Magic, una startup que desarrolla una plataforma de generación de código similar a Copilot de GitHub, anunció hoy que recaudó $ 23 millones en una ronda de financiación de la Serie A dirigida por CapitalG de Alphabet con la participación de Elad Gil, Nat Friedman y Amplify Partners. Entonces, ¿cuál es su historia?
El CEO y cofundador de Magic, Eric Steinberger, dice que se inspiró en el potencial de la IA a una edad temprana. En la escuela secundaria, él y sus amigos conectaron las computadoras de la escuela para el entrenamiento de algoritmos de aprendizaje automático, una experiencia que plantó las semillas para la licenciatura en informática de Steinberger y su trabajo en Meta como investigador de inteligencia artificial.
“Pasé años explorando caminos potenciales para inteligencia general artificial, y luego se inventaron los modelos de lenguaje extenso (LLM)”, dijo Steinberger a TechCrunch en una entrevista por correo electrónico. “Me di cuenta de que combinar los LLM capacitados en código con mi investigación sobre la memoria neuronal y el aprendizaje por refuerzo podría permitirnos crear un ingeniero de software de IA que se sienta como un verdadero colega, no solo como una herramienta. Esto sería extraordinariamente útil para empresas y desarrolladores”.
Steinberger se asoció con Sebastian De Ro para fundar Magic, una herramienta impulsada por IA diseñada para ayudar a los ingenieros de software a escribir, revisar, depurar y planificar cambios de código. La herramienta, que aún no está disponible en general, puede “comunicarse” en lenguaje natural y colaborar con los usuarios en los cambios de código, afirma Steinberger, operando como un par de programadores que pueden comprender y aprender continuamente más sobre el contexto de los proyectos de codificación y los desarrolladores.
“Magic tiene como objetivo reducir drásticamente el tiempo y el costo financiero del desarrollo de software”, dijo Steinberger. “Dar a los equipos acceso a un colega de IA que pueda comprender el código heredado y ayudar a los nuevos desarrolladores a navegar por él permitirá a las empresas escalar el impacto de sus empleados actuales y capacitar a nuevos empleados con menos entrenamiento personal. A su vez, los empleados desarrollarán sus habilidades más rápido y podrán moverse entre proyectos de alto impacto con mayor agilidad”.
Steinberger aún no revela mucho sobre los fundamentos técnicos de Magic, lo que dificulta, francamente, comparar la herramienta con la competencia. El elefante en la sala es el Copilot antes mencionado, que fue entrenado en código público para sugerir líneas de código adicionales en respuesta a una descripción de lo que un desarrollador quiere lograr, o incluso explicar qué hace una parte del código.
Steinberger promete que Magic podrá hacer lo mismo, y más, gracias a una “nueva arquitectura de red neuronal que puede leer 100 veces más líneas de código que Transformers”. (El Transformador, iniciado por los investigadores de Google, es quizás la arquitectura más popular en la actualidad para tareas de lenguaje natural, demostrando una aptitud no solo para generar código sino también para resumir documentos, traducir entre idiomas e incluso analizar secuencias biológicas). Pero sin una demostración , solo tenemos su palabra para continuar.
“Los primeros lanzamientos necesitarán supervisión humana, pero nuestro objetivo final es que la IA complete grandes tareas de manera confiable para usted, de principio a fin, sin tener que cuidar a los niños”, agregó Steinberger.
Quizás el problema más grande y existencial para Magic es que Copilot ya tiene muchos seguidores y un respaldo corporativo sustancial. Ha sido utilizado por más de 1,2 millones de personas, y GitHub lo está posicionando agresivamente como una herramienta de escala empresarial, lanzando recientemente un plan centrado en la empresa llamado Copilot for Business.
La tracción de Copilot podría haber contribuido a la desaparición de Kite, una startup que estaba desarrollando un asistente de codificación impulsado por IA no muy diferente al de Magic. A pesar de obtener millones en respaldo de capital de riesgo, Kite luchó para pagar las facturas y se encontró con vientos en contra que hicieron imposible encontrar un producto adecuado para el mercado. Entrenar IA es notoriamente costoso; El fundador de Kite, Adam Smith, estimó que podría costar más de $ 100 millones construir una herramienta de “calidad de producción” capaz de sintetizar código de manera confiable.
“Dentro de la IA en términos más generales, la capacitación de modelos de última generación sigue siendo costosa”, admitió Steinberger. “Esto sube el listón para los nuevos participantes como nosotros”.
Los problemas legales también podrían interponerse en el camino del éxito de Magic, aunque algunos aún no se han resuelto en los tribunales. Como la mayoría de los sistemas de generación de código impulsados por IA, Magic fue entrenado en código disponible públicamente, algunos de los cuales tienen derechos de autor. La compañía argumenta que el uso justo, la doctrina de la ley estadounidense que permite el uso de material protegido por derechos de autor sin tener que obtener primero el permiso del titular de los derechos, lo protege en caso de que Copilot se haya desarrollado, a sabiendas o sin saberlo, contra el código protegido por derechos de autor. Pero no todos están de acuerdo. Microsoft, GitHub y OpenAI están siendo demandado en una demanda colectiva que los acusa de violar la ley de derechos de autor al permitir que Copilot regurgite secciones del código con licencia sin proporcionar crédito.
Algunos expertos legales también han argumentado que los sistemas de codificación impulsados por IA podrían poner en riesgo a las empresas si sin darse cuenta incorporaran sugerencias protegidas por derechos de autor de la herramienta en su software de producción.
A estas preguntas, Steinberger respondió que Magic está tomando medidas para evitar que el código con derechos de autor aparezca en las sugerencias de la herramienta y citando la fuente del código sugerido siempre que sea posible. (GitHub ha tomado medidas similares con Copilot, filtrando su salida en algunos casos y experimentando con el código y la cita del proyecto). Steinberger dice que los datos de los clientes no serán barridos para el entrenamiento de IA patentado de Magic, excepto los “sistemas personalizados” utilizados por clientes individuales. .
“Lanzaremos con una función que marca cualquier posible problema de licencia con el código generado para ayudar al usuario a tomar una decisión informada sobre qué hacer con él”, dijo, aclarando el punto anterior.
Steinberger argumenta que, en cualquier caso, herramientas como Magic, y rivales como Tabnine, Mutable y Mintlify, además de proyectos de código abierto como BigCode, son un bien neto tanto para los desarrolladores como para sus empleadores. Señaló las estadísticas que muestran que ingenieros de software calificados – quien es cada vez más difícil de conseguir — Cuestan alrededor de $150,000 por año (y más) y los equipos pasan más del 25% de su tiempo integrando y manteniendo sus cadenas de herramientas de desarrollo.
Es probable que no todos los programadores estén de acuerdo, particularmente aquellos afectados por los recientes despidos masivos de la industria tecnológica. Pero como señala Steinberger, hay un nivel “tremendo” de entusiasmo e inversión en la IA generativa. Está claro que ha llegado para quedarse, es decir, para bien o para mal.
“La industria del software tiene un hambre interminable de más talento. Cada organización y producto se beneficiaría de más y mejor software enviado más rápido y más barato”, dijo Steinberger. “Incluso con todas las herramientas de desarrollo que tenemos disponibles hoy en día, la producción está limitada por el pensamiento humano, la escritura y la velocidad de comunicación. Brindar a los equipos acceso a un colega de IA que pueda comprender el código heredado y ayudar a los nuevos desarrolladores a navegar permitirá a las empresas escalar el impacto de sus empleados actuales y capacitar a nuevos empleados con menos entrenamiento personal. A su vez, los empleados desarrollarán sus habilidades más rápido y podrán moverse entre proyectos de alto impacto con mayor agilidad”.
Magic, que genera ingresos previos con una fuerza laboral distribuida de seis personas, planea lanzar su producto en un futuro cercano; Steinberger no dijo exactamente cuándo. El objetivo a corto plazo (es decir, dentro del próximo año) es hacer crecer el equipo a 25 personas con un enfoque en los aspectos de ingeniería, producto y comercialización.
Hasta la fecha, Magic ha recaudado $28 millones.
Source link