ทำไมอนาคตของ AI Code Generation คือ Personalization

ตามรายงานของ McKinsey ผลกระทบทางเศรษฐกิจของ GenAI มีมากที่สุดในด้านการพัฒนาผลิตภัณฑ์และการ自动化โค้ด ส่งผลกระทบถึง 900 พันล้านดอลลาร์

มาเจาะลึกเกี่ยวกับสถานะของการ自动化โค้ด การปรับแต่งโค้ด และศักยภาพของมัน

สถานะของ GenAI และการ自动化โค้ดในปี 2024

ในปี 2023 ChatGPT และ CoPilot ของ Github ได้กลายเป็นที่นิยมในหมู่นักพัฒนา GPT และโมเดลที่คล้ายกันได้แสดงให้เห็นว่า LLMs (โมเดลภาษาขนาดใหญ่) สามารถสร้าง โค้ดที่สมบูรณ์แบบได้ดี

ปัจจุบันมีเครื่องมือช่วยเขียนโค้ดหลายตัว While CoPilot ถือเป็นผู้นำในหมวด แต่ก็มีเครื่องมือช่วยเขียนโค้ด GenAI ที่มีความเชี่ยวชาญที่แตกต่างกัน เช่น

• Anima มีความเชี่ยวชาญในการสร้างโค้ดด้านหน้า โดยการแปลงดีไซน์เป็นโค้ด (เช่น Figma เป็น React)

• Codium มีความเชี่ยวชาญในการสร้างการทดสอบและการจัดการการร้องขอ

• Replit มีเครื่องมือพัฒนาโค้ดออนไลน์ที่มีเครื่องมือช่วย AI ที่เฉพาะเจาะจง

• Tab9 มีเครื่องมือช่วยเขียนโค้ดที่มีความปลอดภัยสูงสำหรับองค์กร

มีการประกาศเครื่องมือช่วยเขียนโค้ดที่แข่งขันกับ CoPilot บ่อยครั้ง เช่น magic.dev และ Poolside ซึ่งให้ผลลัพธ์ที่ดีกว่าและประสบการณ์ที่ดีกว่า โมเดลเหล่านี้ยังคงพัฒนา – GPT5 คาดว่าจะประกาศเร็วๆ นี้ และ LlamaCode มีโมเดลที่เปิดให้ใช้งานได้ฟรี โดยมีเวอร์ชันที่ปรับให้เหมาะสมที่ HuggingFace [ตารางคะแนนโมเดลโค้ด]

ตามรายงานของ Github CoPilot ช่วยให้การพัฒนาเร็วขึ้น 55% [การวิจัย]

การปรับแต่งโค้ด AI

JavaScript เป็นภาษาโค้ดที่นิยมที่สุด (Github 2023) และ React เป็นเฟรมเวิร์กเว็บที่นิยมที่สุด โดยใช้โดยมากกว่า 40% ของนักพัฒนา (Stackoverflow 2023).

ถ้าคุณนำทีมวิศวกร 100 ทีมที่สร้างบน React คุณจะพบว่ามี 100 รูปแบบการเขียนโค้ดที่แตกต่างกัน

ทีมแต่ละทีมมีสแต็กเทคโนโลยี (ชุดเทคโนโลยีที่ใช้ในซอฟต์แวร์) บางทีมใช้ไลบรารีแบบเปิด เช่น Next.js เพื่อเพิ่มประสิทธิภาพ บางทีมใช้เฟรมเวิร์ก UI เช่น Radix, MUI หรือ Ant ทีมที่ใช้ React ต้องเพิ่มแพ็คเกจการจัดการสถานะ เช่น React query, Redux, Mobx ฯลฯ และมีไลบรารี JavaScript ที่นิยมที่สุดอีกหลายพัน

นอกจากนี้ ฟังก์ชันเดียวกันยังสามารถทำได้ด้วยวิธีที่แตกต่างกัน บางทีมชอบใช้ CSS grid layout ในขณะที่ทีมอื่นชอบใช้ Flex layout และได้ผลลัพธ์เดียวกัน มีการตั้งชื่อแบบต่างๆ เช่น camelCase, kebab-case และวิธีต่างๆ ในการกำหนดชื่อคอมโพเนนท์และฟังก์ชัน มีหลายวิธีในการจัดระเบียบโค้ด เช่น วิธีห่อไลบรารีแบบเปิดเพื่อให้โค้ดดูเหมือนกัน

เมื่อเขียนโค้ดในโปรเจ็กต์เฉพาะ นักพัฒนาจะปฏิบัติตามกฎและข้อกำหนดของฐานโค้ด

เพื่อให้ AI มีบทบาทสำคัญในการเขียนโค้ดสำหรับทีมวิศวกร AI ควรเขียนโค้ดเหมือนกับทีม ซึ่งหมายความว่า AI ต้องมีบริบทที่จะปรับแต่งและทำให้โค้ดเป็นแบบเฉพาะ

บทสรุป: ศักยภาพของ AI Code Generation

เรายังคงอยู่ในช่วงเริ่มต้นของความสามารถ GenAI

เมื่อพูดถึงโมเดล GenAI การปรับแต่งให้ดีที่สุดคือการให้บริบทที่ดีที่สุดสำหรับงานนั้น การให้บริบทที่ดีเกี่ยวกับโค้ดที่มีอยู่ UX และงานที่ผู้ใช้ต้องทำจะทำให้ได้ผลลัพธ์ที่ดีกว่า เพื่อให้ใช้โมเดล GenAI ได้เต็มที่ เราต้องรวมมันเข้ากับระบบที่ทำงานร่วมกับอัลกอริทึมและฮิวริสติกแบบดั้งเดิม

ซอฟต์แวร์จะยังคงเพิ่มความเร็วและผลผลิตมากขึ้น ทำให้เพิ่มผลกำไรและ GDP

CEO ผู้นำด้าน IT และผู้นำด้านโครงการที่นำการ 자동化มาใช้จะช่วยให้ทีมสามารถส่งมอบผลงานได้เร็วขึ้น 2-5 เท่า และได้เปรียบคู่แข่ง การนำผลิตภัณฑ์ออกสู่ตลาดเร็วขึ้นและลดต้นทุนจะช่วยเพิ่มผลกำไรและ GDP จากเทคโนโลยี

การพัฒนาซอฟต์แวร์ที่ถูกกว่าจะทำให้ซอฟต์แวร์สามารถแก้ปัญหาได้มากขึ้น สิ่งที่เคยไม่คุ้มทุนจะกลายเป็นคุ้มทุนได้ ซอฟต์แวร์ที่แก้ปัญหาเฉพาะจุดอาจมีค่าใช้จ่ายถูกกว่าถ้าลดต้นทุนลง 80%

คนจะเขียนโค้ดมากขึ้นและเร็วขึ้น ตัวแทน GenAI จะสร้าง ทดสอบ และใช้โค้ด ในขณะที่มนุษย์จะทำส่วนสร้างสรรค์ พัฒนาโครงสร้างและ UX มากกว่าที่ทำในปัจจุบัน ผมเห็นว่ามีตำแหน่งนักพัฒนามากขึ้นในอนาคต แต่การพัฒนาจะพัฒนาไปสู่ระดับของการสร้างสรรค์ที่สูงขึ้น