Periksa Kenyataan Pembuatan Kode AI Flux Menunjukkan bahwa Kecepatan Kode Perusahaan Mengungguli Visibilitas

Flux’s laporan baru Periksa Kenyataan Pembuatan Kode AI, berdasarkan penelitian independen yang dilakukan oleh Dimensional Research, menunjukkan bahwa kode yang dihasilkan AI telah bergerak jauh melampaui eksperimen dan menjadi pengembangan perangkat lunak perusahaan yang utama. Survei terhadap 309 pemimpin dan praktisi teknik di lima benua menemukan bahwa 44,7% organisasi sudah memiliki kode yang dihasilkan AI yang berjalan di produksi, sedangkan 35,0% lainnya menggunakan AI untuk menulis kode tetapi belum mengirimkannya.

Kode yang Dihasilkan AI Telah Menjadi Standar, Tetapi Kepercayaan Belum Menyusul

Laporan tersebut membuat jelas bahwa debat tidak lagi tentang apakah tim teknik akan menggunakan AI untuk menulis kode. Perubahan itu sudah terjadi. Pertanyaan yang lebih penting adalah apakah organisasi dapat memahami, meninjau, mengamankan, dan mengatur volume kode yang semakin besar yang dihasilkan AI.

Hanya sebagian kecil responden yang masih berada di luar. Sementara 44,7% memiliki kode yang dihasilkan AI di produksi dan 35,0% menggunakan kode tersebut di luar produksi, 16,2% lainnya berencana menggunakan kode yang dihasilkan AI dalam waktu 12 bulan ke depan, dan 4,2% berencana melakukannya kemudian. Dalam istilah praktis, laporan tersebut menunjukkan bahwa adopsi yang hampir universal sedang mendekati, tetapi kepercayaan penerapan masih tidak merata.

Ketidakpastian itu tidak berakar pada kurangnya produktivitas. Ketidakpastian itu berakar pada visibilitas. Flux menggambarkan masalah tersebut sebagai “kesenjangan visibilitas AI”: tim dapat sekarang menghasilkan kode lebih cepat daripada mereka dapat dengan percaya diri memeriksa, memahami, dan mengendalikannya.

AI Dipercaya Pertama dengan Pekerjaan Berisiko Rendah dan Berulang

Adopsi terkuat terjadi di area di mana pola dapat diprediksi dan kegagalan lebih mudah dikendalikan. Menurut laporan, tim teknik menggunakan kode yang dihasilkan AI paling sering untuk dokumentasi sebesar 68,7%, pengujian unit sebesar 65,9%, dan fungsi sederhana sebesar 57,7%. Tinjauan kode juga muncul sebesar 57,7%, sementara 50,4% responden mengatakan AI digunakan untuk membuat fitur baru.

Distribusi tersebut menunjukkan. Organisasi tidak menyerahkan arsitektur inti atau alur kerja kritis kepada AI. Mereka memulai dengan tugas berulang dan terstruktur di mana AI dapat mengurangi pekerjaan yang membosankan dan meningkatkan kecepatan tanpa langsung memperkenalkan risiko bisnis besar.

Peningkatan produktivitas tersebut nyata. Di antara pengguna kode yang dihasilkan AI saat ini, 67,1% melaporkan peningkatan produktivitas, 61,8% melaporkan prototipe yang lebih cepat, 58,5% melaporkan dokumentasi yang lebih baik, dan 48,4% melaporkan biaya pengembangan yang berkurang. Namun, laporan tersebut juga menunjukkan kesenjangan antara harapan dan kenyataan tentang kualitas. Sementara 47,6% non-pengguna mengharapkan kode yang dihasilkan AI akan mengurangi kesalahan, hanya 34,6% pengguna saat ini mengatakan mereka benar-benar melihat kesalahan yang lebih sedikit.

Botol Leher Telah Bergeser dari Menulis Kode ke Meninjau Kode

AI telah membuat pembuatan kode lebih mudah, tetapi itu telah mendorong lebih banyak tekanan pada tinjauan, pengujian, dan manajemen risiko. Hampir 80% responden menghabiskan setidaknya 10% waktu mereka untuk tinjauan kode, dan sekitar satu dari sepuluh menghabiskan 41% atau lebih waktu mereka untuk meninjau kode.

Hal itu penting karena kode yang dihasilkan AI mengubah irama pengembangan perangkat lunak. Lebih banyak kode dapat dihasilkan, permintaan pull dapat tumbuh dalam volume, dan peninjau mungkin memiliki konteks yang lebih sedikit tentang bagaimana atau mengapa sesuatu dibuat. Laporan tersebut menemukan bahwa tantangan terbesar dalam memahami perubahan kodebase termasuk kode yang kompleks sebesar 53,7%, tim pengembangan yang berbeda menggunakan pendekatan yang berbeda sebesar 46,3%, dokumentasi yang buruk sebesar 43,0%, dan volume perubahan yang besar sebesar 37,9%.

Ini adalah di mana risiko menjadi lebih dari teoretis. Ketika ditanya tentang perubahan minggu-ke-minggu yang paling sulit dideteksi, responden menunjuk pada masalah keamanan sebesar 49,2%, perubahan ketergantungan sebesar 47,7%, dan dampak kinerja sebesar 44,1%. Ini bukanlah kekhawatiran kecil; ini adalah tepat jenis perubahan yang dapat menciptakan insiden produksi, paparan kepatuhan, atau utang teknis jangka panjang.

Kode yang Dihasilkan AI Tidak Jelas Lebih Baik atau Lebih Buruk, Tetapi Berbeda

Salah satu temuan yang lebih menarik adalah responden terbagi tentang apakah kode yang dihasilkan AI menciptakan lebih banyak masalah daripada kode yang ditulis manusia. 32,9% mengatakan kode yang dihasilkan AI menciptakan sedikit atau secara substansial lebih banyak masalah, sementara 33,4% mengatakan kode tersebut menciptakan sedikit atau secara substansial lebih sedikit masalah, dan 29,7% mengatakan kode tersebut menciptakan sekitar jumlah masalah yang sama.

Perbedaan tersebut menunjukkan bahwa dampak kode yang dihasilkan AI tergantung pada lingkungan di sekitarnya. Kode AI mungkin berfungsi dengan baik ketika dipasangkan dengan praktik tinjauan yang kuat, cakupan pengujian, alat keamanan, dan tata kelola. Kode tersebut mungkin menciptakan lebih banyak masalah ketika organisasi mengadopsinya untuk kecepatan tanpa meningkatkan sistem yang digunakan untuk mengevaluasi output.

Dampak negatif yang dilaporkan oleh organisasi menunjukkan di mana gesekan muncul. 41,1% menyebutkan pengurangan kesempatan belajar untuk pengembang junior, 32,6% mengatakan kode yang dihasilkan AI tidak memberikan fungsionalitas yang diminta, 31,6% melaporkan ketergantungan yang tidak disengaja, 31,6% melaporkan kerentanan keamanan, dan 29,5% mengatakan kode yang dihasilkan AI dapat sulit didebug.

Risiko Kode AI Telah Bergeser Melampaui Teknik

Laporan tersebut juga menunjukkan bahwa kode yang dihasilkan AI tidak lagi hanya menjadi masalah manajemen teknik. Kode tersebut telah menjadi topik risiko perusahaan.

Tim keamanan adalah kelompok pemangku kepentingan yang paling khawatir, disebutkan oleh 62,5% responden. Kepatuhan mengikuti pada 51,5%, sementara 46,9% menyebutkan kepemimpinan CTO atau CIO, dan 40,8% menunjuk pada tim hukum. Kekhawatiran tersebut juga meluas ke operasi, QA, manajemen produk, CEO, keberhasilan pelanggan, dan bahkan pemasaran.

Perluasan peta pemangku kepentingan tersebut mencerminkan pergeseran yang lebih besar. Setelah kode yang dihasilkan AI mencapai produksi, konsekuensinya dapat mempengaruhi perlindungan data, pengalaman pelanggan, postur keamanan, auditabilitas, dan kewajiban kontraktual. Kode tersebut mungkin ditulis di dalam organisasi teknik, tetapi risikonya didistribusikan di seluruh bisnis.

Pengamanan Menjadi Infrastruktur Produksi Inti

Perusahaan sudah merespons dengan menghabiskan uang untuk pengamanan baru. Laporan tersebut menemukan bahwa 45,6% telah berinvestasi dalam alat analisis kualitas kode, 39,0% menggunakan alat tinjauan kode otomatis, 38,5% telah menambahkan pengujian keamanan aplikasi statis, 35,9% telah mengadopsi analisis komposisi perangkat lunak, 32,3% menggunakan pengujian keamanan aplikasi interaktif, dan 31,3% telah menerapkan kelas pelatihan untuk asisten kode tertentu.

Perubahan proses juga luas. 57,4% telah memperkenalkan kebijakan yang menguraikan penggunaan kode yang dihasilkan AI, 49,2% memerlukan pelatihan tentang penggunaan kode yang dihasilkan AI, 45,1% telah membuat tinjauan kode lebih kuat, dan 40,5% telah menugaskan lebih banyak pengembang untuk fokus pada tinjauan kode.

Investasi tersebut tidak terjadi dalam vakum. Hanya 3,6% responden mengatakan masalah yang diperkenalkan AI tidak pernah mencapai produksi. Sebaliknya, 4,6% mengatakan masalah tersebut mencapai produksi sering, 30,3% mengatakan terkadang, 31,8% mengatakan terkadang, dan 23,6% mengatakan jarang. Dengan kata lain, bagi sebagian besar organisasi yang menggunakan kode yang dihasilkan AI, dampak produksi sudah menjadi kenyataan yang berulang.

Fase Berikutnya dari Pengkodean AI Akan Tentang Kendali

Laporan tersebut juga menangkap paradoks: banyak pemimpin teknik percaya AI mungkin membantu menyelesaikan beban tinjauan yang AI itu sendiri meningkatkan. 64,9% responden percaya AI dapat outperform manusia dalam beberapa aspek tinjauan kode, sementara 21,1% tidak setuju dan 14,0% tidak memiliki pendapat.

Responden melihat AI sebagai potensi lebih kuat dalam menerapkan standar seragam dan memberikan analisis yang lebih menyeluruh, keduanya sebesar 57,4%. Mereka juga menunjuk pada identifikasi pola di seluruh kodebase sebesar 53,3%, umpan balik yang lebih cepat sebesar 51,8%, mendeteksi lebih banyak masalah sebesar 49,7%, dan ketersediaan 24/7 sebesar 48,2%.

Hal itu menunjuk pada tahap berikutnya adopsi AI perusahaan dalam pengembangan perangkat lunak. AI tidak hanya akan menulis kode lebih banyak. AI akan semakin digunakan untuk memeriksa, mengklasifikasikan, memprioritaskan, dan mengatur perubahan kode. Pemenangnya mungkin tidak menjadi tim yang menghasilkan kode paling banyak, tetapi tim yang membangun gambaran yang paling jelas tentang apa yang berubah, di mana risiko terkumpul, dan keputusan manusia mana yang masih penting.

Periksa Kenyataan Pembuatan Kode AI Menunjukkan Tantangan Perusahaan yang Sebenarnya

Laporan Flux pada akhirnya menunjuk pada fase yang lebih matang dari adopsi AI dalam teknik. Kode itu sendiri tidak lagi menjadi bagian yang sulit. Masalah yang lebih sulit adalah visibilitas, kapasitas tinjauan, tata kelola, dan kepercayaan.

Kode yang dihasilkan AI sekarang berada di produksi di hampir setengah organisasi yang disurvei, tetapi sistem pendukung di sekitarnya masih mengejar. Bagi pemimpin teknik, implikasinya jelas: pengkodean AI dapat mempercepat pengembangan, tetapi hanya jika organisasi juga dapat mengembangkan pengamanan, konteks, dan akuntabilitas yang diperlukan untuk menjaga sistem produksi yang andal. Seperti yang jelas dari Periksa Kenyataan Pembuatan Kode AI, masa depan pengembangan perangkat lunak yang dibantu AI akan ditentukan lebih oleh seberapa percaya diri perusahaan dapat memahami dan mengirimkannya.