Copilot, Microsoftin tukeman GitHubin kehittämä koodausavustaja, joka hyödyntää OpenAI:n suuria kielimalleja, lanseerattiin vuonna 2022 ja sitä käyttää nyt miljoonat kehittäjät maailmanlaajuisesti. Lisäksi monet käyttäjät turvautuvat yleiskäyttöisiin AI-chatboteihin, kuten Claude, ChatGPT ja Gemini, erilaisiin tehtäviin. Alphabettin toimitusjohtaja Sundar Pichai mainitsi tulossoitossaan, että AI tuottaa nyt yli neljänneksen uudesta koodista Googlessa, mikä mahdollistaa insinöörien tehokkuuden parantamisen. Muiden teknologiayritysten odotetaan seuraavan perässä, kun uusia startupeja, kuten Zencoder, Merly, Cosine, Tessl ja Poolside, nousee AI-koodauksen kentässä kilpaillen markkinaosuudesta. Analyytikot toteavat, että kehittäjät näyttävät olevan halukkaita maksamaan co-pilottyökaluista. Nämä uudet startupit pyrkivät parantamaan generatiivisia koodausavustajia enemmän kuin vain automaattisen täydentämisen kautta. Ne voivat nyt prototypoida, testata ja debugata koodia, mikä mahdollistaa kehittäjien keskittyvän enemmän valvontaan kuin käytännön koodaukseen. Monet uskovat, että nämä edistysaskeleet voisivat johtaa tekoälyyn, jolla on yleinen älykkyys (AGI) koodauksen kautta. Ohjelmistokehityksen oikeellisuus kattaa kaksi näkökohtaa: syntaktisen oikeellisuuden, joka varmistaa, että koodi toimii ilman virheitä, ja funktionaalisen oikeellisuuden, joka varmistaa, että koodi suorittaa tarkoitetun tehtävän. Seuraavan sukupolven koodausavustajat pyrkivät parantamaan paitsi koodin generointia myös luomisprosessin taustalla olevaa päättelyä. Mallien tehokas kouluttaminen vaatii yksityiskohtaista ymmärrystä koodausprosessista, ei vain koodinäytteistä. Zencoder keskittyy kontekstuaaliseen relevanssiin analysoidessaan koodikantoja, kun taas Cosine kerää tietoja ohjelmoijien ajatusprosesseista, kartoittaen tyypillisiä vaiheita koodin tuottamisessa.

Poolside käyttää menetelmää nimeltä vahvistusoppiminen koodin suorittamisesta (RLCE) optimoidakseen koodin generointia. Cosine ja Poolside saavat inspiraatiota DeepMindin AlphaZero:sta, käyttäen kokeilua ja virheitä koodauksessa mallien hiomiseen. Kun Cosine mukauttaa olemassa olevia malleja, Poolside rakentaa uutta, erikoistunutta mallia. Cosine väittää, että sen malli ylittää muut koodausreferensseissä, kun taas Poolside on edelleen kehitysprosessissa mutta osoittaa lupaavia alkutuloksia. Sen sijaan Merlyn lähestymistapa hylkää suuret kielimallit, keskittyen sen sijaan ohjelmoinnin loogisiin perusteisiin käyttämällä välimuotoista koodiesitystä, joka vangitsee sen taustarakenteen. Tämä menetelmä pyrkii parantamaan loogista päättelyä koodin generoinnissa. Näiden AI-työkalujen saapuminen saattaa muuttaa ohjelmistokehityksen rooleja, mikä mahdollistaa tiimien tuottaa ohjelmistoja tehokkaammin. Koodausavustajat, kuten Cosinen Genie, voivat hoitaa virheenkorjauksia ja muita tehtäviä, jolloin insinöörit voivat valvoa useita prosesseja samanaikaisesti, muuttaen perinteisiä työskentelytapoja. Kun AI-kooditeknologia kehittyy, uusi ohjelmistosuunnittelijoiden hierarkia saattaa muodostua, jossa huipputason roolit valvovat AI: n tuottamaa koodia, kun taas pienemmät tiimit hallitsevat kokonaistehtäviä. Tämä muutos muistuttaa automaattisten pankkiautomaattien tuomaa muutosta pankkialalla. Joillekin, kuten Merlyn Gottschlichille, edistyneiden ohjelmistojärjestelmien luominen vaatii AI:ta, joka voi itsenäisesti koodata. Hän kritisoi ajatusta ihmisten avustamisesta AI:ta, väittäen that toisinpäin pitäisi olla totta. Kaiken kaikkiaan innostus generatiivisten koodausavustajien ympärillä on yhdistetty toiveisiin merkittävistä edistysaskeleista AI: ssa, sillä yritykset näkevät välineensä askeleina kohti AGI: n saavuttamista. Ohjelmistosuunnittelun maiseman kehittyessä nämä työkalut muokkaavat ohjelmistokehittäjien rooleja ja työprosesseja, mikä merkitsee jännittävää mutta epävarmaa tulevaisuutta alalla.