Perdebatan hangat telah meletus dalam komuniti pembangun berikutan penyelidikan baharu mengenai kesan AI terhadap produktiviti pengaturcaraan. Sementara syarikat-syarikat bergegas untuk mengintegrasikan pembantu pengekodan AI, kajian-kajian terkini melukiskan gambaran yang kompleks tentang keberkesanan sebenar mereka.
Pembangun Berpengalaman Mengalami Penurunan Produktiviti
Kajian terkawal oleh METR mendapati bahawa pembangun berpengalaman yang menggunakan alat pengekodan AI seperti Cursor mengalami penurunan produktiviti sebanyak 19%. Penyelidikan ini melibatkan 16 pembangun dengan pengalaman AI sederhana yang menyelesaikan 246 tugasan dalam projek-projek matang di mana mereka mempunyai purata 5 tahun pengalaman terdahulu. Penemuan ini mencabar andaian meluas bahawa alat AI secara universal meningkatkan prestasi pembangun.
Metodologi kajian ini memfokuskan kepada pembangun yang bekerja dalam pangkalan kod yang besar (1.1 juta baris kod) dengan tugasan yang diberikan secara rawak, menghalang pemilihan kawasan yang biasa. Walau bagaimanapun, penyelidikan mencatatkan bahawa peserta biasanya menggunakan alat AI hanya untuk beberapa dozen jam, menunjukkan penurunan produktiviti mungkin mencerminkan keluk pembelajaran dan bukannya batasan asas.
Penemuan Kajian Utama:
- Pembangun berpengalaman: 19% penurunan produktiviti dengan alat AI
- Pekerja awal kerjaya (22-25): 13% penurunan pekerjaan dalam pekerjaan terdedah AI
- Projek AI perusahaan: 95% kadar kegagalan mengikut kajian MIT
- Skop kajian: 16 pembangun, 246 tugasan, repositori kod 1.1 juta+ baris
Komuniti Berpecah Mengenai Keberkesanan Alat AI
Pendapat pembangun berbeza secara dramatik berdasarkan tahap pengalaman dan kes penggunaan. Sesetengah pengaturcara berpengalaman melaporkan keuntungan yang ketara apabila menggunakan AI untuk tugasan khusus seperti menjana data ujian, mencipta peraturan penyerlahan sintaks, atau meneroka domain yang tidak biasa. Yang lain menggambarkan AI sebagai pengurasan negatif terhadap masa dan kualiti yang terutamanya memberi manfaat kepada pembangun awal kerjaya.
Perpecahan nampaknya berpusat pada cara pembangun menggunakan alat-alat ini. Mereka yang menganggap AI sebagai carian kabur atau pakar domain untuk penyelidikan cenderung melihat lebih nilai daripada mereka yang cuba menjana kod pengeluaran secara langsung. Ramai pembangun berpengalaman menekankan bahawa AI berfungsi terbaik untuk tugasan yang jelas di mana pembangun sudah tahu apa yang mereka mahu bina.
Faktor Prestasi Alat AI:
- Kes penggunaan positif: Penjanaan data ujian, penyerlahan sintaks, penyelidikan domain, tugasan yang jelas definisi
- Faktor negatif: Penjanaan kod produksi, keputusan seni bina yang kompleks, komponen sistem kritikal
- Korelasi pengalaman: Pembangun junior menunjukkan lebih banyak manfaat berbanding pembangun berpengalaman
- Keluk pembelajaran: Penurunan produktiviti mungkin mencerminkan tempoh penyesuaian dan bukannya batasan alat
Pasaran Kerja Pembangun Junior Terjejas
Penyelidikan Stanford menggunakan data gaji daripada penyedia perisian gaji terbesar AS mendedahkan bahawa pekerja awal kerjaya (berumur 22-25) dalam pekerjaan yang terdedah kepada AI mengalami penurunan relatif 13% dalam pekerjaan sejak akhir 2022. Penurunan ini berlaku walaupun selepas mengawal faktor ekonomi peringkat syarikat, menunjukkan penggunaan AI memainkan peranan di luar keadaan ekonomi umum.
Masa ini bertepatan dengan penggunaan meluas alat AI generatif, walaupun sesetengah ahli komuniti berhujah penurunan mencerminkan penguncupan industri teknologi yang lebih luas dan bukannya anjakan AI. Penyelidikan mendapati bahawa pelarasan pekerjaan berlaku terutamanya melalui keputusan pengambilan pekerja dan bukannya perubahan pampasan, dengan syarikat-syarikat nampaknya bertaruh bahawa AI boleh mengendalikan tugasan peringkat kemasukan.
Paradoks Latihan Muncul
Corak yang membimbangkan telah muncul di mana syarikat mengurangkan pengambilan junior sambil mengharapkan AI mengisi jurang, berpotensi mewujudkan kekurangan kemahiran masa depan. Seperti yang dicatatkan oleh seorang pemerhati komuniti:
Mana-mana Lembaga yang menyokong pengurusan mengosongkan keuntungan masa depan dengan sama ada memecat, atau tidak mengambil kakitangan junior layak mendapat bonus mereka dibatalkan. Berfikir seperti pelabur perhutanan, bukan tanaman tunai musim hadapan.
Pendekatan ini mencerminkan corak sejarah dalam industri lain di mana kurang pelaburan kitaran membawa kepada kekurangan kemahiran kritikal. Industri perisian telah mengalami kitaran serupa selepas kemalangan dot-com dan krisis kewangan, menunjukkan syarikat mungkin mengulangi kesilapan masa lalu.
Projek AI Perusahaan Bergelut untuk Menyampaikan
Menambah kepada kerumitan, kajian MIT baru-baru ini mendapati bahawa 95% projek AI generatif dalam perusahaan gagal menghasilkan keputusan yang nyata. Kadar kegagalan yang tinggi ini berbeza secara mendadak dengan pengalaman pembangun individu dan menimbulkan persoalan tentang jurang antara keupayaan alat AI dan pelaksanaan organisasi yang berjaya.
Ketidakselarasan antara kes penggunaan individu yang menjanjikan dan kegagalan penggunaan perusahaan menunjukkan bahawa integrasi AI yang berkesan memerlukan lebih daripada sekadar akses kepada alat canggih. Ia menuntut aliran kerja baharu, pendekatan latihan, dan jangkaan realistik tentang apa yang boleh dan tidak boleh dicapai oleh AI semasa.
Memandang ke Hadapan
Bukti menunjukkan kesan AI terhadap pembangunan perisian kekal sangat bergantung kepada konteks. Sementara sesetengah pembangun mencapai keuntungan produktiviti yang ketara melalui penggunaan alat AI yang berhati-hati dan selektif, yang lain mendapati mereka tidak produktif. Kuncinya nampaknya memahami kekuatan dan batasan AI dan bukannya menganggapnya sebagai penyelesaian universal.
Bagi industri, cabaran terletak pada memanfaatkan faedah AI sambil mengelakkan perangkap menghapuskan pembangun junior yang akan menjadi bakat senior esok. Pendekatan semasa menggantikan pekerja peringkat kemasukan dengan AI mungkin memberikan penjimatan kos jangka pendek tetapi boleh mewujudkan jurang kemahiran jangka panjang yang terbukti jauh lebih mahal untuk ditangani.
Rujukan: Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence