ปัญญาประดิษฐ์ (AI) ช่วยในการเขียนโค้ดได้มากขึ้น แต่ซอฟต์แวร์ยังไม่สามารถพัฒนาได้อย่างรวดเร็วเสมอไป
ข้อมูลที่น่าสนใจที่สุดที่ฉันเคยอ่านเกี่ยวกับโปรแกรมช่วยเขียนโค้ดด้วยปัญญาประดิษฐ์คือ: การเขียนโค้ดมากขึ้นไม่ได้หมายความว่าจะมีซอฟต์แวร์มากขึ้นเสมอไป
งานวิจัยของ Fiona Chen และ James Stratton จาก Harvard ได้วิเคราะห์ข้อมูลจากกว่า 700 บริษัทซอฟต์แวร์ ซึ่งมีพนักงานมากกว่า 700,000 คน และข้อมูลการทำงานกว่า 300 ล้านรายการ ข้อมูลแสดงให้เห็นว่าหลังจากมีการนำโปรแกรมช่วยเขียนโค้ดมาใช้ จำนวนบรรทัดโค้ดโดยรวมเพิ่มขึ้นโดยเฉลี่ย 30% จำนวนครั้งที่ส่งโค้ด (commit) เพิ่มขึ้น 20% และจำนวนคำขอการเปลี่ยนแปลงโค้ด (pull request) เพิ่มขึ้น 23%
แต่คำถามสำคัญคือ: งานเสร็จสมบูรณ์หรือไม่? ไม่มีการเปลี่ยนแปลงที่สำคัญทางสถิติในอัตราการเสร็จสิ้นของข้อผิดพลาด งาน และคุณสมบัติที่ติดตามผ่านเครื่องมือต่างๆ เช่น Jira
ปัญหาอยู่ที่การตรวจสอบโค้ด ระยะเวลาตั้งแต่การส่งคำขอการเปลี่ยนแปลงโค้ดจนถึงการนำเข้าสู่ฐานโค้ดหลักเพิ่มขึ้น 49% อัตราส่วนของคำขอการเปลี่ยนแปลงโค้ดที่ต้องการการแก้ไขเพิ่มขึ้นเกือบสองเท่า จำนวนความคิดเห็นต่อคำขอการเปลี่ยนแปลงโค้ดเพิ่มขึ้น 35% และสัดส่วนของพนักงานที่ทำการตรวจสอบโค้ดเพิ่มขึ้น 14% นั่นหมายความว่าความเร็วที่เพิ่มขึ้นในการเขียนโค้ดส่วนหนึ่งถูกสูญเสียไปกับการตรวจสอบและแก้ไข
บริษัทต่างๆ พยายามแก้ไขปัญหานี้ด้วยปัญญาประดิษฐ์ ข้อมูลแสดงให้เห็นว่า ณ เดือนมีนาคม 2026 บริษัทที่ถูกตรวจสอบ 80% ใช้เครื่องมือตรวจสอบโค้ดด้วยปัญญาประดิษฐ์ อย่างไรก็ตาม ความคิดเห็นในการตรวจสอบเพียง 23.3% เท่านั้นที่มาจากโปรแกรมช่วยเขียนโค้ด และโปรแกรมช่วยเขียนโค้ดมีส่วนร่วมในเพียง 10.8% ของคำขอการเปลี่ยนแปลงโค้ด งานส่วนใหญ่ยังคงต้องทำโดยมนุษย์ นอกจากนี้ ยังไม่พบการเปลี่ยนแปลงที่สำคัญในจำนวนพนักงานที่ทำงานในช่วงเวลาที่ถูกตรวจสอบ
สิ่งสำคัญที่ควรทราบคือข้อมูลสิ้นสุดลงในเดือนมีนาคม 2026 และเครื่องมือต่างๆ ได้พัฒนาขึ้นนับตั้งแต่นั้นเป็นต้นไป แต่สิ่งที่ฉันได้เรียนรู้คือ: เพื่อเพิ่มประสิทธิภาพ ไม่เพียงแต่ต้องเร่งความเร็วในการเขียนโค้ดเท่านั้น แต่ยังต้องเร่งความเร็วในการตรวจสอบ การแก้ไขข้อผิดพลาด และการรวมโค้ดด้วย
ข่าวจาก Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
ไฟล์ PDF ของงานวิจัย: https://fion.ac/jellyfish.pdf
แหล่งที่มา: DonanımHaber
งานวิจัยของ Fiona Chen และ James Stratton จาก Harvard ได้วิเคราะห์ข้อมูลจากกว่า 700 บริษัทซอฟต์แวร์ ซึ่งมีพนักงานมากกว่า 700,000 คน และข้อมูลการทำงานกว่า 300 ล้านรายการ ข้อมูลแสดงให้เห็นว่าหลังจากมีการนำโปรแกรมช่วยเขียนโค้ดมาใช้ จำนวนบรรทัดโค้ดโดยรวมเพิ่มขึ้นโดยเฉลี่ย 30% จำนวนครั้งที่ส่งโค้ด (commit) เพิ่มขึ้น 20% และจำนวนคำขอการเปลี่ยนแปลงโค้ด (pull request) เพิ่มขึ้น 23%
แต่คำถามสำคัญคือ: งานเสร็จสมบูรณ์หรือไม่? ไม่มีการเปลี่ยนแปลงที่สำคัญทางสถิติในอัตราการเสร็จสิ้นของข้อผิดพลาด งาน และคุณสมบัติที่ติดตามผ่านเครื่องมือต่างๆ เช่น Jira
ปัญหาอยู่ที่การตรวจสอบโค้ด ระยะเวลาตั้งแต่การส่งคำขอการเปลี่ยนแปลงโค้ดจนถึงการนำเข้าสู่ฐานโค้ดหลักเพิ่มขึ้น 49% อัตราส่วนของคำขอการเปลี่ยนแปลงโค้ดที่ต้องการการแก้ไขเพิ่มขึ้นเกือบสองเท่า จำนวนความคิดเห็นต่อคำขอการเปลี่ยนแปลงโค้ดเพิ่มขึ้น 35% และสัดส่วนของพนักงานที่ทำการตรวจสอบโค้ดเพิ่มขึ้น 14% นั่นหมายความว่าความเร็วที่เพิ่มขึ้นในการเขียนโค้ดส่วนหนึ่งถูกสูญเสียไปกับการตรวจสอบและแก้ไข
บริษัทต่างๆ พยายามแก้ไขปัญหานี้ด้วยปัญญาประดิษฐ์ ข้อมูลแสดงให้เห็นว่า ณ เดือนมีนาคม 2026 บริษัทที่ถูกตรวจสอบ 80% ใช้เครื่องมือตรวจสอบโค้ดด้วยปัญญาประดิษฐ์ อย่างไรก็ตาม ความคิดเห็นในการตรวจสอบเพียง 23.3% เท่านั้นที่มาจากโปรแกรมช่วยเขียนโค้ด และโปรแกรมช่วยเขียนโค้ดมีส่วนร่วมในเพียง 10.8% ของคำขอการเปลี่ยนแปลงโค้ด งานส่วนใหญ่ยังคงต้องทำโดยมนุษย์ นอกจากนี้ ยังไม่พบการเปลี่ยนแปลงที่สำคัญในจำนวนพนักงานที่ทำงานในช่วงเวลาที่ถูกตรวจสอบ
สิ่งสำคัญที่ควรทราบคือข้อมูลสิ้นสุดลงในเดือนมีนาคม 2026 และเครื่องมือต่างๆ ได้พัฒนาขึ้นนับตั้งแต่นั้นเป็นต้นไป แต่สิ่งที่ฉันได้เรียนรู้คือ: เพื่อเพิ่มประสิทธิภาพ ไม่เพียงแต่ต้องเร่งความเร็วในการเขียนโค้ดเท่านั้น แต่ยังต้องเร่งความเร็วในการตรวจสอบ การแก้ไขข้อผิดพลาด และการรวมโค้ดด้วย
ข่าวจาก Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
ไฟล์ PDF ของงานวิจัย: https://fion.ac/jellyfish.pdf
แหล่งที่มา: DonanımHaber
ความคิดเห็น 0
เป็นคนแรกที่แสดงความคิดเห็น ด้วยภาษาใดก็ได้
เข้าสู่ระบบเพื่อแสดงความคิดเห็น