This post is also available in:
English (אנגלית)
מחקר חדש מערער על ההנחה הרווחת כי כלי תכנות מבוססי בינה מלאכותית משפרים באופן עקבי את הפרודוקטיביות. בניסויים מבוקרים, מפתחים מנוסים שעבדו בקוד שהם כבר מכירים – דווקא היו איטיים יותר כאשר השתמשו בעוזר קוד מבוסס AI.
המחקר, שבוצע על ידי ארגון ללא מטרות רווח בשם METR, עקב אחר תורמים מנוסים לקוד פתוח שביצעו משימות אמיתיות באמצעות Cursor, כלי AI פופולרי לפיתוח תוכנה. המשתתפים התבקשו לבצע משימות בפרויקטים שהם כבר הכירו – קוד שהם כתבו בעבר – ולא תרגילים מלאכותיים או קוד לא מוכר.
למרות שציפו לשיפור ניכר בזמני הביצוע (המשתתפים העריכו שה-AI יקצר את זמן המשימה בכ-25%), התוצאות הראו את ההפך: השימוש בכלי ה-AI גרם לעלייה ממוצעת של 19% במשך הזמן הנדרש להשלמת המשימות.
על פי דיווח של רויטרס, הבעיה המרכזית לא הייתה דווקא באיכות ההצעות של ה-AI, אלא במאמץ הנוסף שנדרש לבחינה, פירוש ותיקון של הפלט. למרות שההצעות היו לעיתים רלוונטיות מבחינה טכנית, הן לא תמיד התאימו למבנה הייחודי או לצרכים הספציפיים של הפרויקט. כתוצאה מכך, המפתחים נאלצו לבזבז זמן על התאמות ושינויים, מה שהוסיף חיכוך במקום לחסוך זמן.
ממצאים אלו עומדים בניגוד למחקרים קודמים שהצביעו על שיפור משמעותי בפרודוקטיביות באמצעות כלים כאלה – אך אותם מחקרים התבססו לרוב על תרחישים מלאכותיים או מפתחים מתחילים, ולא על מפתחים מנוסים בסביבות עבודה אמיתיות.
באופן מעניין, אף על פי שהשימוש בכלי האט את העבודה, רוב המשתתפים המשיכו להשתמש בו גם לאחר סיום המחקר. החוקרים מעריכים כי הסיבה לכך היא פסיכולוגית ולא בהכרח ביצועית: כלי AI יכולים להקל על תחילת עבודה או על תכנון מבני – ובכך להפחית עומס קוגניטיבי, גם אם הם לא חוסכים זמן בפועל.
הממצאים מדגישים תובנה הולכת ומעמיקה בקהילת המפתחים: כלי בינה מלאכותית יכולים להיות מועילים – אך יעילותם תלויה בהקשר הספציפי. עבור מפתחים מנוסים הפועלים בסביבות מוכרות, היתרון העיקרי אולי אינו המהירות, אלא שיפור בזרימת העבודה וצמצום המאמץ המנטלי.
