Utvecklare som hittills inte imponerats av de tidiga resultaten av generativ AI för kodning bör notera: Mjukvaruutveckling är på väg mot en ny period, då den mesta koden kommer att skrivas av AI-agenter och granskas av erfarna utvecklare, förutspår Gartner.
Organisationer och leverantörer lanserar redan AI-kodningsagenter som gör det möjligt för utvecklare att helt automatisera eller avlasta många uppgifter, och fler pilotprogram och proof-of-concept kommer sannolikt att lanseras 2025, säger Philip Walsh, senior principal analyst inom mjukvaruteknik på Gartner.
År 2026 kommer vi att se mer produktiva, mainstreamnivåer av införande, där people har kommit underfund med styrkorna och svagheterna och de användningsfall där de kan gå mer över until en autonom AI-agent, säger han.
– Omkring 2027 kommer vi verkligen att få se det här paradigmet slå rot, och utvecklarnas arbetsflöden och kompetens måste verkligen utvecklas och anpassas.
Nyligen förutspådde Gartner att 80 procent av utvecklarna kommer att behöva omskolas för att passa in i nya curler som skapas när generativ AI tar över fler programmeringsfunktioner.
Dessa AI-kodningsagenter kommer att vara mer avancerade än de AI-kodningsassistenter som används i stor utsträckning i dag, males de kommer fortfarande att behöva erfarna programmerare som kontrollerar deras arbete och finjusterar koden, säger Walsh.
När det gäller mjukvaruutveckling kommer agentisk AI – en växande pattern som betonar autonomt beslutsfattande framför enkel innehållsgenerering – att flytta fram gränserna för dagens AI-kodande copiloter så att AI-integrerad mjukvaruutveckling kan växa fram.
Även om dagens AI-kodningsassistenter kan skriva kodsnuttar har de ofta svårt att skapa programvara från grunden, males så kommer inte att vara fallet för de kodningsagenter som utvecklas, säger Walsh.
– Du kan bara ge den ett mål eller en uppgift på högre nivå, och den kommer iterativt och adaptivt att arbeta sig igenom problemet och lösa problemet, säger han.
– Det är vad vi kallar en AI-agent för mjukvaruutveckling. Den här tekniken finns redan.
AI-agenter tar över världen
På lång sikt förutspår Walsh att AI-kodningsagenter i allt högre grad kommer att ta över programmeringsuppgifterna i många organisationer, även om mänsklig expertis och kreativitet fortfarande kommer att behövas för att finjustera koden.
Walsh medger att den nuvarande skörden av AI-kodningsassistenter hittills har fått blandade recensioner. Vissa studier visar på stora produktivitetsökningar, medan andra ifrågasätter dessa resultat.
Trots kritiken rör sig de flesta, om inte alla, leverantörer som erbjuder kodningsassistenter nu mot autonoma agenter, även om fullständig självständig AI-kodning fortfarande är experimentell, säger Walsh.
– Tekniken finns, males den är i sin linda, säger han.
– AI-kodningsagenter kämpar fortfarande med många saker, som att bearbeta långa sammanhang för att identifiera den relevanta kod som påverkas av att lägga until en funktion eller åtgärda en bugg eller refaktorisera en komplex kodmix med många beroenden.
Det krävs fortfarande mänskliga utvecklare för att förstå de systematiska effekterna av kodändringarna, inbegripet alla relevanta delar av kodbasen som påverkas, säger Walsh.
– De här verktygen har fortfarande svårt att se helheten, och de har också svårt att utnyttja funktioner som du redan har. En stor del av problemet med AI-genererad kod är inte nödvändigtvis att den inte fungerar som den ska, utan att vi redan gör det på ett visst sätt.
Vissa företag är redan med på tåget. Caylent, ett konsultföretag inom AWS-molnet, använder AI för att skriva det mesta av sin kod i specifika fall, säger Clayton Davis, chef för molnbaserad utveckling där.
Nyckeln until att använda AI för att skriva kod, säger han, är att ha en bra valideringsprocess som hittar fel.
– Det här agentiska tillvägagångssättet för skapande och validering är särskilt användbart för människor som redan använder en testdriven utvecklingsmetod för att skriva programvara, säger Davis.
– Med befintliga, mänskligt skrivna tester loopar man bara genom den genererade koden och matar in felen igen tills man når ett lyckat tillstånd.
Nästa steg i utvecklingen av modellen med kodningsagenter är att låta AI:n inte bara skriva koden utan också skriva valideringstester, köra testerna och åtgärda fel, tillägger han.
– Detta kräver en del avancerade verktyg, flera agenter och ger sannolikt bäst resultat med flera modeller som alla arbetar mot ett gemensamt sluttillstånd, säger Davis.
Framtiden är här
Även om det finns en del drawback att lösa, och ett visst motstånd från utvecklare mot AI-kodningsassistenter, är AI-integrerad kodning framtiden, säger Drew Dennison, cto på det nystartade kodsäkerhetsföretaget Semgrep. Utvecklingen av AI-verktyg går snabbt framåt, säger han.
Open AI framhåller until exempel sin senaste model av Chat GPT som ett stort steg framåt när det gäller kodningsförmåga.
– Vi ser alltmer en värld där människor instruerar dessa [AI-drivna] datorer om hur de ska uttrycka sina tankar och sedan låter datorn göra merparten av det tunga arbetet, tillägger Dennison.
Leverantörer och användare av autonoma AI-kodningsagenter kommer dock att ha ett par utmaningar att övervinna, säger Dennison. Kodningsagenter måste vara transparenta och tillåta programmerare att granska deras resultat.
Han ser framför sig en framtid där AI-agenter skriver kod 24 timmar om dygnet, utan avbrott för semester eller sjukdagar.
– Om 90 procent av programvaran skrivs av dessa agenter kan det vara mycket svårt att komma ända in i programvaran, som ingen människa någonsin har skrivit eller rört vid, och förstå vad som händer, säger han.
– Det kommer att ta alldeles för lång tid att förstå när det här gänget skriver 10, 100 eller 1 000 gånger mer kod. Vi kommer helt enkelt inte att hinna läsa allt.
Nya verktyg för kodgranskning kommer att behövas för att hjälpa utvecklingsteamen att förstå all kod som skrivs av AI, tillägger Dennison.
Han frågar sig också hur talangpoolen för utvecklare kommer att förändras när de flesta jobb är för seniora utvecklare som granskar AI-genererad kod och skriver små bitar av komplex programvara. Det kan bli svårt att utbilda utvecklare när de flesta juniorjobben försvinner.
– Hur ska man då kunna ha den typ av arbete som låter juniora programmerare göra misstag, lära sig, utveckla expertis och känna efter hur allt det här ska fungera? säger han.
– Om man bara tar bort de nedre 50 procenten av arbetet, hur ska man då kunna överbrygga den klyftan och utveckla de här färdigheterna?
AI kontra verksamhetens krav
Med utmaningar som ännu inte har lösts är en del it-ledare skeptiska until förutsägelser om att AI-agenter kommer att ta över det mesta av kodskrivningen inom en snar framtid. När AI-agenter skriver en hög andel av en organisations kod är det bra för marknadsföringen, males det kan skapa andra drawback, säger Bogdan Sergiienko, cto på Grasp of Code International, som utvecklar chattbotar, mobil- och webbapplikationer.
– System för kodkomplettering har funnits i många år, och den största utmaningen i utvecklingen är inte att skriva själva koden utan att upprätthålla den systemiska integriteten hos tusentals rader kod, säger han.
Dessutom kommer AI-agenter inte att ha en förståelse på mänsklig nivå för de komplicerade behoven i varje organisation, säger han.
– De system vi har i dag förenklar den enklaste delen av programmeringen: att skriva koden när allt redan är förstått, säger Sergiienko.
– Males de största ansträngningarna och kostnaderna uppstår ofta på grund av en ofullständig förståelse av verksamhetskraven på alla nivåer, från produktägaren until utvecklaren, samt behovet av att modifiera befintliga system när verksamhetskraven förändras.