هر کسی که این روزها حتی دستی بر آتش برنامه‌نویسی داشته باشد، می‌داند که دستیارها و ایجنت‌های هوش مصنوعی سرعتی باورنکردنی در تولید خطوط کد دارند. تنها با نوشتن چند خط پرامپت، صفحات پرشماری از کد تمیز و ساختاریافته تحویل می‌گیرید. اما توسعه‌دهندگان باتجربه یک واقعیت مهم را خوب می‌دانند: نمی‌توان به چشم بسته به این کدها اعتماد کرد. درست در همین نقطه است که ادعای انقلاب هوش مصنوعی در مهندسی نرم‌افزار با یک چالش جدی روبه‌رو می‌شود.
گلوگاه بازبینی؛ وقتی زمان توسعه‌دهندگان هدر می‌رود
پژوهش‌های میدانی جدید در صدها شرکت فناوری نشان می‌دهد که مرحله بازبینی کد (Code Review) توسط انسان‌ها، به بزرگ‌ترین سد راه بهره‌وری هوش مصنوعی تبدیل شده است. برخلاف تصور اولیه، شواهد اندکی وجود دارد که نشان دهد شرکت‌ها توانسته‌اند با این ابزارها حجم محصول نهایی را بیشتر کنند یا هزینه‌های نیروی انسانی را به شکل معنادار کاهش دهند.
سرعتی که هوش مصنوعی در نوشتن کدهای خام ارائه می‌دهد، خیلی زود در مراحل بعدی فرآیند تولید بلعیده و بی‌اثر می‌شود. بازبینی کدهای تولیدشده توسط ماشین به زمان و تمرکز بسیار بیشتری نیاز دارد؛ درخواست‌های ادغام (Pull Requests) مکرراً رد می‌شوند یا نیاز به اصلاح پیدا می‌کنند و مهندسان ناچارند کامنت‌ها و بازخوردهای بسیار بیشتری نسبت به کدهای انسانی بنویسند.
پژوهش هاروارد روی ۳۰۰ میلیون فعالیت برنامه‌نویسی
برای بررسی دقیق این ماجرا، فیونا چن و جیمز استراتون، دو پژوهشگر دانشگاه هاروارد، حجم عظیمی از داده‌های سیستم تحلیلی Jellyfish را زیر ذره‌بین بردند. این داده‌ها مربوط به عملکرد بیش از ۷۰۰ هزار کارمند در ۷۰۰ شرکت فعال توسعه نرم‌افزار از سال ۲۰۲۱ تا اوایل ۲۰۲۶ است که بالغ بر ۳۰۰ میلیون فعالیت فنی شامل کامیت‌ها، پول‌ریکوئست‌ها و تسک‌های مدیریتی را در بر می‌گیرد.
محققان با بررسی دقیق ردپای ابزارهای هوش مصنوعی و مدل‌سازی آماری، تغییرات سازمان‌ها را قبل و بعد از ادغام دستیارهای هوش مصنوعی و ایجنت‌های خودکار مقایسه کردند. نتایج به دست آمده کاملاً شفاف و در عین حال شگفت‌انگیز بود:
- ۳۰ درصد افزایش در مجموع خطوط کد نوشته‌شده
- ۲۰ درصد رشد در تعداد کامیت‌ها
- ۲۳ درصد افزایش در ثبت درخواست‌های ادغام (Pull Request)
- بدون هیچ تغییر معنادار در نرخ بسته شدن فیچرها، ایشوها و تسک‌های اصلی جیرا (Jira)
سراب خطوط کد؛ حجم بیشتر تضمین‌کننده خروجی بهتر نیست
تولید کدهای بیشتر روی کاغذ جذاب به نظر می‌رسد، اما واقعیت مهندسی نرم‌افزار به تحویل قابلیت‌های پایدار و حل مسائل تجاری وابسته است، نه تعداد خطوط کد. داده‌های پژوهش نشان می‌دهند نرخ تحویل ویژگی‌های کلیدی محصول (Epics) پس از ورود هوش مصنوعی عملاً تغییری نکرده است. پیچیدگی یا اندازه تسک‌ها نیز دستخوش تغییر اساسی نشده، بلکه فقط لایه‌ای از بازرسی‌های وسواسی و رفع خطاهای نامحسوس ماشینی به تقویم کاری توسعه‌دهندگان ارشد اضافه شده است.
بازتعریف ارزش واقعی ابزارهای هوش مصنوعی
دستیارهای کدنویسی قطعاً ابزارهای کارآمدی هستند و می‌توانند وظایف تکراری، پروتوتایپ‌های اولیه و نوشتن مستندات را تسهیل کنند. با این حال، تا زمانی که قابلیت تفکر ساختاریافته، درک معماری پیچیده و تضمین کیفیتِ بی‌نقص در این مدل‌ها تکامل پیدا نکند، مهندسان ارشد مجبورند بخش زیادی از زمان خود را صرف عیب‌یابی کدهای هوش مصنوعی کنند؛ واقعیتی که نشان می‌دهد کمیت بالاتر لزوماً به خلق نرم‌افزارهای بیشتر یا بهتر ختم نمی‌شود.
نظر، سوال یا تجربه خود را درباره این مطلب با سایر کاربران اوکالا به اشتراک بگذارید.