Amazon Web Services voegt een functie toe aan zijn Kiro AI-coderingstool, ontworpen om wiskundig te bewijzen dat softwarevereisten vrij zijn van tegenstrijdigheden en hiaten voordat er code wordt geschreven, waarmee een van de kernrisico’s van AI-ondersteunde softwareontwikkeling wordt aangepakt.
De functie, genaamd Vereistenanalyse, is ontworpen om het soort bugs op te sporen die vaak het moeilijkst te ontdekken en het duurst zijn om op te lossen; problemen die niet beginnen in de resulterende code, maar in de initiële vereisten die bepalen wat de software zou moeten doen.
De aankondiging dinsdagochtend komt drie maanden nadat Amazon publiekelijk terugkwam op een rapport van de Financial Times dat zijn AI-coderingstools hebben bijgedragen aan AWS-storingen, een episode die de risico’s benadrukte van het geven van te veel autonomie aan AI-agenten bij de ontwikkeling van software.
Het komt ook een dag nadat AWS een voormalige Microsoft-directeur heeft ingehuurd Shawn Bice om terug te keren naar Amazon als VP van AI Services en leiding geeft aan de Automated Reasoning Group, het team achter de nieuwe functie. Bice zal rapporteren aan Swami Sivasubramanian, Amazon’s vicepresident van Agentic AI.
Vereistenanalyse combineert grote taalmodellen met een geautomatiseerde redeneermachine, een SMT-oplosser genaamd. De LLM vertaalt vereisten van natuurlijke taal naar formele logica.
De oplosser controleert vervolgens deze vereisten door wiskundig te bewijzen of ze elkaar tegenspreken of gaten achterlaten die ten onrechte kunnen worden opgevuld door de AI-coderingstool – een veelvoorkomend probleem omdat AI steeds vaker software sneller genereert dan ontwikkelaars deze kunnen beoordelen.
“Elke vage prompt levert een vage specificatie of plan op, en de AI-agent die die specificatie implementeert, produceert code vol geheime beslissingen die namens u worden genomen, zonder uw medeweten of instemming”, schreven toegepaste wetenschappers van AWS in een blogpost bij het nieuws.
Kiro concurreert op een drukke en snelgroeiende markt voor AI-coderingstools, waaronder Cursor, GitHub Copilot, Claude Code van Anthropic, Antigravity van Google en Codex van OpenAI.
Hoewel deze tools naast het genereren van code steeds meer plannings- en agentworkflows hebben toegevoegd, heeft Kiro zijn identiteit opgebouwd rond een spec-first-aanpak waarbij ontwikkelaars hun intentie moeten formaliseren voordat de AI begint met bouwen.
AWS ook aangekondigd twee andere Kiro-functies die zijn ontworpen om het ontwikkelingsproces te versnellen.
- Parallel Task Execution voert onafhankelijke codeertaken gelijktijdig uit in plaats van opeenvolgend, waardoor de implementatietijden voor grote projecten met ongeveer 75 procent worden verkort, aldus het bedrijf.
- AWS zegt dat ontwikkelaars met een nieuwe Quick Plan-modus het stapsgewijze goedkeuringsproces voor goed begrepen functies kunnen overslaan, waardoor in één keer een volledige set vereisten, ontwerp en taken kan worden gegenereerd.
