Dlaczego przyszłość generowania kodu AI jest personalizowana

Według McKinsey, wpływ ekonomiczny GenAI jest największy w dziedzinie rozwoju produktu i automatyzacji kodu, co skutkuje wpływem w wysokości 900 mld dolarów.

Zanurzmy się głębiej w stan automatyzacji kodu, personalizacji kodu i jego potencjale.

Stan GenAI i automatyzacji kodu w 2024 roku

W 2023 roku ChatGPT i asystent kodowania Github, CoPilot, stały się popularne wśród programistów. Modele GPT i podobne pokazały, że duże modele językowe mogą generować, uzupełniać, refactorować i transformować kod bardzo dobrze.

Dziś istnieje wiele asystentów kodowania. Chociaż CoPilot jest uważany za lidera kategorii, istnieją asystenci kodowania GenAI o różnych specjalizacjach. Aby wymienić kilka:

• Anima specjalizuje się w kodowaniu front-end, zamieniając projekty w kod (np. Figma w React)

• Codium specjalizuje się w tworzeniu testów i zarządzaniu żądaniami ściągnięcia

• Replit oferuje online, współpracujące środowisko programistyczne z dedykowanym asystentem AI

• Tab9 oferuje rozwiązanie na miejscu, wysoko zabezpieczone dla przedsiębiorstw

Wzrastający rywale CoPilota są ogłaszani często, na przykład magic.dev i Poolside, obiecując lepszą wydajność i lepsze doświadczenie. Modele nadal ewoluują – GPT5 ma zostać ogłoszony wkrótce, a LlamaCode oferuje wysokiej jakości, otwarty model, z wersjami dostosowanymi pojawiającymi się na HuggingFace [lista liderów modeli kodu]. To dopiero początek automatyzacji kodu z dużymi modelami językowymi.

Według Github, CoPilot przyspiesza rozwój o 55% [badania]. Użytkownicy Anima zgłaszają oszczędność do 50% czasu kodowania front-end [studium przypadku], co czyni ich 2x szybszymi i kończącymi z lepszą jakością produktu pod względem UX – oraz mniej ping-pongiem między projektantami a programistami.

Personalizacja kodu AI

JavaScript jest najpopularniejszym językiem programowania (Github 2023), a React jest najpopularniejszym frameworkiem sieciowym JavaScript, używanym przez ponad 40% programistów (Stackoverflow 2023).

Teraz, jeśli weźmiemy 100 różnych zespołów inżynierskich, które budują na React, znajdziemy 100 różnych stylów kodowania.

Każdy zespół ma swój stos technologiczny (zestaw technologii używanych w architekturze oprogramowania). Niektóre zespoły używają bibliotek open-source, takich jak Next.js, co pozwala im zoptymalizować wydajność. Niektóre używają frameworków UI, takich jak Radix, MUI lub Ant. Zespoły używające React muszą dodać pakiety zarządzania stanem, takie jak React query, Redux, Mobx itp. I istnieją tysiące innych popularnych bibliotek JavaScript open-source.

Ponadto, tę samą funkcjonalność można osiągnąć na różne sposoby. Niektóre zespoły preferują układ siatki CSS, podczas gdy inne preferują układ Flex i osiągają te same wyniki. Są preferencje składniowe. Niektórzy używają klasycznych funkcji JavaScript, podczas gdy inni używają funkcji strzałkowych. Są konwencje nazewnicze, takie jak camelCase, kebab-case i różne sposoby nazywania składników i funkcji. Są niezliczone sposoby organizacji kodu, jak na przykład jak otoczyć składniki open-source w taki sposób, aby interfejs kodu wyglądał tak samo dla kodu open-source i własnego.

Podczas kodowania w określonym projekcie, każdy programista stosuje reguły i konwencje tej bazy kodu.

Aby AI mogło odegrać kluczową rolę w kodowaniu dla zespołu inżynierskiego, powinno kodować jak zespół. Oznacza to, że AI powinno mieć wiele kontekstu, aby dostosować i spersonalizować swój kod.

Epilog: Potencjał w generowaniu kodu AI

Jeszcze tylko zaczynamy odkrywać możliwości GenAI.

Podczas dyskusji o modelach GenAI, rozważaj personalizację jako nadanie modelowi najlepszego kontekstu do jego zadania. Nadanie mu wielkiego kontekstu dotyczącego istniejącego kodu, UX i pracy użytkowników da lepsze wyniki. Aby wykorzystać modele GenAI do ich pełnego potencjału, pakujemy je jako produkty z systemami wspierającymi, które pracują z „starymi” algorytmami i heurystykami. To jest sposób, w jaki maksymalizujemy AI do jego pełnego potencjału.

Oprogramowanie będzie nadal „zjadać” świat coraz szybciej, zwiększając produktywność, marże i PKB.

Prezesi, liderzy IT i liderzy PM, którzy przyjmują automatyzację, pozwolą swoim zespołom dostarczać 2x i może nawet 5x szybciej, uzyskując przewagę nad konkurencją. Przynosząc produkty szybciej na rynek i przy niższych kosztach, zwiększą marże firm i ostatecznie zwiększą PKB pochodzące z technologii.

Tańszy rozwój oprogramowania oznacza, że oprogramowanie może przyjść i rozwiązać więcej problemów. To, co kiedyś było ROI ujemne, stanie się ROI dodatnim. Oprogramowanie, które rozwiązuje problemy nisze, może być warte, jeśli koszt rozwoju jest obniżony o 80%.

Więcej ludzi będzie kodować, i będą kodować szybciej. Agenci GenAI będą produkować, testować i wdrażać kod, a ludzie będą robić kreatywne części, rozwijając więcej architektury i UX niż to, co jest obecnie uważane za kodowanie. Widzę więcej stanowisk deweloperskich w przyszłości. Powiedzmy, że rozwój ewoluował będzie w kierunku wyższego poziomu abstrakcji.