Искусственный интеллект в основном занимается написанием кода, но это не всегда приводит к более быстрому выпуску программного обеспечения.
Один из самых интересных фактов, которые я прочитал о программах, использующих искусственный интеллект для написания кода: больше кода не всегда означает больше программного обеспечения.
Исследование Фионы Чен и Джеймса Страттона из Гарварда, охватившее данные более чем 700 программных компаний, включающие информацию о более чем 700 000 сотрудниках и 300 миллионов рабочих задач, показало, что после внедрения программ, использующих искусственный интеллект, среднее количество строк кода увеличилось на 30%, количество коммитов – на 20%, а количество запросов на слияние (pull requests) – на 23%.
Однако главный вопрос заключается в следующем: приводит ли это к повышению эффективности? Статистически значимых изменений в проценте завершенных задач, ошибок и функций, отслеживаемых в таких инструментах, как Jira, не наблюдалось.
Узким местом оказалась проверка кода. Время, необходимое для обработки запроса на слияние от момента его отправки до включения в основную кодовую базу, увеличилось на 49%. Количество запросов на слияние, требующих внесения изменений, почти удвоилось, количество комментариев к каждому запросу на слияние увеличилось на 35%, а процент сотрудников, занимающихся проверкой кода, вырос на 14%. Таким образом, значительная часть скорости, достигнутой при написании кода, теряется на этапе проверки и исправления.
Компании пытаются решить эту проблему с помощью искусственного интеллекта: по данным на март 2026 года, 80% компаний, участвовавших в исследовании, использовали инструменты для проверки кода на основе искусственного интеллекта. Тем не менее, только 23,3% комментариев при проверке кода поступают от этих программ, и они участвуют только в 10,8% запросов на слияние; большая часть работы по-прежнему выполняется людьми. Кроме того, в течение исследованного периода не было зафиксировано значительных изменений в количестве активных сотрудников.
Важно отметить, что сбор данных был завершен в марте 2026 года, и с тех пор инструменты, использующие искусственный интеллект, могли улучшиться. Но главный вывод, который я делаю: для повышения эффективности необходимо не только ускорять процесс написания кода, но и ускорять процессы проверки, исправления ошибок и интеграции.
Новость на Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
PDF-версия исследования: https://fion.ac/jellyfish.pdf
Источник: DonanımHaber
Исследование Фионы Чен и Джеймса Страттона из Гарварда, охватившее данные более чем 700 программных компаний, включающие информацию о более чем 700 000 сотрудниках и 300 миллионов рабочих задач, показало, что после внедрения программ, использующих искусственный интеллект, среднее количество строк кода увеличилось на 30%, количество коммитов – на 20%, а количество запросов на слияние (pull requests) – на 23%.
Однако главный вопрос заключается в следующем: приводит ли это к повышению эффективности? Статистически значимых изменений в проценте завершенных задач, ошибок и функций, отслеживаемых в таких инструментах, как Jira, не наблюдалось.
Узким местом оказалась проверка кода. Время, необходимое для обработки запроса на слияние от момента его отправки до включения в основную кодовую базу, увеличилось на 49%. Количество запросов на слияние, требующих внесения изменений, почти удвоилось, количество комментариев к каждому запросу на слияние увеличилось на 35%, а процент сотрудников, занимающихся проверкой кода, вырос на 14%. Таким образом, значительная часть скорости, достигнутой при написании кода, теряется на этапе проверки и исправления.
Компании пытаются решить эту проблему с помощью искусственного интеллекта: по данным на март 2026 года, 80% компаний, участвовавших в исследовании, использовали инструменты для проверки кода на основе искусственного интеллекта. Тем не менее, только 23,3% комментариев при проверке кода поступают от этих программ, и они участвуют только в 10,8% запросов на слияние; большая часть работы по-прежнему выполняется людьми. Кроме того, в течение исследованного периода не было зафиксировано значительных изменений в количестве активных сотрудников.
Важно отметить, что сбор данных был завершен в марте 2026 года, и с тех пор инструменты, использующие искусственный интеллект, могли улучшиться. Но главный вывод, который я делаю: для повышения эффективности необходимо не только ускорять процесс написания кода, но и ускорять процессы проверки, исправления ошибок и интеграции.
Новость на Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
PDF-версия исследования: https://fion.ac/jellyfish.pdf
Источник: DonanımHaber
Комментарии 0
Оставьте первый комментарий на любом языке.
Войдите, чтобы комментировать