Почему будущее генерации кода ИИ – это персонализация

Согласно McKinsey, экономическое влияние GenAI является самым большим в области разработки продукта и автоматизации кодирования, что приводит к влиянию в размере 900 миллиардов долларов.

Давайте глубже рассмотрим состояние автоматизации кода, персонализации кода и его потенциала.

Состояние GenAI и автоматизации кода в 2024 году

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

Сегодня существует множество помощников кодирования. Хотя CoPilot считается лидером в этой категории, есть помощники кодирования GenAI с разными специализациями. Чтобы назвать несколько:

• Anima специализируется на фронт-энде, превращая дизайн в код (например, Figma в React)

• Codium специализируется на составлении тестов и управлении запросами на вытягивание

• Replit предлагает онлайн-сотрудничество с посвященным помощником ИИ

• Tab9 предлагает решение на месте с высокой безопасностью для корпоративных клиентов

Новые соперники CoPilot объявляются часто, например, magic.dev и Poolside, обещающие лучшую производительность и лучший опыт. Модели продолжают эволюционировать – GPT5 ожидается скоро, и LlamaCode предлагает высококачественную открытую модель, с тонко настроенными версиями, появляющимися на HuggingFace [лидерборд моделей кода]. Это только начало автоматизации кода с помощью LLM.

Согласно Github, CoPilot ускоряет разработку на 55% [исследование]. Пользователи Anima сообщают о экономии до 50% времени кодирования фронт-энда [кейс-стади], что делает их в 2 раза быстрее, и в результате получается лучшее качество продукта в плане UX – и меньше “пинг-понга” между дизайнерами и разработчиками.

Персонализация кода ИИ

JavaScript является самым популярным языком программирования (Github 2023), и React является самым популярным веб-фреймворком JavaScript, используемым более чем 40% разработчиков (Stackoverflow 2023).

Теперь, если вы возьмете 100 разных инженерных команд, которые строят на основе React, вы найдете 100 разных стилей кодирования. Разные команды имеют разные способы написания кода.

Каждая команда имеет свой стек технологий (набор технологий, используемых в программной архитектуре). Некоторые команды используют открытые библиотеки, такие как Next.js, что позволяет им оптимизировать производительность. Некоторые используют фреймворки интерфейса пользователя, такие как Radix, MUI или Ant. Команды, использующие React, должны добавить пакеты управления состоянием, такие как React query, Redux, Mobx и т. д. И существует тысячи других популярных открытых библиотек JavaScript.

Кроме того, одну и ту же функциональность можно достичь разными способами. Некоторые команды предпочитают макет на основе сетки CSS, в то время как другие предпочитают макет Flex и получают одинаковые результаты. Есть синтаксические предпочтения. Некоторые используют классические функции JavaScript, в то время как другие используют стрелочные функции. Есть соглашения об именах, такие как camelCase, kebab-case, и разные способы именования компонентов и функций. Есть бесконечные способы организовать свой код, как обернуть открытые компоненты так, чтобы интерфейс кода выглядел одинаково для открытого или проприетарного кода.

Когда вы кодируете на конкретном проекте, каждый разработчик следует правилам и соглашениям этого кода.

Чтобы ИИ сыграл ключевую роль в кодировании для инженерной команды, он должен кодировать как команда. Это означает, что ИИ должен иметь много контекста, чтобы настроить и персонализировать свой код.

Эпилог: Потенциал генерации кода ИИ

Мы только начинаем понимать возможности GenAI.

Когда мы обсуждаем модели GenAI, учитывайте персонализацию как предоставление модели лучшего контекста для ее задачи. Предоставление ей отличного контекста относительно существующего кода, UX и задачи пользователя приведет к лучшим результатам. Чтобы использовать модели GenAI в полной мере, мы упаковываем их в продукты с поддерживающими системами, работающими с “старомодными” алгоритмами и эвристикой. Это то, как мы максимизируем ИИ до его полного потенциала.

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

Генеральные директора, лидеры ИТ и лидеры проектов, которые принимают автоматизацию, позволят своим командам доставлять 2 раза и, возможно, даже 5 раз быстрее, получая преимущество над конкурентами. Быстрее выводя продукты на рынок и снижая затраты, компании увеличат свою прибыль и, в конечном итоге, увеличат ВВП, полученный от технологий.

Дешевое развитие программного обеспечения означает, что программное обеспечение может решить больше проблем. То, что раньше было ROI-отрицательным, станет ROI-положительным. Программное обеспечение, которое решает нишевые проблемы, может быть стоит того, если стоимость разработки снижается на 80%.

Больше людей будут кодировать, и они будут кодировать быстрее. Агенты GenAI будут производить, тестировать и развертывать код, а люди будут заниматься творческими частями, разрабатывая больше архитектуры и UX, чем то, что сейчас считается кодированием. Я вижу больше позиций разработчиков в будущем. Однако развитие будет эволюционировать в более высокий уровень абстракции.