تحقیق جدیدی در سال ۲۰۲۶ نشان داده که ابزارهای کدنویسی هوش مصنوعی به عضو جداییناپذیر برنامهنویسها تبدیل شده است. با این حال، اگرچه این ابزارها سرعت تولید کد را بالا بردهاند، اما کیفیت کدهای خروجی لزوماً بهتر نشده است و این موضوع میتواند در آینده مشکلات بزرگی برای برنامهنویسان ایجاد کند.
بر اساس گزارشها، مؤسسه تحقیقاتی METR در فوریه ۲۰۲۶، یک حقیقت شگفتانگیز مشخص شده است: اکثر توسعهدهندگان دیگر حاضر نیستند حتی برای انجام کارهای محدود، بدون کمک هوش مصنوعی کار کنند.
مؤسسه METR قصد داشت تحقیقات پیشگامانه سال ۲۰۲۵ خود را درباره بهرهوری کدنویسی بهروزرسانی کند. در آن مطالعه، محققان زمان انجام وظایف توسط برنامهنویسان اوپنسورس را بهصورت دستی و با کمک هوش مصنوعی مقایسه کرده بودند. با وجود اینکه توسعهدهندگان در آن زمان تصور میکردند هوش مصنوعی بهرهوری آنها را افزایش داده است، نتایج نشان داد که این ابزارها در واقع سرعت کار را کاهش دادهاند. کدهای اولیه سریعتر تولید میشدند، اما زمان زیادی صرف یافتن و رفع باگها، هدایت هوش مصنوعی و انتظار برای تکمیل وظایف میشد.
هنگامی که محققان سعی کردند این آزمایش را برای سنجش پیشرفتها تکرار کنند، موفق نشدند؛ زیرا برنامهنویسان اعلام کردند که بههیچوجه حاضر نیستند بدون هوش مصنوعی کار کنند.
کدهای سریعتر، باگهای بیشتر! راهحل چیست؟
یک برنامهنویس مطرح به نام جیمز شور (James Shore) در یادداشتی که بهشدت در پلتفرم Hacker News وایرال شده است، هشدار میدهد که کدهای تولیدشده توسط هوش مصنوعی نیاز به نگهداری مداوم را کاهش نمیدهند و حتی ممکن است آن را بیشتر کنند. او تأکید کرده است که سرعت بالاتر در برنامهنویسی، هزینههای نگهداری را بهشدت افزایش میدهد.
شواهد دیگری نیز برای این موضوع وجود دارد. استارتاپ Entelligence AI اعلام کرده است که شرکتها ۴۴ درصد از توکنهای خود را صرف رفع باگهایی میکنند که خود هوش مصنوعی ایجاد کرده است. همچنین، پلتفرم CodeRabbit با بررسی کدهای اوپنسورس به این نتیجه رسیده است که کدهای هوش مصنوعی ۱.۷ برابر بیشتر از کدهای انسانی مشکلساز بودهاند. بااینحال تحول بزرگ انتروپیک در برنامهنویسی هم حائز اهمیت است؛ قابلیت «Dynamic Workflows» به کلود کد اضافه شد.
محققان دانشگاه مدیریت سنگاپور نیز در گزارش ماه آوریل خود تأکید کردهاند که کدهای تولیدشده توسط هوش مصنوعی میتوانند هزینههای نگهداری بلندمدت را به پروژههای نرمافزاری تحمیل کنند.
برنامهنویسان باید نقاط ضعف و قوت هوش مصنوعی را بهخوبی بشناسند، سیستمهای کنترل کیفیت قدرتمندی طراحی کنند و کدهای هوش مصنوعی را مانند کدهای یک برنامهنویس تازهکار بهدقت بررسی کنند. در نهایت، کارهای کلان مانند معماری نرمافزار و طراحی امنیت همچنان باید توسط انسانها انجام شود.
