Почему будущее генерации кода ИИ — за персонализацией

Согласно McKinsey, экономический эффект GenAI является самым большим в области разработки продуктов и автоматизации кодирования, что приводит к эффекту в 900 миллиардов долларов.

Давайте углубимся в состояние автоматизации кода, персонализации кода и его потенциала.

Состояние GenAI и автоматизации кода в 2024 году

В 2023 году ChatGPT и помощник по кодированию Github CoPilot стали популярными среди программистов. GPT и подобные модели показали, что LLM (большие языковые модели) могут очень хорошо генерировать, дополнять, рефакторить и преобразовывать код.

Сегодня существует множество помощников по программированию. Хотя CoPilot считается лидером в категории, существуют помощники по кодированию GenAI с разными специальностями. Назвать несколько:

• Anima специализируется на интерфейсе, превращая проекты в код (например, Figma для React).

• Опыт Codium в составлении тестов и управлении запросами на включение

• Replit предлагает онлайн-среду для совместной работы со специальным помощником искусственного интеллекта.

• Tab9 предлагает локальное высокозащищенное решение для предприятий.

Часто объявляются новые конкуренты CoPilot, например: Magic.dev и Poolside, обещающие лучшую производительность и лучший опыт. Модели продолжают развиваться: ожидается, что скоро будет анонсирован GPT5, а LlamaCode предлагает высококачественную модель с открытым исходным кодом, а доработанные версии появляются на HuggingFace [таблица лидеров моделей кода]. Это только начало автоматизации кода с помощью LLM.

По данным Github, CoPilot ускоряет разработку на 55% [исследованиями]. Пользователи Anima сообщают об экономии до 50% времени внешнего интерфейса [тематическое исследование], что делает их в 2 раза быстрее, обеспечивая при этом лучшее качество продукта с точки зрения UX и меньше конфликтов между дизайнерами и разработчиками.

Персонализация AI-кода

JavaScript — язык программирования №1 по популярности (Гитхаб 2023), а React — самая популярная веб-инфраструктура JavaScript, которую используют более 40% разработчиков (Стековерфлоу 2023).

Теперь, если вы возьмете 100 различных команд инженеров, работающих на основе React, вы обнаружите 100 различных стилей кодирования. Разные команды используют разные способы написания кода.

У каждой команды есть свой технологический стек (набор технологий, используемых в архитектуре программного обеспечения). Некоторые команды используют библиотеки с открытым исходным кодом, такие как Next.js, что позволяет им оптимизировать производительность. Некоторые используют платформы пользовательского интерфейса, такие как Radix, MUI или Ant. Команды, использующие React, должны добавлять пакеты управления состоянием, такие как React query, Redux, Mobx и т. д. И существуют тысячи других популярных библиотек JavaScript с открытым исходным кодом.

Кроме того, одна и та же функциональность может быть достигнута разными способами. Некоторые команды предпочитают макет сетки CSS, в то время как другие предпочитают макет Flex и получают те же результаты. Есть синтаксические предпочтения. Некоторые используют классические функции JavaScript, а другие — функции стрелок. Существуют соглашения об именах, такие как «camelCase», «kebab-case», а также различные способы именования компонентов и функций. Существует бесконечное количество способов организовать ваш код, например, как обернуть компоненты с открытым исходным кодом таким образом, чтобы интерфейс кода выглядел одинаково для открытого или проприетарного кода.

При написании кода для конкретного проекта каждый разработчик следует правилам и соглашениям этой базы кода.

Чтобы ИИ мог играть ключевую роль в кодировании команды инженеров, он должен программировать как команда. Это означает, что ИИ должен иметь много контекста для настройки и персонализации своего кода.

Эпилог: Потенциал генерации кода ИИ

Мы все еще царапаем поверхность возможностей GenAI.

Обсуждая модели GenAI, рассматривайте персонализацию как предоставление модели наилучшего контекста для ее задачи. Предоставление ему отличного контекста относительно существующего кода, UX и работы пользователей приведет к лучшим результатам. Чтобы максимально использовать потенциал моделей GenAI, мы упаковываем их как продукты с вспомогательными системами, работающими со «старомодными» алгоритмами и эвристиками. Именно так мы максимально используем потенциал ИИ.

Программное обеспечение будет поглощать мир все быстрее и быстрее, увеличивая производительность, прибыль и ВВП.

Руководители ИТ-подразделений и руководители проектов, внедряющие автоматизацию, позволят своим командам работать в 2, а возможно, и в 5 раз быстрее, получая преимущество перед конкурентами. Более быстрый вывод продуктов на рынок и снижение затрат увеличит рентабельность компаний и, в конечном итоге, ВВП, получаемый от технологий.

Более дешевая разработка программного обеспечения означает, что программное обеспечение может появиться и решить больше проблем. То, что раньше было отрицательным, станет положительным. Программное обеспечение, которое решает нишевые проблемы, может оказаться стоящим, если стоимость разработки снизится на 80%.

Больше людей будут писать код, и они будут писать код быстрее. Агенты GenAI будут создавать, тестировать и развертывать код, а люди будут выполнять творческую часть, разрабатывая больше архитектуры и UX, чем то, что сегодня считается кодированием. Я вижу больше позиций разработчиков в будущем. Тем не менее, развитие перейдет на более высокий уровень абстракции.