Kompüter proqramlaşdırması ilə əlaqəli olan hər kəs bilir ki, müasir süni intellektin kodlaşdırma köməkçiləri və agentləri böyük miqdarda funksional kod yaratmaqda inanılmaz dərəcədə səmərəli ola bilərlər. Ancaq bu vasitələrdən istifadə edən kodlaşdırıcılar da bu kodun dəqiqliyindən əmin olmaqdan daha yaxşı bilirlər, yəni süni intellekt tərəfindən istehsal olunan istənilən çıxışın nəzərdən keçirilməsinə əhəmiyyətli səy göstərmək lazımdır.
Yüzlərlə şirkətin əsl kodlaşdırma təcrübələrinin son bir araşdırması aşkar edir ki, insan kodunun araşdırılması süni intellektin kodlaşdırma vasitələrinin ümumi səmərəliliyi üçün əhəmiyyətli bir "bottleneck" təşkil edir. Tədqiqat müəllifləri tapdıqları kimi, əslində kodlaşdırma mərhələsi zamanı artmış istənilən səmərəlilik istehsal prosesində aşağı axın məhdudiyyətləri ilə əhatə olunur; kodun yenidən baxılması prosesi uzunluğu əhəmiyyətli dərəcədə artdıqca, çəkmə tələblərinin yenidən nəzərdən keçirilməsinə ehtiyac duyulması və mütəxəssislərin daha çox şərh buraxması ehtimalı daha çoxdur.
Harvard Universitetinin tədqiqatçıları Fiona Chen və James Stratton bu nəticələrə gəlmək üçün mühəndislik komandalarının nüvə məhsulunu ölçən Jellyfish-dən toplanmış analitik məlumatlardan istifadə ediblər. Bu məlumatlar 300 milyon fərdi works events (məsələn, öhdəliklər və çəkmə tələbləri) və 2021-ci ildən 2026-cı ilin mart ayına qədər 700-dən çox müvafiq proqram təminatı inkişafı şirkətində 700,000-dən çox işçinin idarəetmə proqramı məlumatlarını əhatə edir.
Bu şirkətlərə süni intellekt vasitələrinin təsirini qiymətləndirmək üçün tədqiqatçılar hər bir şirkətin iş axınlarına ya süni intellekt kodlaşdırma köməkçiləri (əsasən insan tərəfindən hazırlanmış kodları avtomatik şəkildə tamamlamağa kömək edə biləcəklər) və / və ya süni intellekt kodlaşdırma agentlərini (əsasən də əmrlərə əsasən kod yazır və öhdəlikdən təqdim edir) tətbiq etməsini nə vaxt başladığını müəyyən etmək üçün birbaşa ölçülmüş süni intellekt istifadəsi və Github fəaliyyətinin təhlillərindən istifadə ediblər. Tədqiqatçılar sonra müxtəlif təşkilatlarda bu vasitələrin tətbiqindən əvvəl və sonra bir fərqlərin fərqlərin əsas dəyişənlərdə geri dönüşünü müəyyən etmək üçün bəzi mürəkkəb riyaziyyatı həyata keçirirlər.
Çörək kodunun istehsal edilməsi baxımından nəticələr aydın və qətidir. Bir şirkətdə süni intellektin kodlaşdırılması agentlərinin tətbiqi ümumi kod xəttlərinin 30 faiz artmasına, ümumi öhdəliklərin 20 faiz artmasına və pul tələblərinin orta hesabla 23 faiz artmasına səbəb olur. Ancaq bütün bu əlavə kod birbaşa şirkət səviyyəsində yaxşılaşdırılmış proqram xətti ilə tərcümə edilmir. Əksinə, Jira kimi vasitələr tərəfindən izləilən Problemlər və Epics üçün həll dərəcəsi (yəni toplu proqram xüsusiyyətləri) AI vasitələrinin təqdim edilməsindən sonra statistik cəhətdən əhəmiyyətli bir şəkildə dəyişmədi (tədqiqatçılar həmçinin İS tətbiqində Jira tərəfindən izləilən problemlərin ölçüsündə və ya mürəkkəbliyində heç bir kompozisional dəyişiklik tapmadılar).
Xülasə — davamını mənbədə oxuyun.
