Kecerdasan buatan semakin banyak menghasilkan kod, tetapi perisian tidak lagi dihasilkan dengan lebih cepat.
Salah satu data yang paling menarik yang pernah saya baca tentang agen pengkodan kecerdasan buatan adalah ini: lebih banyak kod tidak semestinya bermakna lebih banyak perisian yang dihasilkan secara automatik.
Kajian oleh Fiona Chen dan James Stratton dari Harvard menganalisis data daripada lebih 700 syarikat perisian, melibatkan lebih 700,000 pekerja dan 300 juta kejadian kerja, dari tahun 2021 hingga Mac 2026. Selepas pengenalan agen pengkodan, jumlah baris kod purata meningkat sekitar 30%, jumlah komitmen meningkat 20%, dan jumlah permintaan tarik (pull request) meningkat 23%.
Namun, soalan utama yang perlu ditanya ialah: adakah ia menyelesaikan masalah? Tidak terdapat perubahan yang signifikan secara statistik dalam kadar penyelesaian ralat, tugas, dan ciri yang dilacak dalam alat seperti Jira.
Kelemahan utama terletak pada proses semakan kod. Tempoh masa yang diperlukan untuk permintaan tarik (pull request) daripada dihantar sehingga dimasukkan ke dalam kod utama meningkat sebanyak 49%. Kadar permintaan tarik (pull request) yang memerlukan perubahan hampir berganda, jumlah komen setiap permintaan tarik (pull request) meningkat 35%, dan peratus pekerja yang terlibat dalam semakan kod juga meningkat 14%. Ini bermakna sebahagian besar peningkatan kelajuan dalam proses pengkodan dikurangkan oleh proses semakan dan pembetulan.
Syarikat cuba menyelesaikan masalah ini dengan menggunakan kecerdasan buatan: pada Mac 2026, 80% syarikat yang disemak menggunakan sejenis alat semakan kod berasaskan kecerdasan buatan. Walau bagaimanapun, hanya 23.3% daripada komen semakan berasal daripada agen, dan agen hanya menyumbang kepada 10.8% daripada permintaan tarik (pull request); sebahagian besar kerja masih dilakukan oleh manusia. Selain itu, tidak terdapat perubahan yang signifikan dalam jumlah pekerja aktif, sekurang-kurangnya dalam tempoh yang disemak.
Perlu diingatkan bahawa data berakhir pada Mac 2026, dan alat-alat tersebut telah berkembang sejak itu. Tetapi, kesimpulan yang saya dapat ialah: untuk meningkatkan produktiviti, bukan sahaja masa pengkodan yang perlu dipercepatkan, tetapi juga proses semakan, pembetulan, dan integrasi.
Berita dari Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
Fail PDF kajian: https://fion.ac/jellyfish.pdf
Sumber: DonanımHaber
Kajian oleh Fiona Chen dan James Stratton dari Harvard menganalisis data daripada lebih 700 syarikat perisian, melibatkan lebih 700,000 pekerja dan 300 juta kejadian kerja, dari tahun 2021 hingga Mac 2026. Selepas pengenalan agen pengkodan, jumlah baris kod purata meningkat sekitar 30%, jumlah komitmen meningkat 20%, dan jumlah permintaan tarik (pull request) meningkat 23%.
Namun, soalan utama yang perlu ditanya ialah: adakah ia menyelesaikan masalah? Tidak terdapat perubahan yang signifikan secara statistik dalam kadar penyelesaian ralat, tugas, dan ciri yang dilacak dalam alat seperti Jira.
Kelemahan utama terletak pada proses semakan kod. Tempoh masa yang diperlukan untuk permintaan tarik (pull request) daripada dihantar sehingga dimasukkan ke dalam kod utama meningkat sebanyak 49%. Kadar permintaan tarik (pull request) yang memerlukan perubahan hampir berganda, jumlah komen setiap permintaan tarik (pull request) meningkat 35%, dan peratus pekerja yang terlibat dalam semakan kod juga meningkat 14%. Ini bermakna sebahagian besar peningkatan kelajuan dalam proses pengkodan dikurangkan oleh proses semakan dan pembetulan.
Syarikat cuba menyelesaikan masalah ini dengan menggunakan kecerdasan buatan: pada Mac 2026, 80% syarikat yang disemak menggunakan sejenis alat semakan kod berasaskan kecerdasan buatan. Walau bagaimanapun, hanya 23.3% daripada komen semakan berasal daripada agen, dan agen hanya menyumbang kepada 10.8% daripada permintaan tarik (pull request); sebahagian besar kerja masih dilakukan oleh manusia. Selain itu, tidak terdapat perubahan yang signifikan dalam jumlah pekerja aktif, sekurang-kurangnya dalam tempoh yang disemak.
Perlu diingatkan bahawa data berakhir pada Mac 2026, dan alat-alat tersebut telah berkembang sejak itu. Tetapi, kesimpulan yang saya dapat ialah: untuk meningkatkan produktiviti, bukan sahaja masa pengkodan yang perlu dipercepatkan, tetapi juga proses semakan, pembetulan, dan integrasi.
Berita dari Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
Fail PDF kajian: https://fion.ac/jellyfish.pdf
Sumber: DonanımHaber
Komen 0
Tinggalkan komen pertama, dalam apa-apa bahasa.
Log masuk untuk berkomen