בינה מלאכותית כותבת יותר קוד, אבל התוכנה לא יוצאת מהר יותר.

אחד הנתונים המעניינים ביותר שקראתי עד כה בנושא סוכני קידוד מבוססי בינה מלאכותית: יותר קוד לא בהכרח אומר יותר תוכנה.

מחקר של פיונה צ'ן וג'יימס סטראטון מהרווארד בחן נתונים מ-700 חברות תוכנה, הכוללים מעל 700,000 עובדים ו-300 מיליון משימות, בתקופה מ-2021 ועד מרץ 2026. לאחר הטמעת סוכני קידוד, מספר השורות של קוד גדל בממוצע ב-30%, מספר ה-commits עלה ב-20%, ומספר בקשות המשיכה (pull requests) גדל ב-23%.

אבל השאלה העיקרית היא: האם זה משפר את התפוקה? לא נמצא שינוי מובהק סטטיסטית בשיעור השלמת באגים, משימות ותכונות שנרשמו בכלים כמו Jira.

הצוואר בקבוק נמצא בבדיקת הקוד. הזמן שלוקח מבקשת משיכה (pull request) ועד שהיא משולבת בבסיס הקוד העיקרי התארך ב-49%. שיעור בקשות המשיכה הדורשות שינויים עלה כמעט פי שניים, מספר ההערות לבקשת משיכה גדל ב-35%, ואחוז העובדים המבצעים בדיקות קוד עלה ב-14%. כלומר, חלק ניכר מהמהירות שנרכשה בשלב הכתיבה הולך לאיבוד בשלבים של בדיקה ותיקון.

חברות מנסות לפתור זאת באמצעות בינה מלאכותית: נכון למרץ 2026, 80% מהחברות שנבדקו השתמשו בסוג כלשהו של כלי בדיקת קוד מבוסס בינה מלאכותית. עם זאת, רק 23.3% מההערות לבדיקות קוד הגיעו מסוכנים, והסוכנים תרמו רק ל-10.8% מבקשות המשיכה; רוב העבודה עדיין נעשית על ידי בני אדם. בנוסף, לא נמצא שינוי משמעותי במספר העובדים הפעילים, לפחות בתקופה שנבדקה.

חשוב לציין שהנתונים הסתיימו במרץ 2026, והכלים התפתחו מאז. אבל המסקנה שלי ברורה: כדי לשפר את הפרודוקטיביות, יש להאיץ לא רק את זמן הכתיבה, אלא גם את שלבי הבדיקה, התיקון והאינטגרציה.

כתבה מ-Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
מסמך PDF של המחקר: https://fion.ac/jellyfish.pdf

מקור: DonanımHaber