อุตสาหกรรมเทคโนโลยีเต็มไปด้วยการอ้างเกี่ยวกับเครื่องมือเขียนโค้ดที่ขับเคลื่อนด้วย AI ที่จะปฏิวัติการพัฒนาซอฟต์แวร์ บริษัทต่างๆ โอ้อวดถึงการเพิ่มประสิทธิภาพการทำงานสูงถึง 10 เท่า ใช้เหตุผลเรื่องประสิทธิภาพของ AI ในการปลดพนักงาน และเปลี่ยนตัวเองให้เป็นองค์กรที่ให้ความสำคัญกับ AI เป็นอันดับแรก อย่างไรก็ตาม นักพัฒนาจำนวนมากขึ้นเรื่อยๆ เริ่มตั้งคำถามว่าเครื่องมือเหล่านี้ให้ประโยชน์ตามที่สัญญาไว้หรือไม่ และข้อมูลใหม่บ่งชี้ว่าความเป็นจริงอาจแตกต่างจากการโฆษณาชวนเชื่ออย่างมาก
ความขัดแย้งด้านประสิทธิภาพ
การศึกษาล่าสุดเผยให้เห็นความขัดแย้งที่น่ากังวลระหว่างการรับรู้และการเพิ่มประสิทธิภาพจริงจากผู้ช่วยเขียนโค้ด AI การศึกษาของ META พบว่านักพัฒนาเชื่อว่า AI ทำให้พวกเขาทำงานเร็วขึ้น 20% แต่ในความเป็นจริงกลับทำให้พวกเขาช้าลง 19% การค้นพบนี้ทำให้นักพัฒนาที่มีประสบการณ์หลายคนทำการทดลองของตัวเอง และมักพบผลลัพธ์ที่คล้ายกัน
ปัญหาหลักดูเหมือนจะเป็นว่าแม้ว่า AI สามารถสร้างโค้ดได้อย่างรวดเร็ว แต่เวลาที่ใช้ในการตรวจสอบ แก้ไขข้อผิดพลาด และปรับปรุงโค้ดนั้นมักจะเกินกว่าเวลาที่ประหยัดได้ในตอนแรก นักพัฒนารายงานว่าต้องใช้ความพยายามอย่างมากในการแก้ไขโค้ดที่ AI สร้างขึ้นซึ่งไม่ปฏิบัติตามคู่มือสไตล์ที่มีอยู่ ใช้ตรรกะจากศูนย์แทนที่จะใช้ไลบรารีที่มีอยู่แล้ว หรือสร้างโซลูชันที่ซับซ้อนเกินไปสำหรับปัญหาง่ายๆ
ผลการศึกษาของ META: นักพัฒนาซอฟต์แวร์รับรู้ว่าผลิตภาพเพิ่มขึ้น 20% แต่ในความเป็นจริงกลับพบว่าผลิตภาพลดลง 19% เมื่อใช้เครื่องมือเขียนโค้ดด้วย AI
การขาดหายไปของการเติบโตของซอฟต์แวร์
หากเครื่องมือเขียนโค้ด AI ให้การเพิ่มประสิทธิภาพอย่างมหาศาล ภูมิทัศน์ซอฟต์แวร์ควรจะแสดงหลักฐานที่ชัดเจน เราควรจะเห็นการระเบิดของแอปพลิเคชัน เกม เว็บไซต์ และบริการใหม่ๆ ที่ท่วมท้นแพลตฟอร์มต่างๆ เช่น Steam ร้านแอป และเว็บ อย่างไรก็ตาม ข้อมูลจากแพลตฟอร์มจัดจำหน่ายซอฟต์แวร์หลายแห่งแสดงแนวโน้มการเผยแพร่ที่ค่อนข้างคงที่ แม้จะมีการนำเครื่องมือ AI มาใช้อย่างแพร่หลาย
การขาดหายไปของการปฏิวัติซอฟต์แวร์คุณภาพต่ำนี้ทำให้เกิดคำถามพื้นฐานเกี่ยวกับผลกระทบจริงของเครื่องมือเหล่านี้ แม้จะคำนึงถึงความจริงที่ว่าการพัฒนาที่ได้รับความช่วยเหลือจาก AI ส่วนใหญ่เกิดขึ้นในฐานโค้ดส่วนตัว ก็ควรจะมีการเพิ่มขึ้นที่วัดได้ในซอฟต์แวร์ที่เปิดให้สาธารณะใช้ได้หากการอ้างเรื่องประสิทธิภาพเป็นจริง
ข้อมูลการเปิดตัวซอฟต์แวร์: แนวโน้มที่ราบเรียบในแพลตฟอร์มการจัดจำหน่ายซอฟต์แวร์หลัก ๆ แม้จะมีการอ้างถึงการนำเครื่องมือ AI มาใช้งานอย่างแพร่หลาย
การใช้งานจริงและข้อจำกัด
ความคิดเห็นจากชุมชนเผยให้เห็นภาพที่มีความแตกต่างมากขึ้นเกี่ยวกับประสิทธิผลของเครื่องมือเขียนโค้ด AI เครื่องมือเหล่านี้เก่งในสถานการณ์เฉพาะ: การสร้างโค้ดแบบแผน การทำงานกับ API ที่ไม่คุ้นเคย การสร้างสคริปต์ง่ายๆ และการจัดการงานปรับปรุงโครงสร้างโค้ดตามปกติ พวกมันสามารถเพิ่มความเร็วให้กับนักพัฒนาได้อย่างมากเมื่อเรียนรู้ไลบรารีใหม่หรือเขียนโค้ดเชื่อมต่อในภาษาที่ไม่คุ้นเคย
อย่างไรก็ตาม เครื่องมือ AI มีปัญหากับงานพัฒนาที่ซับซ้อนและต้องใช้บริบทมาก ซึ่งต้องการความเข้าใจลึกซึ้งเกี่ยวกับฐานโค้ดที่มีอยู่ ตรรกะทางธุรกิจ และการตัดสินใจด้านสถาปัตยกรรม นักพัฒนาหลายคนรายงานว่าความช่วยเหลือจาก AI มีคุณค่าน้อยลงเมื่อโปรเจกต์มีความซับซ้อนมากขึ้นและต้องการการแก้ปัญหาที่ใช้ความคิดมากขึ้น
ประเภทของปัญหาที่ฉันพยายามแก้ไขในที่ทำงานต้องการการวางแผนและการดำเนินการอย่างระมัดระวัง และ AI ไม่ได้ช่วยอะไรเลย ผู้จัดการของฉันบอกว่าเวลาในการส่งมอบโปรเจกต์ล่าสุดของฉันถูกลดลงเหลือ 20% ของประมาณการเดิมเพราะเราเป็น 'บริษัทที่ให้ความสำคัญกับ AI เป็นอันดับแรก'
จุดแข็งของเครื่องมือ AI: การสร้างโค้ดแบบแผน, การนำทางใน API ที่ไม่คุ้นเคย, การสร้างสคริปต์ง่าย ๆ, การปรับโครงสร้างโค้ดตามปกติ, การเขียนคลาสจำลอง
ผลกระทบทางธุรกิจ
ความขัดแย้งระหว่างการอ้างเกี่ยวกับการเขียนโค้ดด้วย AI และความเป็นจริงมีผลกระทบทางธุรกิจที่ร้ายแรง บริษัทต่างๆ กำลังตัดสินใจเชิงกลยุทธ์โดยอิงจากความคาดหวังด้านประสิทธิภาพที่พองตัว ลดระยะเวลาการพัฒนาอย่างไม่สมจริง และลดการจ้างงานภายใต้สมมติฐานที่ว่านักพัฒนาที่มีอยู่สามารถรับมือกับปริมาณงานที่เพิ่มขึ้นอย่างมากได้
สิ่งนี้สร้างวงจรที่มีปัญหาซึ่งผู้บริหารคาดหวังการปรับปรุงอย่างมากที่ไม่เกิดขึ้นจริง ทำให้เกิดนักพัฒนาที่หงุดหงิดและความคาดหวังโปรเจกต์ที่ไม่สมจริง องค์กรบางแห่งแม้แต่จ้างที่ปรึกษาเพื่อปลูกฝังแนวทางปฏิบัติทางวิศวกรรมที่เหมาะสมกลับคืนมาหลังจากที่แนวทางการพัฒนาที่ขับเคลื่อนด้วย AI สร้างปัญหามากกว่าแก้ปัญหา
มองไปข้างหน้า
หลักฐานบ่งชี้ว่าเครื่องมือเขียนโค้ด AI เป็นเครื่องมือเสริมที่มีประโยชน์ในชุดเครื่องมือของนักพัฒนามากกว่าที่จะเป็นตัวเปลี่ยนเกมที่ปฏิวัติวงการ พวกมันทำงานได้ดีที่สุดสำหรับงานเฉพาะที่กำหนดไว้อย่างชัดเจนและสามารถลดความน่าเบื่อของกิจกรรมการพัฒนาบางอย่าง อย่างไรก็ตาม การเพิ่มประสิทธิภาพการทำงานที่เปลี่ยนแปลงโฉมหน้าตามที่ผู้ขายสัญญาและผู้นำธุรกิจยอมรับดูเหมือนจะเป็นเพียงภาพลวงตาส่วนใหญ่
เมื่ออุตสาหกรรมเติบโตในความเข้าใจเกี่ยวกับเครื่องมือเหล่านี้ การประเมินความสามารถและข้อจำกัดที่สมจริงมากขึ้นน่าจะเกิดขึ้น กุญแจสำคัญคือการหาสมดุลที่เหมาะสมระหว่างการใช้ประโยชน์จากความช่วยเหลือของ AI สำหรับงานที่เหมาะสมในขณะที่รักษาทักษะการคิดเชิงวิพากษ์และการแก้ปัญหาที่ยังคงจำเป็นสำหรับการพัฒนาซอฟต์แวร์ที่ซับซ้อน
อ้างอิง: Where's the Shovelware? Why Al Coding Claims Don't Add Up