizacja starszych systemów przedsiębiorstw.

Tradycyjne projekty modernizacyjne często polegają na przetłumaczeniu aplikacji ze przestarzałego języka lub architektury na nowszy stos technologiczny. Proces ten może nieumyślnie zachować dekady przestarzałych założeń, zduplikowaną funkcjonalność i dług techniczny.

G5 natomiast dąży do wyodrębnienia podstawowej intencji istniejącego oprogramowania do ontologii i odtworzenia aplikacji wokół tego modelu.

Firma twierdzi, że już wdraża to podejście w silnie regulowanych branżach. W jednym projekcie modernizacji usług finansowych analiza na poziomie ontologii G5 zidentyfikowała konflikty strukturalne, które byłoby trudno wykryć przy prostym przeniesieniu kodu. Na swojej stronie internetowej podaje, że miliony linii starszego kodu zostały już przekształcone w semantyczne modele systemowe w ramach wdrożeń.

Może to dać G5 bardziej wymierny punkt wejścia niż proszenie przedsiębiorstw o natychmiastowe przemyślenie całego cyklu życia tworzenia oprogramowania. Modernizacja starszych systemów jest już znaczącym wydatkiem dla dużych organizacji, szczególnie w usługach finansowych i innych branżach, gdzie systemy sprzed dziesięcioleci pozostają kluczowe dla działalności.

Z badań MIT do platformy komercyjnej

G5 Labs wyrosło z badań prowadzonych przez współzałożyciela i CEO Tima Kraskę w MIT CSAIL, gdzie jego praca coraz bardziej koncentruje się na tym, jak sztuczna inteligencja zmieni budowę dużych, złożonych systemów oprogramowania.

Kraska jest profesorem MIT, którego badania obejmują systemy agentowe, systemy danych oraz wykorzystanie dużych modeli językowych w rozwoju systemów. Jest także współdyrektorem Konsorcjum Wpływu Generatywnej AI MIT, które łączy naukowców akademickich z uczestnikami przemysłu w celu zbadania praktycznych i społecznych implikacji generatywnej AI.

Szersze pytanie badawcze stojące za G5 jest proste, ale istotne: jeśli AI ostatecznie napisze dużą część kodu oprogramowania, czy ludzie powinni nadal zarządzać oprogramowaniem głównie poprzez sam kod?

Odpowiedź G5 brzmi nie. Firma uważa, że intencja biznesowa powinna stać się trwałym artefaktem, podczas gdy języki programowania coraz bardziej stają się szczegółem implementacyjnym obsługiwanym przez systemy AI.

Czy stanie się to kolejną istotną warstwą abstrakcji w inżynierii oprogramowania, pozostaje otwartym pytaniem. Istniejące języki programowania, środowiska programistyczne, procesy przeglądu kodu i cykle życia tworzenia oprogramowania stanowią dziesięciolecia zgromadzonych narzędzi i wiedzy instytucjonalnej, a zastąpienie ich centralnej roli będzie wymagało znacznie więcej niż dokładne generowanie kodu.

Mimo to, rundę seed o wartości 14 milionów dolarów zapewnia G5 Labs kapitał potrzebny do przetestowania tej tezy z klientami korporacyjnymi. W miarę jak AI dramatycznie zwiększa ilość generowanego oprogramowania, szansa firmy może leżeć w rozwiązaniu mniej efektownego wyzwania, które następuje: zapewnieniu, że organizacje nadal będą w stanie rozumieć, kontrolować i rozwijać to, co te maszyny budują.