La realtà della generazione di codice AI di Flux rivela che la velocità del codice aziendale sta superando la visibilità

Flux’s nuovo rapporto sulla realtà della generazione di codice AI, basato su ricerche indipendenti condotte da Dimensional Research, mostra che il codice generato da AI è diventato una realtà nella sviluppo software aziendale. Il sondaggio di 309 leader e praticanti di ingegneria in cinque continenti ha rilevato che il 44,7% delle organizzazioni ha già codice generato da AI in produzione, mentre un altro 35,0% sta utilizzando AI per scrivere codice ma non lo ha ancora distribuito.

Il codice generato da AI è diventato standard, ma la fiducia non ha ancora raggiunto

Il rapporto chiarisce che il dibattito non è più se i team di ingegneria utilizzeranno AI per scrivere codice. Quel cambiamento è già avvenuto. La domanda più importante è se le organizzazioni possono comprendere, revisionare, proteggere e gestire il volume crescente di codice che AI sta aiutando a produrre.

Solo una piccola parte dei rispondenti è ancora ai margini. Mentre il 44,7% ha codice generato da AI in produzione e il 35,0% lo sta utilizzando al di fuori della produzione, un altro 16,2% prevede di utilizzare codice generato da AI entro i prossimi 12 mesi, e il 4,2% prevede di farlo in seguito. In termini pratici, il rapporto suggerisce che l’adozione quasi universale si sta avvicinando, ma la fiducia nella distribuzione rimane irregolare.

Quell’esitazione non è radicata nella mancanza di produttività. È radicata nella visibilità. Flux definisce il problema come un “divario di visibilità AI”: i team possono ora generare codice più velocemente di quanto possano ispezionarlo con fiducia, contestualizzarlo e controllarlo.

AI viene utilizzato per primo per lavori a basso rischio e ripetitivi

L’adozione più forte sta avvenendo in aree in cui i modelli sono prevedibili e i fallimenti sono più facili da contenere. Secondo il rapporto, i team di ingegneria stanno utilizzando il codice generato da AI più spesso per la documentazione al 68,7%, per i test di unità al 65,9% e per le funzioni semplici al 57,7%. La revisione del codice appare anche al 57,7%, mentre il 50,4% dei rispondenti afferma che AI viene utilizzato per creare nuove funzionalità.

Quella distribuzione è rivelatrice. Le organizzazioni non stanno affidando ciecamente l’architettura principale o i flussi di lavoro critici per la missione. Stanno iniziando con attività ripetitive e strutturate in cui AI può ridurre il lavoro noioso e migliorare la velocità senza introdurre immediatamente grandi rischi aziendali.

I guadagni di produttività sono reali. Tra gli utenti attuali di codice generato da AI, il 67,1% riporta un aumento della produttività, il 61,8% riporta una prototipazione più rapida, il 58,5% riporta una migliore documentazione e il 48,4% riporta una riduzione dei costi di sviluppo. Tuttavia, il rapporto mostra anche un divario tra aspettative e realtà sulla qualità. Mentre il 47,6% degli utenti non riporta una riduzione degli errori, solo il 34,6% degli utenti attuali afferma di vedere effettivamente meno errori.

Il collo di bottiglia si è spostato dalla scrittura del codice alla revisione del codice

AI ha reso più facile la creazione del codice, ma ciò ha spinto più pressione sulla revisione, il testing e la gestione del rischio. Quasi l’80% dei rispondenti trascorre almeno il 10% del loro tempo nella revisione del codice e circa uno su dieci trascorre il 41% o più del loro tempo nella revisione del codice.

Questo è importante perché il codice generato da AI cambia il ritmo dello sviluppo software. Più codice può essere prodotto, le richieste di pull possono aumentare di volume e i revisori possono avere meno contesto su come o perché qualcosa è stato creato. Il rapporto trova che le sfide più grandi nel comprendere le modifiche al codice includono codice complesso al 53,7%, team di sviluppo diversi che utilizzano approcci diversi al 46,3%, documentazione scarsa al 43,0% e grandi volumi di modifiche al 37,9%.

Questo è dove il rischio diventa più che teorico. Quando viene chiesto quali modifiche settimanali sono più difficili da rilevare, i rispondenti indicano problemi di sicurezza al 49,2%, modifiche alle dipendenze al 47,7% e impatti sulle prestazioni al 44,1%. Queste non sono preoccupazioni minori; sono precisamente i tipi di modifiche che possono creare incidenti di produzione, esposizione alla conformità o debito tecnico a lungo termine.

Il codice generato da AI non è chiaramente migliore o peggiore, ma è diverso

Una delle scoperte più interessanti è che i rispondenti sono divisi sul fatto che il codice generato da AI crei più problemi del codice scritto da esseri umani. Il 32,9% afferma che il codice generato da AI crea più problemi, mentre il 33,4% afferma che ne crea meno, e il 29,7% afferma che ne crea più o meno lo stesso numero di problemi.

Quella divisione suggerisce che l’impatto del codice generato da AI dipende fortemente dall’ambiente che lo circonda. Il codice AI può funzionare bene quando abbinato a pratiche di revisione solide, copertura dei test, strumenti di sicurezza e governance. Può creare più problemi quando le organizzazioni lo adottano per la velocità senza aggiornare i sistemi utilizzati per valutare l’output.

Gli impatti negativi segnalati dalle organizzazioni mostrano dove si verifica l’attrito. Il 41,1% cita opportunità di apprendimento ridotte per gli sviluppatori junior, il 32,6% afferma che il codice generato da AI non fornisce la funzionalità richiesta, il 31,6% segnala dipendenze non intenzionali, il 31,6% segnala vulnerabilità di sicurezza e il 29,5% afferma che il codice generato da AI può essere difficile da debuggere.

Il rischio del codice AI è andato oltre l’ingegneria

Il rapporto mostra anche che il codice generato da AI non è più solo una questione di gestione dell’ingegneria. È diventato un argomento di rischio aziendale.

I team di sicurezza sono il gruppo di stakeholder più preoccupato, citato dal 62,5% dei rispondenti. La conformità segue al 51,5%, mentre il 46,9% cita la leadership CTO o CIO e il 40,8% indica i team legali. La preoccupazione si estende anche alle operazioni, alla gestione della qualità, alla gestione dei prodotti, ai CEO, al successo dei clienti e persino al marketing.

Quella mappa di stakeholder più ampia riflette un cambiamento più ampio. Una volta che il codice generato da AI raggiunge la produzione, le sue conseguenze possono influenzare la protezione dei dati, l’esperienza del cliente, la postura di sicurezza, la conformità e gli obblighi contrattuali. Il codice può essere scritto all’interno dell’organizzazione di ingegneria, ma il rischio è distribuito in tutta l’azienda.

Le salvaguardie stanno diventando infrastrutture di produzione core

Le aziende stanno già rispondendo investendo in nuove salvaguardie. Il rapporto ha trovato che il 45,6% ha investito in strumenti di analisi della qualità del codice, il 39,0% sta utilizzando strumenti di revisione del codice automatizzati, il 38,5% ha aggiunto test di sicurezza dell’applicazione statici, il 35,9% ha adottato analisi della composizione del software, il 32,3% sta utilizzando test di sicurezza dell’applicazione interattivi e il 31,3% ha implementato classi di formazione per assistenti di codifica specifici.

I cambiamenti di processo sono anche diffusi. Il 57,4% ha introdotto politiche che delineano l’uso del codice generato da AI, il 49,2% richiede una formazione sull’uso del codice generato da AI, il 45,1% ha reso più robuste le revisioni del codice e il 40,5% ha assegnato più sviluppatori per concentrarsi sulla revisione del codice.

Gli investimenti non stanno avvenendo nel vuoto. Solo il 3,6% dei rispondenti afferma che i problemi introdotti da AI non raggiungono mai la produzione. Al contrario, il 4,6% afferma che raggiungono la produzione spesso, il 30,3% afferma che lo fanno a volte, il 31,8% afferma che lo fanno occasionalmente e il 23,6% afferma che lo fanno raramente. In altre parole, per la maggior parte delle organizzazioni che utilizzano codice generato da AI, l’impatto sulla produzione è già una realtà ricorrente.

La prossima fase della codifica AI sarà sulla gestione

Il rapporto cattura anche una paradossalità: molti leader di ingegneria credono che AI possa aiutare a risolvere il carico di lavoro di revisione che AI stesso sta aumentando. Il 64,9% dei rispondenti crede che AI possa superare gli esseri umani in almeno alcuni aspetti della revisione del codice, mentre il 21,1% non è d’accordo e il 14,0% non ha un’opinione.

I rispondenti vedono AI come potenzialmente più forte nell’applicazione di standard uniformi e nella fornitura di un’analisi più approfondita, entrambi al 57,4%. Indicano anche l’identificazione di modelli in tutto il codice al 53,3%, un feedback più rapido al 51,8%, la rilevazione di più problemi al 49,7% e la disponibilità 24/7 al 48,2%.

Ciò punta alla prossima fase dell’adozione di AI aziendale nello sviluppo software. AI non scriverà semplicemente più codice. Sarà sempre più utilizzato per ispezionare, classificare, prioritizzare e gestire le modifiche al codice. I vincitori potrebbero non essere i team che generano più codice, ma i team che costruiscono l’immagine più chiara di cosa è cambiato, dove si accumula il rischio e quali decisioni umane contano ancora.

La realtà della generazione di codice AI mostra la vera sfida aziendale

Il rapporto di Flux punta infine a una fase più matura dell’adozione di AI nell’ingegneria. Il codice stesso non è più il problema difficile. Il problema più difficile è la visibilità, la capacità di revisione, la governance e la fiducia.

Il codice generato da AI è ora in produzione in quasi la metà delle organizzazioni sondaggiate, ma i sistemi di supporto intorno ad esso stanno ancora recuperando. Per i leader di ingegneria, l’implicazione è chiara: la codifica AI può accelerare lo sviluppo, ma solo se le organizzazioni possono anche scalare le salvaguardie, il contesto e la responsabilità necessari per mantenere i sistemi di produzione affidabili. Come la realtà della generazione di codice AI rende chiaro, il futuro dello sviluppo software assistito da AI sarà definito meno da quanto codice AI possa produrre e più da quanto le aziende possano comprendere e distribuire con fiducia.