AI Kod Oluşturma Geleceğinin Kişiselleştirme Olduğu Neden

McKinsey’e göre, GenAI’nin ekonomik etkisi, ürün geliştirme ve kod otomasyonu alanında en büyük olup, 900 milyar dolarlık bir etkiye sahiptir.

Kod otomasyonu, kod kişiselleştirme ve potansiyellerine daha derinlemesine bakalım.

2024’te GenAI ve Kod Otomasyonu Durumu

2023 yılında, ChatGPT ve Github’in kod asistanı CoPilot, kod yazarları arasında ana akım haline geldi. GPT ve benzer modeller, büyük dil modellerinin (LLM) kodu oluşturabileceğini, tamamlayabileceğini, yeniden düzenleyebileceğini ve dönüştürebileceğini gösterdi.

Şu anda, çeşitli kod asistanları mevcut. CoPilot kategori lideri olarak kabul edilse de, farklı uzmanlıklara sahip GenAI kod asistanları var. Birkaçını söyleyelim:

• Anima, ön uçta uzmanlaşmış, tasarımları koda dönüştürebiliyor (Örneğin, Figma’dan React’e)

• Codium, testleri oluşturma ve çekme isteklerini yönetme konusunda uzman

• Replit, bir AI asistanıyla birlikte online, işbirlikçi bir IDE sunuyor

• Tab9, kurumsal için yüksek güvenlikli, ön yüklemeli bir çözüm sunuyor

CoPilot’e rakip olarak sık sık yeni isimler duyuluyor, örneğin magic.dev ve Poolside, daha iyi performans ve deneyim vaat ediyor. Modeller devam ediyor – GPT5’in yakın zamanda duyurulması bekleniyor ve LlamaCode, yüksek sonlu, açık kaynaklı bir model sunuyor ve fine-tuned sürümleri HuggingFace’de [kod modelleri sıralaması]. Büyük dil modelleriyle kod otomasyonunun başlangıcında olduğumuz sadece.

Github’a göre, CoPilot geliştirme hızını %55 artırıyor [araştırma]. Anima kullanıcıları, ön uç kodlama süresini %50’ye kadar azalttıklarını rapor ediyorlar [vaka çalışması], böylece 2 kat daha hızlı hale geliyorlar ve UX açısından daha iyi ürün kalitesiyle sonuçlanıyorlar ve tasarımcılar ile geliştiriciler arasında daha az gidip gelme oluyor.

AI Kod Kişiselleştirme

JavaScript, en popüler kod dili (Github 2023), ve React, över 40% geliştiricinin kullandığı en popüler JavaScript web çerçevesi (Stackoverflow 2023).

Şimdi, React üzerine inşa eden 100 farklı mühendislik ekibini alırsanız, 100 farklı kodlama stilini bulacaksınız. Farklı ekipler, kodu yazma konusunda farklı yöntemlere sahip.

Her ekibin teknoloji yığını (yazılım mimarisinde kullanılan teknolojiler kümesi) farklı. Bazı ekipler, performansı optimize etmelerine olanak tanıyan açık kaynaklı kütüphaneler gibi Next.js kullanıyor. Bazıları, Radix, MUI veya Ant gibi UI çerçeveleri kullanıyor. React kullanan ekipler, durum yönetim paketlerini eklemek zorundalar, örneğin React sorgusu, Redux, Mobx vs. ve binlerce diğer popüler açık kaynaklı JavaScript kütüphanesi var.

Ayrıca, aynı işlevi farklı şekillerde gerçekleştirmek mümkün. Bazı ekipler, CSS ızgara düzenini tercih ederken, diğerleri esnek düzeni tercih ediyor ve aynı sonuçları alıyorlar. Sözdizimi tercihleri var. Bazıları klasik JavaScript fonksiyonlarını kullanırken, diğerleri ok fonksiyonlarını kullanıyor. camelCase, kebap-durum gibi adlandırma kuralları ve bileşenleri ve fonksiyonları adlandırmak için farklı yollar var. Kodu organize etmenin sonsuz yolu var, örneğin açık kaynaklı bileşenleri, kod arabirimini açık kaynaklı veya özel kod için aynı görünecek şekilde sarmanın yolu.

Belirli bir projede kod yazarken, her geliştirici, o kod tabanının kurallarına ve kurallarına uymaktadır.

AI’nin bir mühendislik ekibinin kodlamasındaki anahtar rolü oynaması için, AI’nin ekibin kodlama stilini benimsemesi gerekiyor. Bu, AI’nin kodunu kişiselleştirmek için çok fazla bağlama ihtiyacı olduğu anlamına geliyor.

Epilog: AI Kod Oluşturma Potansiyeli

GenAI yeteneklerinin yüzeyini sadece kazıiyoruz.

GenAI modellerini tartışırken, kişiselleştirmeyi, bir modele görevi için en iyi bağlamı verme olarak düşünün. Var olan kodu, UX’ı ve kullanıcıların yapması gereken işi hakkında harika bir bağlam vererek daha iyi sonuçlar elde edecektir. GenAI modellerini tam potansiyellerine ulaşmak için, onları “eski moda” algoritmalar ve sezgilere sahip sistemlerle paketliyoruz. İşte AI’yi tam potansiyeline ulaştırmak için yapıyoruz.

Yazılım, dünya daha hızlı ve hızlı bir şekilde yemeye devam edecek, üretkenliği, marjları ve GSYH’ı artıracaktır.

CEO’lar, BT liderleri ve PM liderleri, otomasyonu benimseyerek ekiplerinin 2 kat, belki 5 kat daha hızlı teslimat yapmasına olanak tanıyacaklar. Ürünleri daha hızlı ve daha düşük maliyetle piyasaya sürerek şirketlerin marjlarını artıracak ve sonunda teknoloji kaynaklı GSYH’ı artıracaktır.

Daha ucuz yazılım geliştirme, yazılımla daha fazla problemi çözmeyi sağlayacaktır. ROI negatif olan şeyler, geliştirme maliyeti %80 azaltıldığında ROI pozitif hale gelecektir. Niche problemleri çözen yazılımlar, geliştirme maliyeti düştüğünde değerli hale gelebilir.

Daha fazla insan kodlayacak ve daha hızlı kodlayacak. GenAI ajanları kod üretecek, test edecek ve dağıtacak, insanlar ise yaratıcı kısımları, bugünden düşünülenin ötesinde mimari ve UX geliştirecek. Gelecekte daha fazla geliştirici pozisyonu göreceğimi düşünüyorum. Dedikodu, geliştirme daha yüksek bir soyutlama düzeyine evrilecek.