Τα τελευταία χρόνια, έχει υπάρξει πολύς θόρυβος σχετικά με το πώς το Generative AI (gen AI) κάνει τη ζωή ευκολότερη για τους προγραμματιστές λογισμικού, δημιουργώντας αποσπάσματα κώδικα, προτάσεις και σχετική τεκμηρίωση κατά παραγγελία. Πολλοί προγραμματιστές, φυσικά, πιστεύουν ότι η αύξηση της παραγωγικότητας είναι διαισθητική. Τώρα έχουμε αξιόπιστα δεδομένα για να υποστηρίξουμε αυτήν την υπόθεση.
Αυτό που είναι αξιοσημείωτο, ωστόσο, είναι ότι η τεχνητή νοημοσύνη βοηθά τους προγραμματιστές στην αρχή της καριέρας τους περισσότερο από τους πιο ανώτερους ομολόγους τους, καταλήγει μια νέα μελέτη από ερευνητές από το MIT, τη Microsoft, το Πανεπιστήμιο Πρίνστον και το Πανεπιστήμιο της Πενσυλβάνια. Οι ερευνητές ανέλυσαν δεδομένα από τρεις δοκιμές που πραγματοποιήθηκαν στη Microsoft, την Accenture και μια ανώνυμη εταιρεία ηλεκτρονικών Fortune 100, στην οποία συμμετείχαν 4.867 προγραμματιστές. Δυστυχώς, το 40% των συμμετεχόντων στο τμήμα της Accenture απολύθηκαν στη μέση του πειράματος, σημείωσαν οι ερευνητές. Έτσι, η πραγματική τροπή των γεγονότων αμβλύνει τη δόξα της AI.
Επίσης: Οι πρώιμοι χρήστες αναπτύσσουν ήδη πράκτορες AI σε επιχειρήσεις, με μεγάλης κλίμακας εφαρμογή να αναμένεται να ξεκινήσει το 2025.
Αυτά τα πειράματα διεξήχθησαν από τις εταιρείες ως μέρος της συνήθους επιχείρησής τους, με προγραμματιστές να χρησιμοποιούν το GitHub Copilot, έναν βοηθό κωδικοποίησης ανοιχτού κώδικα με τεχνητή νοημοσύνη που προσφέρει έξυπνες προσθήκες κώδικα. «Η ανάλυσή μας δείχνει μια αύξηση 26% στην ολοκλήρωση εργασιών μεταξύ των προγραμματιστών που χρησιμοποιούν το εργαλείο AI», αναφέρουν οι ερευνητές.
Είναι σημαντικό ότι λιγότερο έμπειροι προγραμματιστές έδειξαν υψηλότερα ποσοστά υιοθέτησης και μεγαλύτερα κέρδη παραγωγικότητας από την τεχνητή νοημοσύνη. «Το Copilot βελτιώνει σημαντικά την ολοκλήρωση εργασιών για πρόσφατες προσλήψεις και για όσους βρίσκονται σε χαμηλότερες θέσεις, αλλά όχι για προγραμματιστές με μεγαλύτερη θητεία σε υψηλότερες θέσεις», σημείωσαν οι ερευνητές. Οι προγραμματιστές με μικρή θητεία αύξησαν την παραγωγικότητά τους κατά 27% σε 39%, ενώ οι προγραμματιστές με μακροχρόνια θητεία είδαν μικρότερα κέρδη από 8% έως 13%.
Επίσης: Οι εταιρείες παραμένουν πρόθυμες να επενδύσουν στη Gen AI, δίνοντας παράλληλα προτεραιότητα στη διαχείριση κινδύνου
Οι ερευνητές πρότειναν μάλιστα ότι οι ώριμοι προγραμματιστές εγκατέλειψαν το CoPllot αφού το δοκίμασαν για πρώτη φορά. «Το Copilot είναι σχετικά απλούστερο και φθηνότερο σε σύγκριση με άλλα εργαλεία τεχνητής νοημοσύνης στο χώρο εργασίας», ισχυρίζονται. «Το Copilot δεν απαιτεί πρόσθετες επενδύσεις, μπορεί να υιοθετηθεί σε ατομικό επίπεδο και είναι ήδη ενσωματωμένο στο περιβάλλον ανάπτυξης λογισμικού».
Ωστόσο, παρά αυτά τα οφέλη, το ποσοστό υιοθέτησης του CoPilot είναι «πολύ κάτω από το 100% και στα τρία πειράματα, με περίπου 30-40% των μηχανικών να μην δοκιμάζουν καν το προϊόν», σημείωσαν. «Επιπλέον, το ποσοστό αποδοχής είναι εντυπωσιακά παρόμοιο σε όλα τα πειράματα. Αυτό υποδηλώνει ότι άλλοι παράγοντες εκτός από την πρόσβαση, όπως οι ατομικές προτιμήσεις και η αντιληπτή χρησιμότητα ενός εργαλείου, παίζουν σημαντικό ρόλο στις αποφάσεις των μηχανικών να χρησιμοποιήσουν το εργαλείο.”
Μαζί με τα συνολικά κέρδη απόδοσης, η μελέτη βρήκε κέρδη σε συγκεκριμένες εργασίες κωδικοποίησης. Ο αριθμός των ενημερώσεων κώδικα (δεσμεύσεις) αυξήθηκε κατά 14%, και ο αριθμός των μεταγλωττίσεων κώδικα αυξήθηκε κατά 38%.
Επίσης: 1 στις 5 μεγαλύτερες εταιρείες αναφέρει τη γενετική τεχνητή νοημοσύνη στις οικονομικές τους αναφορές, αλλά όχι με καλό τρόπο.
Ευτυχώς, η εργασία λογισμικού είναι σχετικά εύκολο να μετρηθεί ακολουθώντας μια εξαιρετικά δομημένη ροή εργασιών όπου καθορίζονται και παρακολουθούνται συγκεκριμένες εργασίες χρησιμοποιώντας λογισμικό ελέγχου έκδοσης. «Επομένως, οι εσωτερικά καθορισμένοι στόχοι και στόχοι είναι ποσοτικοποιήσιμοι», σημείωσαν οι ερευνητές.