Проверка реальности генерации кода с помощью ИИ от Flux: скорость разработки кода опережает видимость

Flux представила новый отчет о проверке реальности генерации кода с помощью ИИ, основанный на независимых исследованиях, проведенных Dimensional Research. Отчет показывает, что код, сгенерированный с помощью ИИ, перешел от экспериментирования к массовому использованию в разработке программного обеспечения. Опрос 309 лидеров и практиков в области инженерии на пяти континентах показал, что 44,7% организаций уже используют код, сгенерированный с помощью ИИ, в производстве, а еще 35,0% используют ИИ для написания кода, но еще не запустили его в производство.

Код, сгенерированный с помощью ИИ, стал стандартом, но доверие еще не наравне

Отчет подчеркивает, что дискуссия больше не заключается в том, будут ли команды инженеров использовать ИИ для написания кода. Этот сдвиг уже произошел. Более важный вопрос заключается в том, могут ли организации понять, просмотреть, обеспечить безопасность и управлять растущим объемом кода, который ИИ помогает производить.

Только небольшая часть респондентов все еще находится на стороне. Хотя 44,7% имеют код, сгенерированный с помощью ИИ, в производстве и 35,0% используют его вне производства, еще 16,2% планируют использовать код, сгенерированный с помощью ИИ, в течение следующих 12 месяцев, и 4,2% планируют сделать это позже. В практическом смысле отчет предполагает, что gầnунiversalное внедрение приближается, но уверенность в развертывании остается неравномерной.

Эта колебание не связано с отсутствием производительности. Оно связано с видимостью. Flux формулирует проблему как “пробел видимости ИИ”: команды могут теперь генерировать код быстрее, чем они могут уверенно просмотреть, контекстуализировать и контролировать его.

ИИ сначала доверяют низкорисковую, повторяющуюся работу

Самое сильное внедрение происходит в областях, где закономерности предсказуемы, а сбои легче сдерживать. Согласно отчету, команды инженеров используют код, сгенерированный с помощью ИИ, чаще всего для документации (68,7%), тестирования единиц (65,9%) и простых функций (57,7%). Просмотр кода также появляется на 57,7%, в то время как 50,4% респондентов говорят, что ИИ используется для создания новых функций.

Эта распределение откровенно. Организации не слепо передают основную архитектуру или критически важные рабочие процессы. Они начинают с повторяющихся, структурированных задач, где ИИ может уменьшить скучную работу и повысить скорость без немедленного введения крупномасштабных бизнес-рисков.

Прирост производительности реален. Среди текущих пользователей кода, сгенерированного с помощью ИИ, 67,1% сообщают об увеличении производительности, 61,8% сообщают о более быстром прототипировании, 58,5% сообщают о лучшей документации, и 48,4% сообщают о снижении затрат на разработку. Но отчет также показывает разрыв между ожиданием и реальностью в отношении качества. Хотя 47,6% непользователей ожидают, что код, сгенерированный с помощью ИИ, уменьшит ошибки, только 34,6% текущих пользователей говорят, что они действительно видят меньше ошибок.

Бутылочное горлышко переместилось от написания кода к просмотру кода

ИИ сделал создание кода проще, но это оказало давление на просмотр, тестирование и управление рисками. Почти 80% респондентов тратят не менее 10% своего времени на просмотр кода, и около одного из десяти тратят 41% или более своего времени на просмотр кода.

Это имеет значение, потому что код, сгенерированный с помощью ИИ, меняет ритм разработки программного обеспечения. Больше кода может быть произведено, запросы на слияние могут расти в объеме, и рецензенты могут иметь меньше контекста о том, как или почему что-то было создано. Отчет показывает, что самые большие проблемы в понимании изменений кодовой базы включают сложный код (53,7%), разные команды разработки, использующие разные подходы (46,3%), плохую документацию (43,0%) и большие объемы изменений (37,9%).

Это то место, где риск становится более чем теоретическим. Когда их спрашивают, какие еженедельные изменения наиболее трудно обнаружить, респонденты указывают на проблемы безопасности в 49,2%, изменения зависимостей в 47,7% и влияние на производительность в 44,1%. Это не незначительные проблемы; это именно те типы изменений, которые могут создать инциденты в производстве, экспозицию соответствия или долгосрочный технический долг.

Код, сгенерированный с помощью ИИ, не явно лучше или хуже, но он другой

Одно из более интересных открытий заключается в том, что респонденты разделены на то, создает ли код, сгенерированный с помощью ИИ, больше проблем, чем код, написанный человеком. 32,9% говорят, что код, сгенерированный с помощью ИИ, создает несколько или существенно больше проблем, в то время как 33,4% говорят, что он создает несколько или существенно меньше проблем, и 29,7% говорят, что он создает примерно одинаковое количество проблем.

Этот раздел предполагает, что влияние кода, сгенерированного с помощью ИИ, зависит сильно от окружающей среды. Код ИИ может работать хорошо, когда он сочетается с сильными практиками просмотра, тестирования, инструментами безопасности и управлением. Он может создать больше проблем, когда организации принимают его для скорости без обновления систем, используемых для оценки вывода.

Отрицательные последствия, сообщенные организациями, показывают, где появляется трение. 41,1% указывают на снижение возможностей обучения для младших разработчиков, 32,6% говорят, что код, сгенерированный с помощью ИИ, не обеспечивает запрошенную функциональность, 31,6% сообщают о непредвиденных зависимостях, 31,6% сообщают о уязвимостях безопасности, и 29,5% говорят, что код, сгенерированный с помощью ИИ, может быть трудно отладить.

Риск кода ИИ переместился за пределы инженерии

Отчет также показывает, что код, сгенерированный с помощью ИИ, больше не является только проблемой управления инженерией. Он стал темой риска предприятия.

Команды безопасности являются наиболее обеспокоенной группой заинтересованных сторон, указанной 62,5% респондентов. Следует соответствие на 51,5%, в то время как 46,9% указывают на лидерство CTO или CIO, и 40,8% указывают на юридические команды. Забота также распространяется на операции, управление качеством, управление продуктом, CEO, успех клиентов и даже маркетинг.

Это расширение карты заинтересованных сторон отражает более крупный сдвиг. Как только код, сгенерированный с помощью ИИ, достигает производства, его последствия могут повлиять на защиту данных, опыт клиентов, безопасность, аудит и договорные обязательства. Код может быть написан внутри организации инженерии, но риск распределен по всему бизнесу.

Меры безопасности становятся основной производственной инфраструктурой

Предприятия уже реагируют на это, тратя на новые меры безопасности. Отчет показал, что 45,6% инвестировали в инструменты анализа качества кода, 39,0% используют автоматические инструменты просмотра кода, 38,5% добавили статическое тестирование безопасности приложений, 35,9% приняли анализ состава программного обеспечения, 32,3% используют интерактивное тестирование безопасности приложений, и 31,3% реализовали обучающие курсы для конкретных помощников кодирования.

Изменения процессов также широко распространены. 57,4% ввели политику, определяющую использование кода, сгенерированного с помощью ИИ, 49,2% требуют обучения по использованию кода, сгенерированного с помощью ИИ, 45,1% сделали просмотр кода более прочным, и 40,5% назначили больше разработчиков для сосредоточения на просмотре кода.

Эти инвестиции не происходят в вакууме. Только 3,6% респондентов говорят, что проблемы, введенные ИИ, никогда не достигают производства. Напротив, 4,6% говорят, что они достигают производства часто, 30,3% говорят иногда, 31,8% говорят偶asionally, и 23,6% говорят редко. Другими словами, для большинства организаций, использующих код, сгенерированный с помощью ИИ, влияние на производство уже является повторяющейся реальностью.

Следующая фаза кодирования ИИ будет о контроле

Отчет также захватывает парадокс: многие лидеры инженерии считают, что ИИ может помочь решить проблему просмотра, которую сам ИИ увеличивает. 64,9% респондентов считают, что ИИ может превосходить человека в некоторых аспектах просмотра кода, в то время как 21,1% не согласны и 14,0% не имеют мнения.

Респонденты видят ИИ как потенциально более сильный в применении унифицированных стандартов и предоставлении более тщательного анализа, оба на 57,4%. Они также указывают на выявление закономерностей в кодовых базах на 53,3%, более быструю обратную связь на 51,8%, обнаружение более проблем на 49,7% и круглосуточную доступность на 48,2%.

Это указывает на следующий этап внедрения ИИ в разработке программного обеспечения. ИИ не просто напишет больше кода. Он будет все больше использоваться для просмотра, классификации, определения приоритетов и управления изменениями кода. Победители могут не быть командами, которые генерируют больше кода, а командами, которые строят наиболее ясную картину того, что изменилось, где накапливается риск и какие человеческие решения все еще имеют значение.

Проверка реальности генерации кода ИИ показывает реальный вызов предприятия

Отчет Flux в конечном итоге указывает на более зрелую фазу внедрения ИИ в инженерии. Сам код больше не является сложной частью. Более сложной проблемой является видимость, способность просмотра, управление и доверие.

Код, сгенерированный с помощью ИИ, теперь находится в производстве почти у половины опрошенных организаций, но системы, окружающие его, все еще отстают. Для лидеров инженерии последствия ясны: кодирование ИИ может ускорить разработку, но только если организации также могут масштабировать меры безопасности, контекст и подотчетность, необходимые для поддержания надежности систем производства. Как Проверка реальности генерации кода ИИ делает ясным, будущее разработки программного обеспечения с помощью ИИ будет определяться не тем, сколько кода ИИ может произвести, а тем, насколько уверенно компании могут понять и отправить его.