Штучний інтелект все більше використовується для написання коду, але це не завжди призводить до швидшого розроблення програмного забезпечення.
Одне з найцікавіших досліджень, які я читав про інструменти кодування на основі штучного інтелекту, показує, що більше коду не завжди означає більше програмного забезпечення.
Дослідження, проведене Фіоною Чен і Джеймсом Страттоном з Гарварду, проаналізувало дані понад 700 тисяч працівників у понад 700 компаніях, що займаються розробкою програмного забезпечення, а також 300 мільйонів робочих операцій у період з 2021 року по березень 2026 року. Після впровадження інструментів кодування, загальна кількість рядків коду збільшилася в середньому на 30%, кількість комітів – на 20%, а кількість запитів на злиття (pull requests) – на 23%.
Однак, головне питання полягає в тому, чи призводить це до реального прогресу? Статистично значущих змін у відсотковому співвідношенні завершених завдань, помилок та функцій, що відстежуються в таких інструментах, як Jira, не було виявлено.
Найбільша проблема виникає на етапі перевірки коду. Час, необхідний для перенесення коду з запиту на злиття в основну кодову базу, збільшився на 49%. Кількість запитів на злиття, що потребують змін, майже подвоїлася, кількість коментарів на один запит на злиття зросла на 35%, а відсоток працівників, які займаються перевіркою коду, збільшився на 14%. Таким чином, значна частина швидкості, досягнутої на етапі написання коду, втрачається під час перевірки та виправлення помилок.
Компанії намагаються вирішити цю проблему за допомогою штучного інтелекту: станом на березень 2026 року, 80% компаній, які були проаналізовані, використовували інструменти перевірки коду на основі штучного інтелекту. Однак, лише 23,3% коментарів під час перевірки коду надходять від цих інструментів, і вони беруть участь лише у 10,8% запитів на злиття; більшість роботи все ще виконується людьми. Крім того, кількість активних працівників, принаймні в період, що досліджувався, не зазнала значних змін.
Важливо зазначити, що дані були зібрані до березня 2026 року, і інструменти, ймовірно, з тих пір покращилися. Але головний висновок, який я роблю: для підвищення продуктивності необхідно не лише прискорювати процес написання коду, але й оптимізувати перевірку, виправлення помилок та інтеграцію.
Новина на Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
PDF-версія дослідження: https://fion.ac/jellyfish.pdf
Джерело: DonanımHaber
Дослідження, проведене Фіоною Чен і Джеймсом Страттоном з Гарварду, проаналізувало дані понад 700 тисяч працівників у понад 700 компаніях, що займаються розробкою програмного забезпечення, а також 300 мільйонів робочих операцій у період з 2021 року по березень 2026 року. Після впровадження інструментів кодування, загальна кількість рядків коду збільшилася в середньому на 30%, кількість комітів – на 20%, а кількість запитів на злиття (pull requests) – на 23%.
Однак, головне питання полягає в тому, чи призводить це до реального прогресу? Статистично значущих змін у відсотковому співвідношенні завершених завдань, помилок та функцій, що відстежуються в таких інструментах, як Jira, не було виявлено.
Найбільша проблема виникає на етапі перевірки коду. Час, необхідний для перенесення коду з запиту на злиття в основну кодову базу, збільшився на 49%. Кількість запитів на злиття, що потребують змін, майже подвоїлася, кількість коментарів на один запит на злиття зросла на 35%, а відсоток працівників, які займаються перевіркою коду, збільшився на 14%. Таким чином, значна частина швидкості, досягнутої на етапі написання коду, втрачається під час перевірки та виправлення помилок.
Компанії намагаються вирішити цю проблему за допомогою штучного інтелекту: станом на березень 2026 року, 80% компаній, які були проаналізовані, використовували інструменти перевірки коду на основі штучного інтелекту. Однак, лише 23,3% коментарів під час перевірки коду надходять від цих інструментів, і вони беруть участь лише у 10,8% запитів на злиття; більшість роботи все ще виконується людьми. Крім того, кількість активних працівників, принаймні в період, що досліджувався, не зазнала значних змін.
Важливо зазначити, що дані були зібрані до березня 2026 року, і інструменти, ймовірно, з тих пір покращилися. Але головний висновок, який я роблю: для підвищення продуктивності необхідно не лише прискорювати процес написання коду, але й оптимізувати перевірку, виправлення помилок та інтеграцію.
Новина на Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
PDF-версія дослідження: https://fion.ac/jellyfish.pdf
Джерело: DonanımHaber
Коментарі 0
Залиште перший коментар будь-якою мовою.
Увійдіть, щоб коментувати