Dalsze kroki w zakresie ogólnego rozwoju kodu opartego na sztucznej inteligencji w roku 2025

Ten artykuł jest częścią specjalnego wydania VentureBeat „AI at Scale: From Vision to Viability”. Więcej na ten temat przeczytasz tutaj.

Trzy lata temu tworzenie kodu opartego na sztucznej inteligencji ograniczało się głównie do GitHub Copilot.

Narzędzia programistyczne GitHub oparte na sztucznej inteligencji zaskoczyły programistów możliwością pomocy w uzupełnieniu kodu, a nawet wygenerowaniu nowego kodu. Obecnie, od początku 2025 r., dostępnych jest co najmniej kilkanaście narzędzi i usług do generatywnego kodowania AI oferowanych przez dużych i małych dostawców. Narzędzia do kodowania oparte na sztucznej inteligencji oferują teraz zaawansowane funkcje generowania i uzupełniania kodu oraz obsługują szereg języków programowania i wzorców wdrażania.

Nowa klasa narzędzi do tworzenia oprogramowania może całkowicie zrewolucjonizować sposób tworzenia i dystrybucji aplikacji – jak twierdzi wielu dostawców. Niektórzy obserwatorzy obawiają się, że te nowe narzędzia oznaczać będą koniec profesjonalnych programistów, takich, jakich znamy.

Jaka jest rzeczywistość? Jak narzędzia naprawdę wywierają dzisiaj wpływ? Gdzie popełnili błąd i dokąd zmierza rynek w 2025 roku?

„W ciągu ostatniego roku narzędzia sztucznej inteligencji stawały się coraz bardziej istotne dla produktywności programistów” – Mario Rodriguez, dyrektor ds. produktu GitHubpowiedział VentureBeat.

Obietnica efektywności przedsiębiorstwa w zakresie ogólnego tworzenia kodu opartego na sztucznej inteligencji

Co zatem mogą teraz zrobić ogólne narzędzia do tworzenia kodu oparte na sztucznej inteligencji?

Rodriguez powiedział, że narzędzia takie jak GitHub Copilot mogą już wygenerować 30–50% kodu w niektórych przepływach pracy. Narzędzia mogą również pomóc w automatyzacji powtarzalnych zadań oraz wspomóc debugowanie i uczenie się. Mogą również służyć jako partnerzy w pomysłach, którzy pomogą programistom przejść od pomysłu do aplikacji w ciągu kilku minut.

„Widzimy również, że narzędzia AI nie tylko pomagają programistom szybciej pisać kod, ale także pisać kod lepszej jakości” – powiedział Rodriguez. „W naszym najnowszym badaniu kontrolowanym programistów odkryliśmy, że kod napisany za pomocą Copilot jest nie tylko łatwiejszy do odczytania, ale także bardziej funkcjonalny – o 56% częściej przechodzi testy jednostkowe”.

Chociaż GitHub Copilot jest pionierem w tej przestrzeni, inni nowi uczestnicy dostrzegają podobne korzyści. Jednym z najpopularniejszych dostawców w tym obszarze jest Replit, który opracował podejście oparte na sztucznej inteligencji w celu przyspieszenia tworzenia oprogramowania. Według dyrektora generalnego Replit, Amjada Massada, ogólne narzędzia do kodowania oparte na sztucznej inteligencji mogą sprawić, że profesjonalne inżynierowie będą mogli kodować w dowolnym miejscu o 10–40% szybciej.

„Największymi beneficjentami są inżynierowie front-end, w których pracy jest dużo szablonów i powielania” – Massad powiedział VentureBeat. „Z drugiej strony myślę, że ma to mniejszy wpływ na inżynierów oprogramowania niższego szczebla, którzy muszą zachować ostrożność przy zarządzaniu pamięcią i bezpieczeństwem”.

Tym, co bardziej ekscytuje Massada, nie jest wpływ kodowania Gen AI na istniejących programistów, ale wpływ, jaki może on mieć na innych.

„Najbardziej ekscytującą rzeczą, przynajmniej z punktu widzenia Repliit, jest to, że dzięki niemu osoby niebędące inżynierami mogą stać się młodszymi inżynierami” – powiedział Massad. „Nagle każdy może tworzyć oprogramowanie za pomocą kodu. To może zmienić świat.”

Z pewnością ogólne narzędzia do kodowania oparte na sztucznej inteligencji mają potencjał demokratyzacji rozwoju i poprawy wydajności profesjonalnych programistów.

To powiedziawszy, nie jest to panaceum i ma pewne ograniczenia, przynajmniej na razie.

„W przypadku prostych, izolowanych projektów sztuczna inteligencja poczyniła niezwykłe postępy” – powiedział VentureBeat Itamar Friedman, współzałożyciel i dyrektor generalny Qudo.

Qudo (dawniej Codeium AI) tworzy gamę narzędzi do tworzenia aplikacji dla przedsiębiorstw opartych na agentach AI. Friedman powiedział, że korzystając z zautomatyzowanych narzędzi AI, każdy może teraz tworzyć podstawowe strony internetowe szybciej i z większą personalizacją niż tradycyjne narzędzia do tworzenia stron internetowych.

„Jednak w przypadku złożonego oprogramowania dla przedsiębiorstw, które napędza firmy z listy Fortune 5000, sztuczna inteligencja nie jest jeszcze zdolna do pełnej automatyzacji typu end-to-end” – powiedział Friedman. „Świetnie radzi sobie z konkretnymi zadaniami, takimi jak zadawanie pytań i odpowiedzi na temat złożonego kodu, uzupełnianie wierszy, tworzenie testów i przeglądanie kodu”.

Friedman argumentował, że głównym wyzwaniem jest złożoność oprogramowania dla przedsiębiorstw. Ich zdaniem możliwości samego modelu dużego języka (LLM) nie są w stanie same poradzić sobie z taką złożonością.

„Wykorzystywanie sztucznej inteligencji do generowania większej liczby wierszy kodu może w rzeczywistości pogorszyć jakość kodu, co już jest poważnym problemem w przedsiębiorstwach” – powiedział Friedman. „Powodem, dla którego nie obserwujemy jeszcze szerokiego wdrożenia, jest to, że nadal istnieje większy postęp w technologii, inżynierii i uczeniu maszynowym, który należy osiągnąć, aby rozwiązania AI mogły w pełni zrozumieć wymagane złożone oprogramowanie dla przedsiębiorstw”.

Freedman powiedział, że Qudo rozwiązuje ten problem, koncentrując się na najlepszych praktykach organizacyjnych w zakresie zrozumienia złożonego kodu, jego indeksowania, klasyfikowania oraz generowania znaczących testów i przeglądów kodu.

Kolejną przeszkodą w powszechnym przyjęciu i wdrożeniu jest starszy kod. Brandon Jung, wiceprezes ds. ekosystemu w firmie TabNin, dostawcy rozwiązań do rozwoju sztucznej inteligencji, powiedział VentureBeat, że według niego brak wysokiej jakości danych powoduje powszechne przyjęcie narzędzi do kodowania AI.

„W przypadku przedsiębiorstw wiele z nich ma duże, starsze bazy kodów, a kod ten nie jest dobrze poznany” – powiedział Jung. „Dane zawsze były kluczem do uczenia maszynowego i nie inaczej jest w przypadku sztucznej inteligencji Generacji kodu”.

W kierunku w pełni agentycznego tworzenia kodu opartego na sztucznej inteligencji w 2025 r

Żaden pojedynczy LLM nie jest w stanie obsłużyć wszystkiego, co jest wymagane do tworzenia nowoczesnego oprogramowania dla przedsiębiorstw. Dlatego wiodący dostawcy przyjęli agentyczne podejście do sztucznej inteligencji.

Friedman z Qdo spodziewa się, że w 2025 r. funkcje, które w 2022 r. wydawały się rewolucyjne — takie jak autouzupełnianie i proste funkcje czatu kodowego — zostaną utowarowione.

„Prawdziwa ewolucja będzie przebiegać w kierunku wyspecjalizowanych agentów – nie jednego uniwersalnego agenta, ale wielu wyspecjalizowanych agentów, którzy będą wyróżniać się w konkretnych zadaniach” – powiedział Friedman. „W 2025 r. będziemy świadkami opracowywania i wdrażania wielu wyspecjalizowanych agentów. Do czasu, gdy będzie ich wystarczająca liczba, nastąpi kolejny punkt zwrotny, w którym agenci będą mogli współpracować przy tworzeniu złożonego oprogramowania”.

Jest to kierunek, który widzi także Rodriguez z GitHuba. Oczekuje, że do 2025 r. narzędzia AI będą nadal ewoluować, aby pomagać programistom w całym cyklu życia oprogramowania. To coś więcej niż tylko pisanie kodu; Polega na budowaniu, wdrażaniu, testowaniu, utrzymywaniu, a nawet naprawianiu oprogramowania. Ludzie nie zostaną w tym procesie zastąpieni, zostaną oni wzmocnieni sztuczną inteligencją, dzięki czemu wszystko będzie szybsze i wydajniejsze.

„Będzie to możliwe dzięki wykorzystaniu agentów AI, w przypadku których programiści mają agentów pomagających im w wykonywaniu określonych zadań na każdym etapie procesu tworzenia oprogramowania, a co najważniejsze, dzięki iteracyjnej pętli informacji zwrotnej, która zapewnia programiście stałą kontrolę”. we mnie” – powiedział Rodriguez.

W świecie, w którym do roku 2025 i później kodowanie oparte na sztucznej inteligencji stanie się coraz bardziej powszechne, istnieje co najmniej jeden wyróżnik, który będzie ważny dla przedsiębiorstw. Zdaniem Rodrigueza jest to integracja platform.

„Aby naprawdę odnieść sukces na dużą skalę, narzędzia AI będą musiały bezproblemowo integrować się z istniejącymi przepływami pracy” – powiedział Rodriguez.