De nieuwe taal van de Kotlin-maker: een formele manier om met LLM's te praten in plaats van Engels

De prompt als programma: een nieuwe taal voor het AI-tijdperk

Jarenlang voelde de interactie met grote taalmodellen (LLM's) als een gesprek met hoge inzet in een vreemde taal. We maken uitgebreide Engelse aanwijzingen, in de hoop op het beste, maar worden vaak geconfronteerd met inconsistentie, dubbelzinnigheid en een frustrerend gebrek aan precisie. De maker van Kotlin, Andrey Breslav van JetBrains, loopt voorop in een radicale oplossing voor dit probleem. Zijn team ontwikkelt een nieuwe programmeertaal, voorlopig 'Kira' genaamd, die niet is ontworpen om in de traditionele zin met computers te praten, maar om met AI te praten. Deze stap duidt op een paradigmaverschuiving: van informele prompting naar formele, uitvoerbare specificatie. Voor bedrijven die AI inzetten binnen platforms als Mewayz, zou deze evolutie chaotische AI-experimenten kunnen transformeren in een betrouwbaar, versiegestuurd onderdeel van een modulair bedrijfsbesturingssysteem.

Waarom Engelse aanwijzingen niet voldoen aan de bedrijfslogica

Hoewel natuurlijke taal intuïtief is, is het notoir onnauwkeurig voor complexe taken. Een instructie als ‘analyseer de omzet van dit kwartaal en maak een samenvatting’ laat veel ruimte voor interpretatie. Welke statistieken? Welk formaat? Vergeleken met welke basislijn? Deze onduidelijkheid leidt tot:

Niet-deterministische resultaten: dezelfde prompt kan verschillende resultaten opleveren, waardoor geautomatiseerde workflows worden verstoord.

Slechte onderhoudbaarheid: 'Snelle engineering' houdt vaak in dat kwetsbare tekstreeksen worden aangepast zonder een duidelijk audittraject.

Verborgen complexiteit: redeneren in meerdere stappen of strikte gegevensopmaak is ongelooflijk lastig om in gewoon Engels te beschrijven.

Integratie-uitdagingen: Het is moeilijk om een ​​natuurlijke taalprompt naadloos te verweven in een deterministisch softwareproces, een belangrijke vereiste voor een platform als Mewayz waar modules betrouwbaar moeten samenwerken.

Formele specificaties voor betrouwbare AI-interacties

De visie van Breslav met Kira is om een taal te creëren waarin ontwikkelaars duidelijke, gestructureerde en testbare specificaties voor een LLM kunnen schrijven. In plaats van een suggestieve paragraaf zou je een formele instructieset kunnen schrijven die de beperkingen van de taak, de verwachte uitvoerstructuur en zelfs het terugvalgedrag definieert. Zie het als een verschuiving van het geven van vage aanwijzingen aan een koerier naar het verstrekken van een nauwkeurige, machinaal leesbare GPS-route met gedefinieerde controlepunten. Deze formele aanpak zorgt ervoor dat een AI-agent die wordt belast binnen een Mewayz-workflow (bijvoorbeeld het extraheren van factuurgegevens uit e-mails en het vullen van een database) met een voorspelbare structuur uitvoert, waardoor de output ervan een betrouwbare input wordt voor de volgende module in de keten.

"Het kernidee is om prompts samenstelbaar, testbaar en beheersbaar te maken... Het gaat erom van deze interactie met de LLM een echt software-engineeringartefact te maken." – Andrey Breslav over de motivatie achter de nieuwe taal.

Implicaties voor modulaire bedrijfssystemen zoals Mewayz

De potentiële impact op zakelijke OS-platforms is groot. In Mewayz, waar verschillende bedrijfsfuncties (CRM, projectmanagement, facturering) bestaan ​​als onderling verbonden modules, kan AI fungeren als het intelligente bindweefsel. Een formele taal voor LLM's zou het mogelijk maken deze AI-verbeterde verbindingen te bouwen als robuuste, inzetbare componenten. Een ontwikkelaar zou bijvoorbeeld een 'Kira'-script kunnen schrijven dat een triage-agent voor klantenondersteuning definieert: specificeert hoe de ticketintentie moet worden geclassificeerd, belangrijke entiteiten moeten worden geëxtraheerd en een gestructureerde JSON-payload voor de ticketingmodule moet worden opgemaakt. Dit script wordt een versiegestuurde, debugbare asset binnen het Mewayz-ecosysteem, en geen magische bezwering die verborgen is in een promptvenster. Het verandert AI van een creatieve maar onbetrouwbare partner in een geformaliseerde, operationele motor.

De toekomst: van snel maken tot AI-programmering

Hoewel het concept nog in de kinderschoenen staat, luidt het een toekomst in waarin ‘AI-programmering’ een aparte discipline is. Het doel is niet om natuurlijke taal te elimineren – het zal altijd een goed startpunt zijn – maar om een ​​rigoureuze brug te slaan tussen menselijke bedoelingen en machine-exec.

Frequently Asked Questions

The Prompt as a Program: A New Language for the AI Age

For years, interacting with large language models (LLMs) has felt like a high-stakes conversation in a foreign language. We craft elaborate English prompts, hoping for the best, but often face inconsistency, ambiguity, and a frustrating lack of precision. The creator of Kotlin, JetBrains' Andrey Breslav, is spearheading a radical solution to this problem. His team is developing a new programming language, tentatively called "Kira," designed not for talking to computers in the traditional sense, but for talking to AI. This move signals a paradigm shift: from informal prompting to formal, executable specification. For businesses leveraging AI within platforms like Mewayz, this evolution could transform chaotic AI experimentation into a reliable, version-controlled component of a modular business operating system.

Why English Prompts Are Failing Business Logic

While natural language is intuitive, it's notoriously imprecise for complex tasks. An instruction like "analyze this quarter's sales and create a summary" leaves vast room for interpretation. What metrics? What format? Compared to what baseline? This ambiguity leads to:

Formal Specifications for Reliable AI Interactions

Breslav's vision with Kira is to create a language where developers can write clear, structured, and testable specifications for an LLM. Instead of a suggestive paragraph, you'd write a formal instruction set that defines the task's constraints, expected output structure, and even fallback behaviors. Think of it as moving from giving vague directions to a courier, to providing a precise, machine-readable GPS route with defined checkpoints. This formal approach ensures that an AI agent tasked within a Mewayz workflow—for instance, extracting invoice data from emails and populating a database—executes with predictable structure, making its output a trustworthy input for the next module in the chain.

Implications for Modular Business Systems Like Mewayz

The potential impact on business OS platforms is profound. In Mewayz, where different business functions (CRM, project management, billing) exist as interconnected modules, AI can act as the intelligent connective tissue. A formal language for LLMs would allow these AI-augmented connections to be built as robust, deployable components. A developer could, for example, write a "Kira" script that defines a customer support triage agent: specifying how to classify ticket intent, extract key entities, and format a structured JSON payload for the ticketing module. This script becomes a version-controlled, debuggable asset within the Mewayz ecosystem, not a magical incantation hidden in a prompt box. It turns AI from a creative but unreliable partner into a formalized, operational engine.

The Future: From Prompt Crafting to AI Programming

While still in early development, the concept heralds a future where "AI programming" is a distinct discipline. The goal isn't to eliminate natural language—it will always be a great starting point—but to provide a rigorous bridge between human intent and machine execution. For businesses, this means the powerful capabilities of LLMs can finally be integrated into core processes with software-grade reliability. Platforms that embrace this shift, like Mewayz, will enable their users to build not just with AI, but on top of AI, creating truly intelligent and automatable business systems where every interaction, even with a neural network, is defined with clarity and purpose.