عامل‌های کدنویسی هوش مصنوعی؛ کد بیشتر، نه لزوماً تحویل بیشتر
یک مقاله کاری پژوهشگران هاروارد، افزایش تولید کد با عامل‌های هوش مصنوعی را گزارش می‌کند؛ اما رشد کارهای تکمیل‌شده معنادار نبود و بازبینی طولانی‌تر شد.
در این مقاله می‌خوانید ۲ بخش
تولید کد افزایش یافت؛ کار تکمیل‌شده چطور؟
یک مقاله کاری از فیونا چن و جیمز استراتن، پژوهشگران هاروارد، نشان می‌دهد پذیرش عامل‌های کدنویسی هوش مصنوعی با افزایش تولید کد همراه بوده، اما افزایش مسائل و پروژه‌های تکمیل‌شده در Jira از نظر آماری معنادار نبوده است. نسخه نخست مقاله در ۷ ژانویه ۲۰۲۶ منتشر شده و نسخه فعلیِ منبع تاریخ ۴ اوت ۲۰۲۶ دارد؛ بنابراین این گزارش درباره پژوهشی منتشرشده در گذشته است.
نویسندگان با استفاده از داده‌های پلتفرم Jellyfish، حدود ۳۰۰ میلیون رویداد کاری در ۷۱۸ شرکت را از ژانویه ۲۰۲۱ تا مارس ۲۰۲۶ بررسی کرده‌اند. داده‌ها استفاده از GitHub Copilot، Cursor و Claude Code را شامل می‌شوند.
آن‌ها برای پذیرش عامل‌های کدنویسی، افزایش ۳۰درصدی خطوط کد، ۲۰درصدی ثبت تغییرات و ۲۳درصدی درخواست‌های ادغام را برآورد کرده‌اند. در مقابل، زمان متوسط بازبینی درخواست ادغام ۴۹ درصد و تعداد نظرهای بازبینان ۳۵ درصد افزایش یافته است؛ الگویی که نقش بازبینی را به‌عنوان گلوگاه احتمالی برجسته می‌کند.
چرا این یافته، حکم قطعی درباره بهره‌وری نیست؟
روش پژوهش، مقایسه تغییرات شرکت‌ها بر اساس زمان متفاوت پذیرش ابزارهاست؛ نه آزمایش تصادفی یا ارزیابی نسخه مشخصی از یک مدل. استنباط آن به فرض روندهای مشابه شرکت‌ها وابسته است و نمونه نیز فقط مشتریان Jellyfish را پوشش می‌دهد. ابزارهای جدیدتر از مارس ۲۰۲۶ در داده‌ها نیستند.
معنادار نبودن افزایش کارهای تکمیل‌شده، اثباتِ نبود هرگونه اثر نیست. پیام اصلی مقاله این است که افزایش حجم کد را نباید معادل افزایش تحویل نرم‌افزار گرفت؛ ظرفیت بازبینی نیز در ارزیابی نتیجه اهمیت دارد. این منبع مقاله کاری است و شواهد ارائه‌شده انتشار داوری‌شده آن را تأیید نمی‌کنند.
هنوز دیدگاهی منتشر نشده است. اولین نفر باشید.