De concordância com a McKinsey, o impacto econômico da GenAI é o maior na dimensão de desenvolvimento de produtos e automação de codificação, resultando em um impacto de US$ 900 bilhões.
Vamos nos aprofundar no estado da automação de código, na personalização de código e em seu potencial.
Estado da GenAI e automação de código em 2024
Em 2023, o ChatGPT e o assistente de codificação do Github, CoPilot, explodiram e se tornaram populares entre os programadores. GPT e modelos semelhantes mostraram que LLMs (modelos de linguagem grande) podem gerar, completar, refatorar e transformar código muito muito.
Hoje, há uma variedade de assistentes de codificação. Embora o CoPilot seja considerado o líder da categoria, existem assistentes de codificação GenAI com diferentes especialidades. Para nomear alguns:
-
Anima é especializada em front-end, transformando designs em código (ou seja, Figma to React)
-
A expertise da Codium está compondo testes e gerenciando pull requests
-
Replit oferece um IDE colaborativo online com um assistente de IA devotado
-
Tab9 oferece uma solução sítio altamente segura para empresas
Rivais em subida do CoPilot são anunciados com frequência, por exemplo, magic.dev e Poolside, prometendo melhor desempenho e melhor experiência. Os modelos continuam a evoluir – espera-se que o GPT5 seja anunciado em breve, e o LlamaCode oferece um protótipo de código cândido de subida qualidade, com versões ajustadas aparecendo no HuggingFace (tábua de classificação de modelos de código). É somente o prelúdios da automação de código com LLMs.
De concordância com o Github, o CoPilot acelera o desenvolvimento em 55% (pesquisa). Os usuários do Anima relatam forrar até 50% do tempo de codificação front-end (estudo de caso), tornando-os 2x mais rápidos e, ao mesmo tempo, obtendo melhor qualidade de resultado em termos de UX – e menos pingue-pongue entre designers e desenvolvedores.
Personalização do código AI
JavaScript é a linguagem de código mais popular (Github 2023) e React é a estrutura da web JavaScript mais popular, usada por mais de 40% dos desenvolvedores (Stackoverflow 2023).
Agora, se você pegar 100 equipes de engenharia diferentes baseadas no React, encontrará 100 estilos de codificação diferentes. Equipes diferentes têm maneiras diferentes de redigir código.
Cada equipe possui seu tech stack (conjunto de tecnologias utilizadas na arquitetura de software). Algumas equipes usam bibliotecas de código cândido, uma vez que Next.js, permitindo otimizar o desempenho. Alguns usam estruturas de UI uma vez que Radix, MUI ou Ant. As equipes que usam React devem somar pacotes de gerenciamento de estado, uma vez que consulta React, Redux, Mobx, etc. E existem milhares de outras bibliotecas JavaScript de código cândido populares.
Outrossim, a mesma funcionalidade pode ser alcançada de diferentes maneiras. Algumas equipes preferem um layout de grade CSS, enquanto outras preferem um layout Flex e obtêm os mesmos resultados. Existem preferências sintáticas. Alguns usam funções JavaScript clássicas, enquanto outros usam funções de seta. Existem convenções de nomenclatura uma vez que camelCase, kebab-case e diferentes maneiras de nomear componentes e funções. Existem inúmeras maneiras de organizar seu código, uma vez que agrupar componentes de código cândido de uma forma que faça com que a interface do código tenha a mesma figura para código de código cândido ou proprietário.
Ao codificar um projeto específico, cada desenvolvedor segue as regras e convenções dessa base de código.
Para que a IA desempenhe um papel fundamental na codificação de uma equipe de engenharia, ela deve codificar uma vez que a equipe. Isso significa que a IA deve ter muito contexto para customizar e personalizar seu código.
Epílogo: o potencial na geração de código de IA
Ainda estamos arranhando a superfície dos recursos da GenAI.
Ao discutir modelos GenAI, considere a personalização uma vez que o fornecimento ao protótipo do melhor contexto para sua tarefa. Fornecer um ótimo contexto em relação ao código existente, à UX e ao trabalho a ser realizado pelos usuários resultará em melhores resultados. Para utilizar os modelos GenAI em todo o seu potencial, nós os empacotamos uma vez que produtos com sistemas de suporte que trabalham com algoritmos e heurísticas “antiquados”. É mal maximizamos a IA em todo o seu potencial.
O software continuará consumindo o mundo cada vez mais rápido, aumentando a produtividade, as margens e o PIB.
CEOs, líderes de TI e líderes de PM que adotarem a automação permitirão que suas equipes entreguem resultados 2x e talvez até 5x mais rápido, obtendo uma vantagem sobre a concorrência. Colocar produtos no mercado mais rapidamente e com custos mais baixos aumentará as margens das empresas e, eventualmente, aumentará o PIB proveniente da tecnologia.
O desenvolvimento de software mais barato significa que o software pode vir e resolver mais problemas. O que costumava ser um ROI negativo se tornará um ROI positivo. Software que resolve problemas de nicho pode valer a pena se o dispêndio de desenvolvimento desabar 80%.
Mais pessoas codificarão e codificarão mais rápido. Os agentes GenAI produzirão, testarão e implantarão o código, e os humanos farão as partes criativas, desenvolvendo mais arquitetura e UX do que hoje é considerado codificação. Vejo mais posições de desenvolvedor no porvir. Dito isto, o desenvolvimento evoluirá para um nível mais ressaltado de abstração.
