Copilot, asistent za kodiranje koji je razvijen od strane GitHub-a uz podršku Microsofta koristeći OpenAI-ove velike jezičke modele, lansiran je 2022. godine i sada ga koristi milioni developera širom sveta. Pored toga, mnogi korisnici se oslanjaju na AI chatbotove opšte namene kao što su Claude, ChatGPT i Gemini za razne zadatke. CEO Alfabeta Sundar Pichai je na konferenciji za zarade naveo da AI sada generiše više od četvrtine novog koda u Google-u, omogućavajući inženjerima da budu efikasniji. Očekuje se da će i druge tehnološke kompanije krenuti tim putem, dok se nove startup kompanije kao što su Zencoder, Merly, Cosine, Tessl i Poolside pojavljuju u prostoru AI kodiranja, boreći se za tržišni udeo. Analitičari primećuju da se developeri čine otvorenim za plaćanje alata za copilot. Ovi novi startupi imaju za cilj da unaprede generativne asistente za kodiranje dalje od samo automatizovanog završavanja. Sada mogu da prototipiziraju, testiraju i otklanjaju greške u kodu, potencijalno omogućavajući developerima da se više fokusiraju na nadgledanje nego na direktno kodiranje. Mnogi veruju da bi ova unapređenja mogla dovesti do veštačke opšte inteligencije (AGI) kroz kodiranje. Ispravnost u softverskom inženjerstvu obuhvata dva aspekta: sintaktičku ispravnost, koja osigurava da kod radi bez grešaka, i funkcionalnu ispravnost, koja osigurava da kod obavlja nameravanu funkciju. Sledeća generacija asistenata za kodiranje teži poboljšanju ne samo generacije koda, već i razumevanja osnova stvaranja tog koda. Efikasno obučavanje modela zahteva detaljno razumevanje procesa kodiranja, a ne samo uzorke koda. Zencoder se fokusira na kontekstualnu relevantnost prilikom analize kod baza, dok Cosine prikuplja podatke o razmišljanju programera, mapirajući tipične korake koje preduzimaju za proizvodnju koda.

Poolside koristi metodu koja se zove učenje jačanjem iz izvršenja koda (RLCE) za optimizaciju generacije koda. Cosine i Poolside se inspirišu DeepMindovim AlphaZero, koristeći probu i grešku u kodiranju kako bi usavršili svoje modele. Dok Cosine prilagođava postojeće modele, Poolside razvija novi, specijalizovani model. Cosine tvrdi da njegov model nadmašuje druge u benchmark testovima kodiranja, dok je Poolside još u razvoju, ali pokazuje obećavajuće inicijalne rezultate. Nasuprot tome, pristup Merlyja odbacuje velike jezičke modele, fokusirajući se umesto toga na logičke osnove programiranja koristeći međuzastupljenu reprezentaciju koda koja hvata njegovu osnovnu strukturu. Ova metoda ima za cilj poboljšanje logičkog rezonovanja u generaciji koda. Pojava ovih alata za AI može promeniti uloge u razvoju softvera, omogućavajući timovima da proizvode softver efikasnije. Asistenti za kodiranje kao što je Cosineov Genie mogu se baviti ispravkama grešaka i drugim zadacima, dozvoljavajući inženjerima da nadgledaju više procesa istovremeno, čime se menjaju tradicionalni načini rada. Kako tehnologija AI kodiranja napreduje, mogla bi se pojaviti nova hijerarhija softverskih inženjera, sa elitnim ulogama koje imaju zadatak da nadgledaju kod generisan od strane AI, dok manji timovi upravljaju sveobuhvatnim zadacima. Ova transformacija podseća na promene koje su bankomat doneli bankarstvu. Za neke, poput Gottschlicha iz Merlyja, stvaranje naprednih softverskih sistema zahteva AI koji može samostalno kodirati. Kritikuje ideju da ljudi pomažu AI-u, tvrdeći da bi obrnuto trebalo da bude istina. Sve u svemu, uzbuđenje oko generativnih asistenata za kodiranje dolazi sa aspiracijama za značajnijim razvojem u AI-u, dok kompanije vide svoje alate kao korake ka postizanju AGI-a. Dok se pejzaž softverskog inženjerstva razvija, ovi alati preoblikuju uloge i radne procese softverskih developera, signalizirajući uzbudljivu, ali nesigurnu budućnost u ovom polju.