Uuring näitab, et tehisintellekti kodeerimisagendid suurendavad koodi mahtu, kuid mitte tarkvaraarenduse üldist tootlikkust

Pilt: Ars Technica · Allikas

Uuring tõstab esile, et tehisintellekti kodeerimisabivahendid toodavad rohkem koodi, kuid pikemad inimeste koodide ülevaatused piiravad tarkvara arenduse tulemusi ja tööjõumuutusi.

Kaasaegsed tehisintellekti kodeerimisabivahendid ja -agendid on osutunud osavaks suure hulga funktsionaalse koodi kiirel genereerimisel, ent hiljutine uuring näitab, et see suurenenud koodi maht ei muutu otseselt kõrgemaks tarkvaratoodanguks. Harvardi Ülikooli teadlased Fiona Chen ja James Stratton analüüsisid põhjalikult andmeid enam kui 700 tarkvaraarendusettevõtte kohta, kus kokku töötab üle 700 000 inimese, püüdes mõista, kuidas AI kodeerimistööriistad mõjutavad tarkvaraarenduse töövooge aastatel 2021 kuni 2026 alguseni.

Kasutades andmeid platvormilt Jellyfish, mis jälgib insenerimeeskondade tegevusi detailselt, märkisid teadlased, et peale AI kodeerimisagentide – iseseisvate süsteemide, mis kirjutavad ja esitavad koodi käsklustele vastavalt – kasutuselevõttu tõusis toodetud koodirealide maht märgatavalt 30 protsenti, lisaks suurenes kinnituste arv 20 protsenti ja pull-päringute hulk 23 protsenti. Vaatamata sellele hüppele jäid tarkvaratoodangu mõõdikud, nagu probleemide ja uute funktsioonide lahendamise määrad, statistiliselt muutumatuks.

Uuring seob selle vastuolu olulise kitsaskohaga koodi inimeste poolt läbivaatusel. Pärast AI kasutuselevõttu pikenes aeg pull-päringu esitamisest selle ühendamiseni 49 protsenti. Veelgi enam, muudatuste taotlused peaaegu kahekordistusid ja kommentaaride arv pull-päringu kohta kasvas 35 protsenti, mis viitab intensiivsemale AI-ga loodud koodi kontrollimisele. See suurenenud vaatluskoormus tõi kaasa 14 protsendilise personali kasvu koodi ülevaatustes, ilma et üldtööjõus oleks täheldatud muutusi.

Kuigi AI tööriistu on kasutusele võetud ka koodi ülevaatamise abistamiseks, on nende mõju piiratud; 2026. aasta märtsi seisuga panustasid AI agendid hinnanguliselt umbes veerandi ülevaatuse kommentaaridest ja veel väiksema osa pull-päringutest. Inimese ülevaatajad kannavad jätkuvalt peamist valideerimiskoormust.

Need leiud rõhutavad praegust kompromissi: AI kodeerimisagendid kiirendavad koodi loomist, ent nõuavad märkimisväärselt rohkem inimeste aega koodi läbivaatuseks, mis nullib oodatavad tootlikkuse kasud. Arvestades, et AI kodeerimise kasutuselevõtt on suhteliselt uus ja areneb, võivad edasised parendused integreerimisstrateegiates selle tasakaalu optimeerida. Kuid praegu peavad ettevõtted kaaluma, kas investeeringud AI kodeerimistööriistadesse õigustavad täiendavat läbivaatuskoormust.