Varför framtiden för AI-kodgenerering är personanpassning

Enligt McKinsey, är den ekonomiska påverkan av GenAI störst inom produktutveckling och kodautomatisering, vilket resulterar i en påverkan på 900 miljarder dollar.

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

Tillståndet för GenAI och kodautomatisering 2024

Under 2023 exploderade ChatGPT och Githubs kodassistent CoPilot och blev mainstream bland utvecklare. GPT och liknande modeller har visat att stora språkmodeller (LLM) kan generera, slutföra, omstrukturera och omvandla kod mycket bra.

Idag finns det en mängd olika kodassistenter. Medan CoPilot anses vara marknadsledaren, finns det GenAI-kodassistenter med olika specialområden. För att nämna några:

• Anima specialiserar sig på front-end och omvandlar design till kod (t.ex. Figma till React)

• Codiums expertis ligger i att skapa tester och hantera pull-requests

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

• Tab9 erbjuder en lösning för företag med hög säkerhet

Nya utmanare till CoPilot tillkännages ofta, till exempel magic.dev och Poolside, som lovar bättre prestanda och en bättre upplevelse. Modellerna fortsätter att utvecklas – GPT5 förväntas tillkännages snart och LlamaCode erbjuder en högkvalitativ öppen källkodsmodell, med finjusterade versioner som dyker upp på HuggingFace [kodmodellernas leaderboard]. Det är bara början på kodautomatisering med LLM.

Enligt Github ökar CoPilot utvecklingstakten med 55% [forskning]. Anima-användare rapporterar att de sparar upp till 50% av front-end-kodningstiden [fallstudie], vilket gör dem 2x snabbare medan de slutar med bättre produktkvalitet i termer av UX – och mindre ping-pong mellan designers och utvecklare.

AI-kodpersonanpassning

JavaScript är det mest populära programmeringsspråket (Github 2023), och React är den mest populära JavaScript-webbramverket, som används av över 40% av utvecklare (Stackoverflow 2023).

Om du tar 100 olika utvecklingsteam som bygger på React, kommer du att hitta 100 olika kodstilar. Olika team har olika sätt att skriva kod på.

Varje team har sin tekniska stack (uppsättningen teknologier som används i programvaruarkitekturen). Vissa team använder öppen källkods-bibliotek som Next.js, som tillåter dem att optimera prestanda. Vissa använder UI-ramverk som Radix, MUI eller Ant. Team som använder React måste lägga till paket för statshantering, som React Query, Redux, Mobx osv. Och det finns tusentals andra populära öppen källkods-JavaScript-bibliotek.

Dessutom kan samma funktionalitet uppnås på olika sätt. Vissa team föredrar en CSS-gridlayout, medan andra föredrar en Flex-layout och uppnår samma resultat. Det finns syntaktiska preferenser. Vissa använder klassiska JavaScript-funktioner, medan andra använder piltangenter. Det finns namngivningskonventioner som camelCase, kebab-case och olika sätt att namnge komponenter och funktioner. Det finns oändligt många sätt att organisera din kod, som hur man kan omge öppen källkods-komponenter så att kodgränssnittet ser likadant ut för öppen källkods- eller proprietär kod.

När man kodar på ett specifikt projekt, följer varje utvecklare reglerna och konventionerna för den koden.

För att AI ska kunna spela en nyckelroll i kodning för ett utvecklingsteam, bör det koda som teamet. Det betyder att AI bör ha mycket kontext för att anpassa och personanpassa sin kod.

Epiolog: Potentialen i AI-kodgenerering

Vi har fortfarande bara skrapat på ytan av GenAI-förmågor.

När vi diskuterar GenAI-modeller, bör vi överväga personanpassning som att ge en modell den bästa kontexten för sin uppgift. Att ge den en bra kontext om den befintliga koden, UX och användarnas jobb att göra, kommer att resultera i bättre resultat. För att utnyttja GenAI-modeller till sin fulla potential, paketerar vi dem som produkter med stödsystem som fungerar med “gamla” algoritmer och heuristiker. Det är så vi maximalt utnyttjar AI till sin fulla potential.

Programvara kommer att fortsätta att “äta upp” världen allt snabbare, vilket kommer att öka produktiviteten, marginalerna och BNP.

VD:ar, IT-chefer och produktchefer som antar automatisering kommer att låta sina team leverera 2x och kanske till och med 5x snabbare, vilket ger dem en fördel gentemot konkurrenterna. Att få produkter snabbare ut på marknaden och till en lägre kostnad kommer att öka företagens marginaler och till slut öka BNP från teknik.

Billigare programvaruutveckling 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 utvecklingskostnaden är nere 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, utveckla mer arkitektur och UX än vad som idag anses vara kodning. Jag ser fler utvecklarpositioner i framtiden. Det sagt, utveckling kommer att utvecklas till en högre abstraktionsnivå.