G5 Labs виходить із режиму прихованості з $14 млн, щоб зробити природну мову новим вихідним кодом

G5 Labs, спін‑аут MIT Computer Science та Artificial Intelligence Laboratory (CSAIL), вийшов із режиму прихованості з $14 мільйон у посівному фінансуванні та амбітною тезою: наступна велика мова програмування може зовсім не виглядати як мова програмування.

Стартап зі штаб‑квартирою в Бостоні розробляє шар абстракції для AI‑нативної розробки програмного забезпечення, у якому описання природною мовою того, що має робити ПЗ, організовуються у формальний граф інтенцій, або онтологію, що фактично стає вихідним кодом. Pillar VC та Battery Ventures спільно очолили посівний раунд, приєдналися Omega Venture Partners, Encoded Ventures, та ангельські інвестори.

Фінансування буде використано для розширення інженерної команди G5 Labs, масштабування впроваджень у клієнтів та продовження розробки їх компілятора онтології, оскільки компанія намагається вирішити одну з нових проблем, створених інструментами AI‑кодування: генерування коду стає все легшим, тоді як розуміння, перегляд, управління та підтримка цього коду залишаються складними.

Перенесення вузького місця за межі генерації коду

AI‑асистенти кодування швидко змінили економіку створення програмного забезпечення. Тепер розробники можуть генерувати функції, тести, документацію та все більш повні застосунки, виконуючи лише небагато ручного кодування.

Але більше коду не обов’язково означає більш продуктивні інженерні організації.

Дослідження Faros на основі даних понад 10 000 розробників у 1 255 командах виявило, що команди з високим рівнем впровадження ШІ виконували на 21 % більше завдань і зливали на 98 % більше pull‑request’ів, але також спостерігали збільшення часу перегляду pull‑request’ів на 91 %. Той самий аналіз пов’язав впровадження ШІ з більшими pull‑request’ами та більшою кількістю помилок на одного розробника.

Інші дослідження також підкреслили подібну складність. рандомізоване дослідження, що залучала досвідчених розробників з відкритим кодом, виявила, що інструменти AI на початку 2025 року фактично збільшили час виконання завдань на 19 % у досліджуваних проектах, незважаючи на те, що самі розробники очікували, що AI значно пришвидшить їхню роботу.

G5 Labs підходить до проблеми з іншого боку. Замість створення ще однієї моделі кодування, компанія хоче підняти шар абстракції над самим згенерованим кодом.

Перетворення бізнес‑намірів у програмний артефакт

У центрі платформи G5 Labs знаходиться те, що компанія називає самонавчальним, двостороннім компілятором.

Намір, виражений природною мовою, можна перетворити у виконуваний код, але процес працює і у зворотному напрямку: існуючий код може бути інтерпретований і включений в онтологію, що описує базові вимоги та поведінку системи.

Ця різниця є центральною в підході G5.

Якщо організація змінює вимогу, відповідний код може бути згенерований заново, щоб відобразити цю зміну. Якщо розробники змінюють код безпосередньо, онтологія може навчатися на цих змінах і залишатися синхронізованою з реалізацією. G5 стверджує, що окремі рядки згенерованого коду можуть залишатися простежуваними до бізнес‑вимог, які їх стоять за ними.

По суті, компанія намагається надати вимогам до програмного забезпечення, сформульованим природною мовою, деякі властивості, які розробники очікують від традиційного вихідного коду: їх можна порівнювати, зливати, версіювати, керувати та, зрештою, компілювати.

Замість того, щоб виявити, що два AI‑агенти створили конфліктні реалізації після аналізу тисяч рядків коду, наприклад, G5 прагне виявити розбіжність на семантичному рівні — там, де продакт‑менеджер, аналітик або інженер можуть вирішити, яка базова вимога є правильною.

G5 перебуває над Claude Code, Codex та іншими моделями кодування

Іншим важливим елементом архітектури G5 є те, що вона не створена для прямої конкуренції з все більш потужними моделями кодування, що розробляються великими AI‑лабораторіями.

G5 натомість функціонує як шар застосунків та управління над ними.

Компанія стверджує, що її платформа може працювати з системами, такими як Claude Code, Codex та моделями з відкритими вагами, надаючи підприємствам можливість змінювати базову AI‑модель без необхідності перебудовувати семантичну архітектуру, що керує їхнім ПЗ.

G5 також розбиває плани розробки на перевірені завдання, які можна розподілити між кількома AI‑агентами. Їх дії, архітектурні рішення, політики та уроки потім можуть бути включені в онтологію організації.

Це може стати все важливішим у міру того, як розробка ПЗ переходить від розробника, що користується AI‑асистентом, до кількох автономних агентів, які одночасно змінюють великі кодові бази.

Без спільного представлення того, що саме має досягати застосунок, швидше генерування коду може лише створювати швидші розбіжності.

Управління стає частиною процесу розробки

G5 також орієнтується на регульовані підприємства, де дозволення автономним агентам коду працювати без контролю може створювати проблеми безпеки та відповідності.

Платформа розроблена для кодування політик безпосередньо у процес розробки програмного забезпечення. Організації можуть встановлювати вимоги щодо безпеки, затверджень, відповідності General Data Protection Regulation (GDPR), архітектури та витрат на ШІ ще до того, як агенти почнуть генерувати код.

Контроль витрат особливо важливий, оскільки підприємства експериментують із все більш агентними системами розробки. Одна команда до помічника кодування може бути недорогою, але флотилії агентів, які постійно планують, генерують, тестують і виправляють програмне забезпечення, можуть створювати значні витрати на інференс.

Підхід G5 намагається обмежити ці процеси на етапах наміру та планування, а не виявляти проблеми витрат або управління після завершення роботи.

Модернізація застарілих систем може стати ранньою можливістю

Хоча G5 представляє свою технологію як частину ширшого переосмислення інженерії програмного забезпечення, одне з найтерміновіших застосувань може бути значно практичнішим: модернізація застарілих корпоративних систем.

Традиційні проєкти модернізації часто передбачають переклад застосунку з застарілої мови або архітектури на новіший технологічний стек. Такий процес може ненавмисно зберігати десятиліття застарілих припущень, дубльовану функціональність і технічний борг.

G5 натомість прагне витягнути базовий намір існуючого програмного забезпечення в онтологію та відтворити застосунок навколо цієї моделі.

Компанія стверджує, що вже впроваджує цей підхід у сильно регульованих галузях. У одному проєкті модернізації фінансових послуг аналіз на рівні онтології від G5 виявив структурні конфлікти, які було б важко виявити за допомогою простого перенесення коду. На її веб‑сайті зазначено, що мільйони рядків застарілого коду вже перетворено у семантичні моделі систем у різних розгортаннях.

Це може надати G5 більш вимірювану точку входу, ніж вимагати від підприємств одразу переосмислювати весь життєвий цикл розробки ПЗ. Модернізація застарілих систем вже є значними витратами для великих організацій, особливо у фінансових послугах та інших галузях, де десятилітні системи залишаються критично важливими для бізнесу.

Від досліджень MIT до комерційної платформи

G5 Labs виникли в результаті досліджень, якими керував співзасновник і генеральний директор Тім Краска в MIT CSAIL, де його робота все більше зосереджується на тому, як штучний інтелект змінить створення великих, складних систем ПЗ.

Kraska — професор MIT, чиї дослідження охоплюють агентні системи, системи даних та використання великих мовних моделей для розробки систем. Він також співдиректор Консорціуму впливу генеративного ШІ MIT, який об’єднує академічних дослідників з учасниками індустрії для вивчення практичних та суспільних наслідків генеративного ШІ.

Ширше дослідницьке питання, що стоїть за G5, просте, але важливе: якщо ШІ зрештою писатиме великий відсоток коду ПЗ, чи повинні люди продовжувати керувати ПЗ переважно через сам код?

Відповідь G5 — ні. Компанія вважає, що бізнес‑намір має стати стійким артефактом, тоді як мови програмування все більше стають деталлю реалізації, яку обробляють системи ШІ.

Чи стане це наступним великим рівнем абстракції в інженерії ПЗ, залишається відкритим питанням. Існуючі мови програмування, середовища розробки, процеси ревізії коду та життєві цикли розробки ПЗ представляють десятиліття накопичених інструментів і інституційних знань, і заміна їхньої центральної ролі вимагатиме значно більше, ніж точне генерування коду.

Проте $14 мільйонів у раунді посівного фінансування дає G5 Labs капітал для перевірки цієї гіпотези з корпоративними клієнтами. Оскільки ШІ різко збільшує обсяг ПЗ, яке можна генерувати, можливість компанії може полягати у вирішенні менш гламурного виклику, що слідує: забезпечити, щоб організації все ще могли розуміти, контролювати та розвивати те, що будують ці машини.