G5 Labs выходит из скрытного режима с $14M, чтобы сделать естественный язык новым исходным кодом

G5 Labs, спин‑аут MIT Computer Science и Artificial Intelligence Laboratory (CSAIL), вышел из скрытного режима с $14 млн в посевном раунде и амбициозной тезой: следующий крупный язык программирования может вовсе не выглядеть как язык программирования.

Стартап из Бостона разрабатывает слой абстракции для разработки программного обеспечения, ориентированного на ИИ, в котором описания на естественном языке того, что должно делать программное обеспечение, организованы в формальный граф намерений, или онтологию, которая фактически становится исходным кодом. Pillar VC и Battery Ventures совместно возглавили посевный раунд, к ним присоединились Omega Venture Partners, Encoded Ventures и ангельские инвесторы.

Эти средства будут использованы для расширения инженерной команды G5 Labs, масштабирования внедрений у клиентов и продолжения разработки компилятора онтологии, поскольку компания стремится решить одну из возникающих проблем, создаваемых инструментами генерации кода на основе ИИ: генерация кода становится всё проще, тогда как понимание, проверка, управление и поддержка этого кода остаются сложными.

Перемещение узкого места за пределы генерации кода

Помощники по кодированию на основе ИИ быстро изменили экономику создания программного обеспечения. Разработчики теперь могут генерировать функции, тесты, документацию и всё более полные приложения с относительно небольшим объёмом ручного кодирования.

Однако больше кода не обязательно означает более продуктивные инженерные организации.

Исследование Faros на основе более чем 10 000 разработчиков в 1 255 командах показало, что команды с высоким уровнем внедрения ИИ завершали на 21 % больше задач и сливали на 98 % больше pull‑request’ов, но также сталкивались с ростом времени обзора pull‑request’ов на 91 %. Тот же анализ связал внедрение ИИ с более крупными pull‑request’ами и большим количеством багов на разработчика.

Другие исследования также выявили аналогичные сложности. Рандомизированное исследование, в котором участвовали опытные разработчики открытого кода, показало, что инструменты ИИ начала 2025 года фактически увеличили время выполнения задач на 19 % в изучаемых проектах, несмотря на то, что сами разработчики ожидали, что ИИ сделает их работу значительно быстрее.

G5 Labs решает проблему с другой стороны. Вместо создания ещё одной модели кодирования компания хочет поднять слой абстракции над самим сгенерированным кодом.

Преобразование бизнес‑намерений в программный артефакт

В основе платформы G5 Labs находится то, что компания описывает как самобучающийся, двунаправленный компилятор.

Намерения, выраженные на естественном языке, могут быть преобразованы в исполняемый код, но процесс также работает в обратном направлении: существующий код может быть интерпретирован и включён в онтологию, описывающую базовые требования и поведение системы.

Это различие является центральным в подходе G5.

Если организация меняет требование, соответствующий код может быть сгенерирован заново, чтобы отразить изменение. Если разработчики изменяют код напрямую, онтология может учиться на этих изменениях и оставаться синхронизированной с реализацией. G5 утверждает, что отдельные строки сгенерированного кода могут оставаться прослеживаемыми к бизнес‑требованиям, лежащим в их основе.

По сути, компания пытается придать требованиям к программному обеспечению, сформулированным на естественном языке, некоторые свойства, которые разработчики ожидают от традиционного исходного кода: их можно сравнивать, объединять, версионировать, управлять и в конечном итоге компилировать.

Вместо того чтобы после анализа тысяч строк кода обнаруживать, что два ИИ‑агента создали конфликтующие реализации, G5, например, стремится выявить разногласия на семантическом уровне — где менеджер продукта, аналитик или инженер могут решить, какое базовое требование является правильным.

G5 располагается над Claude Code, Codex и другими моделями кодирования

Еще один важный элемент архитектуры G5 состоит в том, что она не предназначена для прямой конкуренции с все более мощными моделями кодирования, разрабатываемыми крупными ИИ‑лабораториями.

G5 же функционирует как слой приложений и управления над ними.

Компания заявляет, что её платформа может работать с системами, такими как Claude Code, Codex и моделями с открытыми весами, предоставляя предприятиям возможность менять базовую модель ИИ без необходимости перестраивать семантическую архитектуру, управляющую их программным обеспечением.

G5 также разбивает планы разработки на проверяемые задачи, которые могут распределяться между несколькими ИИ‑агентами. Их действия, архитектурные решения, политики и выводы затем могут быть включены в онтологию организации.

Это может стать всё более важным по мере того, как разработка программного обеспечения переходит от разработчика, использующего ИИ‑ассистента, к нескольким автономным агентам, одновременно модифицирующим большие кодовые базы.

Без общей модели того, чего приложение действительно должно достичь, ускоренная генерация кода может лишь ускорить разногласия.

Управление становится частью процесса разработки

G5 также ориентируется на регулируемые предприятия, где разрешение автономным агентам кодирования работать без контроля может привести к проблемам с безопасностью и соблюдением нормативов.

Платформа разработана для внедрения политик непосредственно в процесс разработки программного обеспечения. Организации могут установить требования по безопасности, одобрениям, соблюдению Общего регламента по защите данных (GDPR), архитектуре и расходам на ИИ до того, как агенты начнут генерировать код.

Контроль расходов особенно важен, поскольку предприятия экспериментируют с всё более агентными системами разработки. Один запрос к помощнику по кодированию может стоить недорого, но целые группы агентов, постоянно планирующие, генерирующие, тестирующие и исправляющие программное обеспечение, могут создавать значительные затраты на вывод.

Подход G5 стремится ограничить эти процессы на этапах намерения и планирования, а не выявлять проблемы с затратами или управлением после завершения работы.

Модернизация наследия может стать ранней возможностью

Хотя G5 представляет свою технологию как часть более широкого переосмысления разработки программного обеспечения, одно из её самых непосредственных применений может быть значительно более практичным: модернизация наследуемых корпоративных систем.

Традиционные проекты модернизации часто включают перевод приложения с устаревшего языка или архитектуры на более современный технологический стек. Этот процесс может непреднамеренно сохранять десятилетия устаревших предположений, дублированный функционал и технический долг.

G5 же стремится извлечь базовое намерение существующего программного обеспечения в онтологию и заново создать приложение на основе этой модели.

Компания заявляет, что уже внедряет этот подход в сильно регулируемых отраслях. В одном проекте модернизации финансовых услуг анализ на уровне онтологии от G5 выявил структурные конфликты, которые было бы трудно обнаружить при простой миграции кода. На её сайте указано, что миллионы строк наследуемого кода уже преобразованы в семантические модели систем в рамках различных внедрений.

Это может предоставить G5 более измеримую точку входа, чем требовать от предприятий немедленно переосмысливать весь жизненный цикл разработки программного обеспечения. Модернизация наследия уже является значительными расходами для крупных организаций, особенно в финансовом секторе и других отраслях, где десятилетними системами остаются критически важными для бизнеса.

От исследований MIT к коммерческой платформе

G5 Labs возникла из исследований, возглавляемых соучредителем и генеральным директором Тимом Краской в MIT CSAIL, где его работа всё больше сосредоточена на том, как искусственный интеллект изменит создание крупных, сложных программных систем.

Kraska — профессор MIT, чьи исследования охватывают агентные системы, системы данных и использование больших языковых моделей для разработки систем. Он также со‑директор консорциума MIT Generative AI Impact, который объединяет академических исследователей и представителей индустрии для изучения практических и общественных последствий генеративного ИИ.

Широкий исследовательский вопрос, стоящий за G5, прост, но имеет важные последствия: если ИИ в конечном итоге будет писать большую часть кода программного обеспечения, должны ли люди продолжать управлять программным обеспечением преимущественно через сам код?

Ответ G5 — нет. Компания считает, что бизнес‑намерение должно стать долговременным артефактом, а языки программирования всё больше становятся деталью реализации, управляемой системами ИИ.

Остаётся открытым вопрос, станет ли это следующим крупным уровнем абстракции в инженерии программного обеспечения. Существующие языки программирования, среды разработки, процессы ревью кода и жизненные циклы разработки представляют собой десятилетия накопленных инструментов и институциональных знаний, и замена их центральной роли потребует гораздо больше, чем точная генерация кода.

Тем не менее, посевной раунд в $14 млн предоставляет G5 Labs капитал для проверки этой гипотезы с корпоративными клиентами. По мере того как ИИ резко увеличивает объём генерируемого программного обеспечения, возможность компании может заключаться в решении менее гламурного вызова, который следует за этим: обеспечить, чтобы организации всё ещё могли понимать, контролировать и развивать то, что создают эти машины.