درحالیکه هدف اصلی ابزارهای هوش مصنوعی مانند GitHub Copilot افزایش بهرهوری و سرعت کدنویسی است، یک مطالعه جدید و غیرمنتظره نشان میدهد که این دستیاران هوشمند ممکن است تأثیر معکوسی بر عملکرد توسعهدهندگان باتجربه داشته باشند و در حقیقت، سرعت آنها را کاهش دهند.
جزئیات مطالعه
این تحقیق، که توسط پژوهشگران دانشگاه MIT و هاروارد انجام شد، به بررسی تأثیر دستیاران هوش مصنوعی بر مهندسان با سطوح تجربه متفاوت پرداخت.
فرضیه سنتی: ابزارهایی مانند Copilot کارهای تکراری را خودکار میکنند و به توسعهدهنده اجازه میدهند روی مسائل پیچیدهتر تمرکز کند.
نتیجه غیرمنتظره برای حرفهایها: در بخشهایی که نیاز به دقت بالا و حل مسائل پیچیده وجود داشت، توسعهدهندگان باتجربه هنگام استفاده از ابزارهای هوش مصنوعی، عملکرد ضعیفتری نسبت به زمانی داشتند که بهتنهایی کار میکردند.

دلایل اصلی کاهش سرعت
محققان چندین دلیل را برای این پدیده در مهندسان باتجربه شناسایی کردند:
عاملتوضیح
۱. کاهش اعتمادمهندسان باتجربه زمان زیادی را صرف بررسی و رفع اشکالات کدهای پیشنهادی هوش مصنوعی میکنند. بازبینی (Reviewing) کد هوش مصنوعی وقتگیرتر از نوشتن کد از صفر برای آنهاست.
۲. اتکای بیش از حداین گروه از توسعهدهندگان گاهی بیش از حد به خروجی هوش مصنوعی اعتماد میکنند و بدون بررسی دقیق، کدهای معیوب را وارد پروژه میکنند، که در نهایت منجر به اشکالزدایی (Debugging) طولانیتر میشود.
۳. ناهماهنگی استراتژیکهوش مصنوعی غالباً راهحلهایی عمومی و استاندارد پیشنهاد میدهد که با ساختار پیچیده و معماری خاص پروژههای بزرگ همخوانی ندارد. مهندسان مجبورند کد تولیدی را با چارچوب موجود هماهنگ کنند که سرعت آنها را میکاهد.
تأثیر مثبت بر تازهکارها
نقطه مقابل، این ابزارها برای توسعهدهندگان مبتدی و تازهکار بسیار سودمند بودهاند. هوش مصنوعی به آنها کمک میکند تا:
سریعتر با زبانهای برنامهنویسی جدید آشنا شوند.
کدهای boilerplate (کدهای قالبی و تکراری) را بهسرعت تولید کنند.
از پس وظایف مقدماتی و ساده برآیند.
نتیجهگیری پژوهشگران:
این مطالعه تأیید میکند که هوش مصنوعی ابزار قدرتمندی است، اما نحوه استفاده از آن باید بر اساس سطح تجربه کاربر تنظیم شود. ابزارهای کدنویسی هوش مصنوعی به تنهایی تضمینکننده بهرهوری نیستند و در سطوح حرفهای، میتوانند یک عامل حواسپرتی و اتلاف وقت محسوب شوند.