Kunstmatige intelligentie schrijft steeds meer code, maar de software komt nog niet sneller uit.
Een van de meest interessante inzichten die ik tot nu toe heb gelezen over AI-gebaseerde programmeerassistenten is dit: meer code betekent niet automatisch meer software.
Het onderzoek van Fiona Chen en James Stratton van Harvard heeft gegevens geanalyseerd van meer dan 700 softwarebedrijven, met gegevens van ruim 700.000 werknemers en 300 miljoen werkgerelateerde gebeurtenissen, over de periode van 2021 tot maart 2026. Na de introductie van programmeerassistenten is het gemiddelde aantal code regels met 30%, het aantal commits met 20% en het aantal pull requests met 23% toegenomen.
Maar de belangrijkste vraag is: leidt dit tot een efficiëntere workflow? Er is geen statistisch significant verschil geconstateerd in de voltooiingspercentages van fouten, taken en functies, zoals gevolgd in tools zoals Jira.
Het knelpunt ligt in de code review. De tijd die verstrijkt tussen het indienen van een pull request en de acceptatie in de hoofdcodebasis is met 49% toegenomen. Het percentage pull requests waarbij wijzigingen worden gevraagd is bijna verdubbeld, het aantal commentaren per pull request is met 35% toegenomen, en het aantal werknemers dat betrokken is bij code review is met 14% gestegen. Met andere woorden, een aanzienlijk deel van de snelheidswinst die wordt behaald bij het schrijven van code, wordt verloren in de review- en correctiefase.
Bedrijven proberen dit probleem ook op te lossen met AI: naar verluidt gebruikte 80% van de onderzochte bedrijven een vorm van AI-gebaseerd code review tool per maart 2026. Desondanks komen slechts 23,3% van de review-commentaren van de assistenten, en de assistenten dragen slechts bij aan 10,8% van de pull requests; het grootste deel van het werk wordt nog steeds door mensen gedaan. Er is ook geen significant verschil geconstateerd in het aantal actieve werknemers, ten minste gedurende de onderzochte periode.
Het is belangrijk op te merken dat de gegevens eindigen in maart 2026 en dat de tools sindsdien verder zijn ontwikkeld. Maar de belangrijkste conclusie is duidelijk: om de productiviteit te verhogen, is het niet alleen nodig om de codeersnelheid te versnellen, maar ook om de review-, debug- en integratiefasen te optimaliseren.
Het nieuwsartikel op Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
Het PDF-document van het onderzoek: https://fion.ac/jellyfish.pdf
Bron: DonanımHaber
Het onderzoek van Fiona Chen en James Stratton van Harvard heeft gegevens geanalyseerd van meer dan 700 softwarebedrijven, met gegevens van ruim 700.000 werknemers en 300 miljoen werkgerelateerde gebeurtenissen, over de periode van 2021 tot maart 2026. Na de introductie van programmeerassistenten is het gemiddelde aantal code regels met 30%, het aantal commits met 20% en het aantal pull requests met 23% toegenomen.
Maar de belangrijkste vraag is: leidt dit tot een efficiëntere workflow? Er is geen statistisch significant verschil geconstateerd in de voltooiingspercentages van fouten, taken en functies, zoals gevolgd in tools zoals Jira.
Het knelpunt ligt in de code review. De tijd die verstrijkt tussen het indienen van een pull request en de acceptatie in de hoofdcodebasis is met 49% toegenomen. Het percentage pull requests waarbij wijzigingen worden gevraagd is bijna verdubbeld, het aantal commentaren per pull request is met 35% toegenomen, en het aantal werknemers dat betrokken is bij code review is met 14% gestegen. Met andere woorden, een aanzienlijk deel van de snelheidswinst die wordt behaald bij het schrijven van code, wordt verloren in de review- en correctiefase.
Bedrijven proberen dit probleem ook op te lossen met AI: naar verluidt gebruikte 80% van de onderzochte bedrijven een vorm van AI-gebaseerd code review tool per maart 2026. Desondanks komen slechts 23,3% van de review-commentaren van de assistenten, en de assistenten dragen slechts bij aan 10,8% van de pull requests; het grootste deel van het werk wordt nog steeds door mensen gedaan. Er is ook geen significant verschil geconstateerd in het aantal actieve werknemers, ten minste gedurende de onderzochte periode.
Het is belangrijk op te merken dat de gegevens eindigen in maart 2026 en dat de tools sindsdien verder zijn ontwikkeld. Maar de belangrijkste conclusie is duidelijk: om de productiviteit te verhogen, is het niet alleen nodig om de codeersnelheid te versnellen, maar ook om de review-, debug- en integratiefasen te optimaliseren.
Het nieuwsartikel op Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
Het PDF-document van het onderzoek: https://fion.ac/jellyfish.pdf
Bron: DonanımHaber
Reacties 0
Plaats de eerste reactie, in elke taal.
Log in om te reageren