\n<\/p>\n
Magic, una startup que desarrolla una plataforma de generaci\u00f3n de c\u00f3digo similar a Copilot de GitHub, anunci\u00f3 hoy que recaud\u00f3 $ 23 millones en una ronda de financiaci\u00f3n de la Serie A dirigida por CapitalG de Alphabet con la participaci\u00f3n de Elad Gil, Nat Friedman y Amplify Partners. Entonces, \u00bfcu\u00e1l es su historia?<\/p>\n
El CEO y cofundador de Magic, Eric Steinberger, dice que se inspir\u00f3 en el potencial de la IA a una edad temprana. En la escuela secundaria, \u00e9l y sus amigos conectaron las computadoras de la escuela para el entrenamiento de algoritmos de aprendizaje autom\u00e1tico, una experiencia que plant\u00f3 las semillas para la licenciatura en inform\u00e1tica de Steinberger y su trabajo en Meta como investigador de inteligencia artificial.<\/p>\n
\u201cPas\u00e9 a\u00f1os explorando caminos potenciales hacia la inteligencia artificial general, y luego se inventaron los modelos de lenguaje grande (LLM)\u201d, dijo Steinberger a TechCrunch en una entrevista por correo electr\u00f3nico. \u201cMe di cuenta de que combinar los LLM capacitados en c\u00f3digo con mi investigaci\u00f3n sobre la memoria neuronal y el aprendizaje por refuerzo podr\u00eda permitirnos crear un ingeniero de software de IA que se sienta como un verdadero colega, no solo como una herramienta. Esto ser\u00eda extraordinariamente \u00fatil para empresas y desarrolladores\u201d.<\/p>\n
Steinberger se asoci\u00f3 con Sebastian De Ro para fundar Magic, una herramienta impulsada por IA dise\u00f1ada para ayudar a los ingenieros de software a escribir, revisar, depurar y planificar cambios de c\u00f3digo. La herramienta, que a\u00fan no est\u00e1 disponible en general, puede \u00abcomunicarse\u00bb en lenguaje natural y colaborar con los usuarios en los cambios de c\u00f3digo, afirma Steinberger, operando como un par de programadores que pueden comprender y aprender continuamente m\u00e1s sobre el contexto de los proyectos de codificaci\u00f3n y los desarrolladores.<\/p>\n
\u201cMagic tiene como objetivo reducir dr\u00e1sticamente el tiempo y el costo financiero del desarrollo de software\u201d, dijo Steinberger. \u201cDar a los equipos acceso a un colega de IA que pueda comprender el c\u00f3digo heredado y ayudar a los nuevos desarrolladores a navegar por \u00e9l permitir\u00e1 a las empresas escalar el impacto de sus empleados actuales y capacitar a nuevos empleados con menos entrenamiento personal. A su vez, los empleados desarrollar\u00e1n sus habilidades m\u00e1s r\u00e1pido y podr\u00e1n moverse entre proyectos de alto impacto con mayor agilidad\u201d.<\/p>\n
Steinberger a\u00fan no revela mucho sobre los fundamentos t\u00e9cnicos 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 c\u00f3digo p\u00fablico para sugerir l\u00edneas de c\u00f3digo adicionales en respuesta a una descripci\u00f3n de lo que un desarrollador quiere lograr, o incluso explicar qu\u00e9 hace una parte del c\u00f3digo.<\/p>\n
Steinberger promete que Magic podr\u00e1 hacer lo mismo, y m\u00e1s, gracias a una \u00abnueva arquitectura de red neuronal que puede leer 100 veces m\u00e1s l\u00edneas de c\u00f3digo que Transformers\u00bb. (El Transformador, iniciado por los investigadores de Google, es quiz\u00e1s la arquitectura m\u00e1s popular en la actualidad para tareas de lenguaje natural, demostrando una aptitud no solo para generar c\u00f3digo sino tambi\u00e9n para resumir documentos, traducir entre idiomas e incluso analizar secuencias biol\u00f3gicas). Pero sin una demostraci\u00f3n , solo tenemos su palabra para continuar.<\/p>\n
\u201cLos primeros lanzamientos necesitar\u00e1n supervisi\u00f3n 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 ni\u00f1os\u201d, agreg\u00f3 Steinberger.<\/p>\n
Quiz\u00e1s el problema m\u00e1s grande y existencial para Magic es que Copilot ya tiene muchos seguidores y un respaldo corporativo sustancial. Ha sido utilizado por m\u00e1s de 1,2 millones de personas, y GitHub lo est\u00e1 posicionando agresivamente como una herramienta de escala empresarial, lanzando recientemente un plan centrado en la empresa llamado Copilot for Business.<\/p>\n
La tracci\u00f3n de Copilot podr\u00eda haber contribuido a la desaparici\u00f3n de Kite, una startup que estaba desarrollando un asistente de codificaci\u00f3n impulsado por IA no muy diferente al de Magic. A pesar de obtener millones en respaldo de capital de riesgo, Kite luch\u00f3 para pagar las facturas y se encontr\u00f3 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, estim\u00f3 que podr\u00eda costar m\u00e1s de $ 100 millones construir una herramienta de \u00abcalidad de producci\u00f3n\u00bb capaz de sintetizar c\u00f3digo de manera confiable.<\/p>\n
\u201cDentro de la IA en t\u00e9rminos m\u00e1s generales, la capacitaci\u00f3n de modelos de \u00faltima generaci\u00f3n sigue siendo costosa\u201d, admiti\u00f3 Steinberger. \u201cEsto sube el list\u00f3n para los nuevos participantes como nosotros\u201d.<\/p>\n
Los problemas legales tambi\u00e9n podr\u00edan interponerse en el camino del \u00e9xito de Magic, aunque algunos a\u00fan no se han resuelto en los tribunales. Como la mayor\u00eda de los sistemas de generaci\u00f3n de c\u00f3digo impulsados \u200b\u200bpor IA, Magic fue entrenado en c\u00f3digo disponible p\u00fablicamente, algunos de los cuales tienen derechos de autor. La compa\u00f1\u00eda 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 c\u00f3digo protegido por derechos de autor. Pero no todos est\u00e1n de acuerdo. Microsoft, GitHub y OpenAI est\u00e1n siendo demandados en una demanda colectiva que los acusa de violar la ley de derechos de autor al permitir que Copilot reproduzca secciones de c\u00f3digo con licencia sin proporcionar cr\u00e9dito.<\/p>\n
Algunos expertos legales tambi\u00e9n han argumentado que los sistemas de codificaci\u00f3n impulsados \u200b\u200bpor IA podr\u00edan poner en riesgo a las empresas si sin darse cuenta incorporaran sugerencias protegidas por derechos de autor de la herramienta en su software de producci\u00f3n.<\/p>\n
A estas preguntas, Steinberger respondi\u00f3 que Magic est\u00e1 tomando medidas para evitar que el c\u00f3digo con derechos de autor aparezca en las sugerencias de la herramienta y citando la fuente del c\u00f3digo sugerido siempre que sea posible. (GitHub ha tomado medidas similares con Copilot, filtrando su salida en algunos casos y experimentando con el c\u00f3digo y la cita del proyecto). Steinberger dice que los datos de los clientes no ser\u00e1n barridos para el entrenamiento de IA patentado de Magic, excepto los \u00absistemas personalizados\u00bb utilizados por clientes individuales. .<\/p>\n
\u201cLanzaremos con una funci\u00f3n que marca cualquier posible problema de licencia con el c\u00f3digo generado para ayudar al usuario a tomar una decisi\u00f3n informada sobre qu\u00e9 hacer con \u00e9l\u201d, dijo, aclarando el punto anterior.<\/p>\n
Steinberger argumenta que, en cualquier caso, herramientas como Magic, y rivales como Tabnine, Mutable y Mintlify, adem\u00e1s de proyectos de c\u00f3digo abierto como BigCode, son un bien neto tanto para los desarrolladores como para sus empleadores. Se\u00f1al\u00f3 las estad\u00edsticas que muestran que los ingenieros de software calificados, que son cada vez m\u00e1s dif\u00edciles de encontrar, cuestan alrededor de $ 150,000 por a\u00f1o (y m\u00e1s) y que los equipos pasan m\u00e1s del 25% de su tiempo integrando y manteniendo sus cadenas de herramientas de desarrollo.<\/p>\n
Es probable que no todos los programadores est\u00e9n de acuerdo, particularmente aquellos afectados por los recientes despidos masivos de la industria tecnol\u00f3gica. Pero como se\u00f1ala Steinberger, hay un nivel \u201ctremendo\u201d de entusiasmo e inversi\u00f3n en la IA generativa. Est\u00e1 claro que ha llegado para quedarse, es decir, para bien o para mal.<\/p>\n
\u201cLa industria del software tiene un hambre interminable de m\u00e1s talento. Cada organizaci\u00f3n y producto se beneficiar\u00eda de m\u00e1s y mejor software enviado m\u00e1s r\u00e1pido y m\u00e1s barato\u201d, dijo Steinberger. \u201cIncluso con todas las herramientas de desarrollo que tenemos disponibles hoy en d\u00eda, la producci\u00f3n est\u00e1 limitada por el pensamiento humano, la escritura y la velocidad de comunicaci\u00f3n. Brindar a los equipos acceso a un colega de IA que pueda comprender el c\u00f3digo heredado y ayudar a los nuevos desarrolladores a navegar permitir\u00e1 a las empresas escalar el impacto de sus empleados actuales y capacitar a nuevos empleados con menos entrenamiento personal. A su vez, los empleados desarrollar\u00e1n sus habilidades m\u00e1s r\u00e1pido y podr\u00e1n moverse entre proyectos de alto impacto con mayor agilidad\u201d.<\/p>\n
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 cu\u00e1ndo. El objetivo a corto plazo (es decir, dentro del pr\u00f3ximo a\u00f1o) es hacer crecer el equipo a 25 personas con un enfoque en los aspectos de ingenier\u00eda, producto y comercializaci\u00f3n.<\/p>\n
Hasta la fecha, Magic ha recaudado $28 millones.<\/p>\n<\/p><\/div>\n