Kombai, una startup que tiene como objetivo ayudar a los desarrolladores front-end a convertir fácilmente diseños de interfaz de usuario en código utilizando IA, surgió del sigilo y anunció una ronda de financiación inicial de 4,5 millones de dólares liderada por Stellaris Venture Partners y Foundation Capital.
En respuesta a los rápidos avances del hardware, la evolución del software ha puesto de relieve una necesidad apremiante de interfaces de usuario superiores. Tanto las nuevas empresas emergentes como las empresas tecnológicas líderes están interesadas en desarrollar interfaces de usuario distintivas. Sin embargo, los desarrolladores de aplicaciones para usuario a menudo encuentran desafiante la codificación rápida de estos diseños únicos. El modelo de IA de Kombai, destinado a abordar este problema, está previsto que se publique como investigación pública este miércoles.
La startup constituida en Palo Alto, que opera desde una oficina en Pune, India, fue fundada por los ex ejecutivos de Mindtickle Dipanjan Dey (que se desempeña como director ejecutivo de Kombai) y Abhijit Bhole (CTO) en abril de 2022, después de más de 16 meses de trabajo preliminar. Utiliza una colección de modelos heurísticos y de aprendizaje profundo, cada uno diseñado para abordar un aspecto específico de la interpretación de diseños de interfaz de usuario y generar código a partir de dicha interpretación.
«El modelo intenta desarrollar una comprensión intuitiva del diseño… y luego comienza a generar el código», dijo Dey en una entrevista.
Kombai, que los cofundadores amantes de los perros nombraron así en honor a la raza de perro india, utiliza un enfoque paso a paso para crear código de interfaz de usuario. En su proceso, Kombai agrupa inteligentemente elementos lógicos, formando una estructura div simplificada y al mismo tiempo garantiza que CSS tenga anchos y márgenes mínimos codificados. El código generado se segmenta en componentes discernibles, cada uno de ellos con un nombre adecuado para facilitar la comprensión y la posible reutilización. Al reconocer patrones, Kombai identifica bucles y condiciones, sustituyendo texto estático por variables. En su toque final, aprovecha los modelos de lenguaje grande (LLM) multimodales disponibles públicamente para refinar segmentos particulares de su código generado automáticamente, lo que culmina en un producto final pulido.
Los LLM representan menos del 5% del recuento de caracteres del resultado final, mientras que la mayor parte es producida directamente por el modelo de IA, dijo Dey.
Aunque generar código usando IA implica una serie de pasos en segundo plano, el modelo de Kombai produce el resultado en unos pocos segundos para ayudar a ahorrar mucho tiempo a los desarrolladores front-end.
Los desarrolladores de aplicaciones para el usuario pueden descargar el código generado o copiarlo directamente en sus respectivos IDE. Los desarrolladores también pueden modificar el código según sus requisitos e incorporarlo a sus bases de código.
Dey señaló que los desarrolladores suelen dedicar entre el 25% y el 75% de su tiempo de trabajo a escribir código de interfaz de usuario, como estilos en CSS, modelo de objetos de documento (DOM) en HTML y texto estándar específico del marco. Si bien la demanda y la complejidad del desarrollo front-end han aumentado a medida que el diseño se ha vuelto crucial para las empresas, existe una falta de estandarización en las tecnologías front-end, dijo el cofundador a TechCrunch.
Antes de lanzar su modelo para investigación pública, Kombai colaboró con más de 500 desarrolladores durante los últimos seis meses como parte de su avance de investigación privada.
La startup parece surgir como «Dall-E inverso para el diseño de UI» y hacer que el desarrollo front-end vuelva a ser divertido para los cinco millones de desarrolladores front-end y 15 millones de desarrolladores fullstack en todo el mundo, dijo Dey a TechCrunch.
Actualmente, Kombai requiere que los desarrolladores front-end tengan una cuenta Figma para registrarse o integrar el token API de Figma para obtener diseños desde la aplicación de diseño de interfaz. Sin embargo, Dey dijo que el modelo podría integrarse fácilmente con otras herramientas de diseño, incluido Adobe XD.
«La única razón por la que no vamos a XD es principalmente por nuestro ancho de banda», dijo.
La ronda inicial incluyó la participación de 20 ángeles, incluidos algunos directores ejecutivos y directores de tecnología de SaaS no revelados y algunos inversores en etapa avanzada.
“En el equipo de Kombai, descubrimos una rara combinación de experiencia en tecnología y productos necesaria para resolver el problema con un enfoque fundamentalmente nuevo. Estamos entusiasmados por los notables avances que ha dado el equipo en el desarrollo del producto y los comentarios positivos de los desarrolladores”, afirmó Alok Goyal, socio de Stellaris Venture Partners, en una declaración preparada.
Kombai, que actualmente cuenta con una fuerza laboral de 13 personas entre ingenieros senior de front-end y expertos en aprendizaje profundo, ampliará su equipo con algunos ingenieros más en los próximos meses.
“En la última década han surgido excelentes herramientas de diseño como Figma y Adobe XD. Pero no generan código significativo que puedan utilizar los desarrolladores. Por otro lado, las herramientas basadas en LLM como ChatGPT y Github Copilot son excelentes para generar sugerencias de código a partir de entradas textuales, pero no funcionan para el desarrollo de UI. Como resultado, los desarrolladores necesitan traducir manualmente todas las partes del diseño de una interfaz de usuario a código, lo cual resulta frustrante y consume mucho tiempo. Creemos que esto presenta una gran oportunidad que prácticamente ha estado pidiendo a gritos una solución. Es por eso que estamos encantados de asociarnos con el equipo de Kombai en su misión de permitir que los 20 millones de desarrolladores del mundo dediquen más tiempo a problemas difíciles e interesantes, no a CSS mundanos”, afirmó Ashu Garg, socio de Foundation Capital.
Kombai planea utilizar parte de sus fondos para comenzar con el inbound y continuar invirtiendo en investigación y desarrollo, mejorar sus modelos base y crear compatibilidad con una variedad de bibliotecas y marcos utilizados por los equipos de desarrolladores.