Sada kada je Google uvjeren da Jules radi kako treba, opća dostupnost dolazi s novim, pojednostavljenim korisničkim sučeljem, dodatnim mogućnostima temeljenima na povratnim informacijama korisnika i ispravljenim greškama.

Suočavamo se sa zabrinjavajućom petljom povratnih informacija u razvoju AI-ja. Trenutni AI modeli trenirani su na kodu koji su pisali ljudi koji su duboko razumjeli svoje zanate. No sada ljude učimo programirati tako da kopiraju AI sustave koji zapravo ne razumiju ono što stvaraju.

AI agenti, “vibe coding”, AI recenzija koda i druge teme vezane uz umjetnu inteligenciju trenutno dominiraju među developerskim razgovorima na društvenim mrežama. 

Novo istraživanje Microsoft Researcha, odjela za istraživanje i razvoj Microsofta, otkriva da modeli, uključujući Anthropicov Claude 3.7 Sonnet i OpenAI-jev o3-mini, ne uspijevaju otkloniti mnoge probleme u referentnom testu za razvoj softvera nazvanom SWE-bench Lite.

Kao što je poznato, AI modeli postaju sve bolji u obavljanju složenih zadataka poput generiranja složenih strukturalnih dizajna te pisanja i otkrivanja pogrešaka u kodu.

IDC predviđa da će do 2028. alati temeljeni na GenAI-ju moći napisati 70 posto softverskih testova. To će smanjiti potrebu za ručnim testiranjem, poboljšati pokrivenost testom, upotrebljivost softvera i kvalitetu koda.

Razvojne platforme s malo koda (low-code) i bez koda (no-code) postale su popularne ponajprije zbog sve veće popularnosti umjetne inteligencije, koja omogućava demokratizaciju razvoja aplikacija i osnaživanje "građanskih programera".