Varför framtiden för AI-kodgenerering är personalisering

Enligt McKinsey, den ekonomiska effekten av GenAI är den största inom området produktutveckling och kodningsautomation, vilket resulterar i en effekt på 900 miljarder dollar.

Låt oss dyka djupare in i tillståndet för kodautomatisering, kodpersonalisering och dess potential.

State of GenAI & Code Automation 2024

2023 exploderade ChatGPT och Githubs kodningsassistent, CoPilot, till att bli mainstream bland kodare. GPT och liknande modeller har visat att LLM:er (stora språkmodeller) kan generera, komplettera, omstrukturera och transformera kod mycket bra.

Idag finns det en mängd olika kodningsassistenter. Medan CoPilot anses vara kategoriledaren finns det GenAI-kodningsassistenter med olika specialiteter. För att nämna några:

• Anima specialiserar sig på front-end, förvandlar design till kod (dvs Figma to React)

• Codiums expertis komponerar tester och hanterar pull-förfrågningar

• Replit erbjuder en online, kollaborativ IDE med en dedikerad AI-assistent

• Tab9 erbjuder en lokal, mycket säker lösning för företaget

Stigande rivaler till CoPilot tillkännages ofta, t.ex. magic.dev och Poolside, som lovar bättre prestanda och en bättre upplevelse. Modeller fortsätter att utvecklas – GPT5 förväntas tillkännages snart, och LlamaCode erbjuder en avancerad modell med öppen källkod, med finjusterade versioner som dyker upp på HuggingFace [kodmodeller leaderboard]. Det är bara början på kodautomatisering med LLM.

Enligt Github påskyndar CoPilot utvecklingen med 55 % [forskning]. Anima-användare rapporterar att de sparar upp till 50 % av frontend-kodningstiden [fallstudie], vilket gör dem 2 gånger snabbare samtidigt som de får bättre produktkvalitet när det gäller UX – och mindre pingis mellan designers och utvecklare.

Personalisering av AI-kod

JavaScript är det #1 mest populära kodspråket (Github 2023), och React är det mest populära JavaScript-webbramverket, som används av över 40 % av utvecklarna (Stackoverflow 2023).

Nu, om du tar 100 olika ingenjörsteam som bygger ovanpå React, hittar du 100 olika kodningsstilar. Olika team har olika sätt att skriva kod.

Varje team har sin tekniska stack (uppsättningen av tekniker som används i programvaruarkitekturen). Vissa team använder bibliotek med öppen källkod som Next.js, vilket gör att de kan optimera prestanda. Vissa använder UI-ramverk som Radix, MUI eller Ant. Team som använder React måste lägga till tillståndshanteringspaket, som React query, Redux, Mobx, etc. Och det finns tusentals andra populära JavaScript-bibliotek med öppen källkod.

Dessutom kan samma funktionalitet uppnås på olika sätt. Vissa lag föredrar en CSS-rutnätslayout, medan andra föredrar en Flex-layout och får samma resultat. Det finns syntaktiska preferenser. Vissa använder klassiska JavaScript-funktioner, medan andra använder pilfunktioner. Det finns namnkonventioner som camelCase, kebab-case och olika sätt att namnge komponenter och funktioner. Det finns oändliga sätt att organisera din kod, som hur man lindar komponenter med öppen källkod på ett sätt som gör att kodgränssnittet ser likadant ut för öppen källkod eller egen kod.

När du kodar på ett specifikt projekt följer varje utvecklare reglerna och konventionerna för den kodbasen.

För att AI ska spela en nyckelroll i kodningen för ett ingenjörsteam bör den koda som teamet. Detta innebär att AI bör ha massor av sammanhang för att anpassa och anpassa sin kod.

Epilog: Potentialen i AI-kodgenerering

Vi skrapar fortfarande på ytan av GenAI-kapacitet.

När du diskuterar GenAI-modeller, överväg personalisering som att ge en modell det bästa sammanhanget för sin uppgift. Att ge det ett bra sammanhang angående den befintliga koden, användarupplevelsen och användarnas jobb som ska göras kommer att resultera i bättre resultat. För att kunna utnyttja GenAI-modeller till sin fulla potential, paketerar vi dem som produkter med stödsystem som arbetar med "gammaldags" algoritmer och heuristik. Det är så vi maximerar AI till dess fulla potential.

Programvaran kommer att fortsätta äta upp världen snabbare och snabbare, vilket ökar produktiviteten, marginalerna och BNP.

VD:ar, IT-chefer och projektledare som använder automatisering kommer att göra det möjligt för sina team att leverera två gånger och kanske till och med fem gånger snabbare, vilket ger dem en fördel gentemot konkurrenterna. Att få ut produkter snabbare på marknaden och till en lägre kostnad kommer att öka företagens marginaler och så småningom öka BNP från tekniken.

Billigare mjukvaruutveckling innebär att programvara kan komma och lösa fler problem. Det som tidigare var ROI-negativt kommer att bli ROI-positivt. Programvara som löser nischproblem kan vara värt det om kostnaden för utveckling sjunker med 80 %.

Fler människor kommer att koda, och de kommer att koda snabbare. GenAI-agenter kommer att producera, testa och distribuera kod, och människor kommer att göra de kreativa delarna och utveckla mer arkitektur och UX än vad som idag betraktas som kodning. Jag ser fler utvecklarpositioner i framtiden. Som sagt, utveckling kommer att utvecklas till en högre abstraktionsnivå.