MENU

Ανατροπή: Η τεχνητή νοημοσύνη φαίνεται να… εμποδίζει όσους ξέρουν να κάνουν καλά τη δουλειά τους

Οι περισσότεροι προγραμματιστές αφιερώνουν περισσότερο χρόνο σε prompts και ελέγχους, παρά στον ίδιο τον κώδικα

Παρά τα όσα λέγονται, όπως αποδεικνύεται από νέα στοιχεία, η τεχνητή νοημοσύνη δεν είναι και τόσο… ωφέλιμη για τους έμπειρους προγραμματιστές, όσο είναι για τους νέους ή για εκείνους που δεν έχουν ακόμη αποκτήσει τις απαραίτητες δεξιότητες.

Σύμφωνα με μελέτη πραγματοποιήθηκε από την Model Evaluation & Threat Research (METR) αποκαλύφθηκε ότι, όχι μόνο μειώθηκε ο ενθουσιασμός των συμμετεχόντων κατά τη διάρκειά της, αλλά στην πράξη η χρήση τεχνητής νοημοσύνης οδήγησε σε απώλεια χρόνου.

Σύμφωνα με τα ευρήματα, οι προγραμματιστές που χρησιμοποίησαν εργαλεία τεχνητής νοημοσύνης αφιέρωσαν λιγότερο χρόνο στον καθαρό προγραμματισμό και στην αναζήτηση, αλλά περισσότερο χρόνο στο να διατυπώνουν οδηγίες (prompts), να περιμένουν και – κυρίως – να ελέγχουν την ακρίβεια και την ποιότητα του παραγόμενου κώδικα από την AI. Υπολογίζεται ότι περίπου το 9% του συνολικού χρόνου πήγε σε επιθεώρηση και διόρθωση κώδικα που παρήχθη από την AI – κώδικας που, αν και ήταν κατά βάση «στο σωστό δρόμο», έλειπε σε λεπτομέρεια και ακρίβεια.

Η AI δεν εξοικονομεί τελικά χρόνο στους έμπειρους επαγγελματίες

Η έρευνα παρακολούθησε 16 έμπειρους developers, οι οποίοι ολοκλήρωσαν 246 αυθεντικά tasks σε ώριμα open-source projects που ήδη γνώριζαν καλά. Οι ερευνητές ανέλυσαν πώς αυτοί αλληλεπίδρασαν με δημοφιλή εργαλεία, όπως το Cursor Pro και οι Claude 3.5 και 3.7.

Πριν την έρευνα, οι συμμετέχοντες ανέμεναν ότι, συνδυάζοντας την εμπειρία τους με την τεχνητή νοημοσύνη, θα μείωναν τον χρόνο ολοκλήρωσης κάθε task κατά 24%. Ωστόσο, μετά την ολοκλήρωση της μελέτης, η προσδοκία αυτή περιορίστηκε στο 20%, ενώ τα πραγματικά αποτελέσματα έδειξαν αύξηση του χρόνου ολοκλήρωσης κατά 19%.

Μόλις το 44% των προτάσεων της AI έγινε αποδεκτό, με βασικά προβλήματα την έλλειψη επαρκούς κατανόησης του περιβάλλοντος (context) και την πολυπλοκότητα των αποθετηρίων (repositories). Επιπλέον, το γεγονός ότι οι developers ήδη είχαν υψηλή εξοικείωση με τα projects, περιορίζει τη χρησιμότητα της AI – αφού δεν υπήρχε ουσιαστικός χώρος για να προσφέρει νέα αξία.

Παρά την επιβράδυνση, πολλοί developers συνέχισαν να χρησιμοποιούν τα εργαλεία AI, καθώς η εργασία τους φαινόταν λιγότερο κοπιαστική και πιο ευχάριστη – ακόμη κι αν δεν ήταν αντικειμενικά πιο γρήγορη.

Σχετικά Άρθρα