عوامل کدنویسی هوش مصنوعی کد بیشتری تولید می کنند، اما نرم افزار بیشتری تولید نمی کنند

هرکسی که حتی به طور مماس با برنامه نویسی کامپیوتری ارتباط داشته باشد، می داند که دستیاران و عوامل کدنویسی هوش مصنوعی مدرن می توانند در تولید مقادیر عظیمی از کدهای کاربردی بسیار کارآمد باشند. اما کدنویس‌هایی که از این ابزارها استفاده می‌کنند نیز بهتر از اعتماد به صحت آن کد می‌دانند، به این معنی که باید تلاش زیادی برای بررسی هر خروجی تولید شده توسط هوش مصنوعی صرف شود.

مطالعه اخیر روی شیوه‌های کدگذاری واقعی در صدها شرکت نشان می‌دهد که بررسی کدهای انسانی یک «گلوگاه» قابل‌توجه برای کارایی کلی ابزارهای کدنویسی هوش مصنوعی ایجاد می‌کند که منجر به «شواهد کمی مبنی بر افزایش خروجی نرم‌افزار یا کاهش اشتغال» شرکت‌ها با استفاده از آنها می‌شود. نویسندگان مطالعه دریافتند، هر بازدهی افزایش یافته در طول مرحله کدگذاری واقعی، "با محدودیت های پایین دستی در فرآیند تولید جذب می شود". از آنجایی که "فرایند بررسی کد به طور قابل توجهی طول می کشد، درخواست های کششی به احتمال زیاد نیاز به بازبینی دارند، و بازبین ها نظرات بیشتری می گذارند."

یک بار برش دهید، دو بار اندازه بگیرید

برای رسیدن به این نتیجه‌گیری، فیونا چن و جیمز استراتون، محققین دانشگاه هاروارد از داده‌های تحلیلی جمع‌آوری شده از Jellyfish استفاده کردند که خروجی دانه‌ای تیم‌های مهندسی را اندازه‌گیری می‌کند. این داده‌ها شامل 300 میلیون «رویداد کاری» فردی (به عنوان مثال، تعهدات و درخواست‌ها) و داده‌های نرم‌افزار مدیریتی در بیش از 700000 کارمند در بیش از 700 شرکت توسعه نرم‌افزار مربوطه از سال 2021 تا مارس 2026 است.

مقاله کامل را بخوانید

نظرات