Sztuczna inteligencja generuje coraz więcej kodu, ale to niekoniecznie przekłada się na szybsze tworzenie oprogramowania.
Najciekawsze informacje, jakie do tej pory czytałem na temat agentów sztucznej inteligencji do programowania, brzmią tak: więcej kodu nie zawsze oznacza więcej oprogramowania.
Badanie autorstwa Fiony Chen i Jamesa Strattona z Harvardu przeanalizowało dane z ponad 700 firm oprogramowych, obejmujące ponad 700 000 pracowników i 300 milionów zdarzeń związanych z pracą, w okresie od 2021 roku do marca 2026 roku. Po wprowadzeniu agentów programowania, średnio o 30% wzrosła liczba linii kodu, o 20% wzrosła liczba commitów, a o 23% wzrosła liczba zgłoszeń do przeglądu kodu.
Ale najważniejsze pytanie brzmi: czy to przynosi efekty? Statystycznie istotnych zmian w odsetku ukończonych zadań, błędów i funkcji, śledzonych w narzędziach takich jak Jira, nie zaobserwowano.
Wąskim gardłem jest przegląd kodu. Czas potrzebny od wysłania zgłoszenia do przeglądu kodu do jego włączenia do głównego kodu wzrósł o 49%. Odsetek zgłoszeń do przeglądu kodu, w których wymagano zmian, prawie podwoił się, a liczba komentarzy na jedno zgłoszenie wzrosła o 35%, a odsetek pracowników zajmujących się przeglądem kodu również wzrósł o 14%. Oznacza to, że znaczna część zysku w szybkości pisania kodu jest tracona na przegląd i poprawki.
Firmy próbują rozwiązać ten problem za pomocą sztucznej inteligencji: według danych z marca 2026 roku, 80% firm, które były analizowane, korzystało z jakiegoś narzędzia do przeglądu kodu opartego na sztucznej inteligencji. Niemniej jednak, tylko 23,3% komentarzy podczas przeglądu pochodziło od agentów, a agenci przyczynili się tylko do 10,8% zgłoszeń do przeglądu kodu; większość pracy nadal wykonują ludzie. Nie zaobserwowano również istotnych zmian w liczbie aktywnych pracowników, przynajmniej w analizowanym okresie.
Warto zauważyć, że dane obejmują okres do marca 2026 roku, a narzędzia mogły się od tego czasu rozwinąć. Ale wnioski, jakie wyciągam, są jasne: aby zwiększyć wydajność, należy przyspieszyć nie tylko pisanie kodu, ale także przegląd, naprawę błędów i integrację.
Artykuł na Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
Plik PDF z badaniem: https://fion.ac/jellyfish.pdf
Źródło: DonanımHaber
Badanie autorstwa Fiony Chen i Jamesa Strattona z Harvardu przeanalizowało dane z ponad 700 firm oprogramowych, obejmujące ponad 700 000 pracowników i 300 milionów zdarzeń związanych z pracą, w okresie od 2021 roku do marca 2026 roku. Po wprowadzeniu agentów programowania, średnio o 30% wzrosła liczba linii kodu, o 20% wzrosła liczba commitów, a o 23% wzrosła liczba zgłoszeń do przeglądu kodu.
Ale najważniejsze pytanie brzmi: czy to przynosi efekty? Statystycznie istotnych zmian w odsetku ukończonych zadań, błędów i funkcji, śledzonych w narzędziach takich jak Jira, nie zaobserwowano.
Wąskim gardłem jest przegląd kodu. Czas potrzebny od wysłania zgłoszenia do przeglądu kodu do jego włączenia do głównego kodu wzrósł o 49%. Odsetek zgłoszeń do przeglądu kodu, w których wymagano zmian, prawie podwoił się, a liczba komentarzy na jedno zgłoszenie wzrosła o 35%, a odsetek pracowników zajmujących się przeglądem kodu również wzrósł o 14%. Oznacza to, że znaczna część zysku w szybkości pisania kodu jest tracona na przegląd i poprawki.
Firmy próbują rozwiązać ten problem za pomocą sztucznej inteligencji: według danych z marca 2026 roku, 80% firm, które były analizowane, korzystało z jakiegoś narzędzia do przeglądu kodu opartego na sztucznej inteligencji. Niemniej jednak, tylko 23,3% komentarzy podczas przeglądu pochodziło od agentów, a agenci przyczynili się tylko do 10,8% zgłoszeń do przeglądu kodu; większość pracy nadal wykonują ludzie. Nie zaobserwowano również istotnych zmian w liczbie aktywnych pracowników, przynajmniej w analizowanym okresie.
Warto zauważyć, że dane obejmują okres do marca 2026 roku, a narzędzia mogły się od tego czasu rozwinąć. Ale wnioski, jakie wyciągam, są jasne: aby zwiększyć wydajność, należy przyspieszyć nie tylko pisanie kodu, ale także przegląd, naprawę błędów i integrację.
Artykuł na Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
Plik PDF z badaniem: https://fion.ac/jellyfish.pdf
Źródło: DonanımHaber
Komentarze 0
Dodaj pierwszy komentarz, w dowolnym języku.
Zaloguj się, aby komentować