Flux’s AI Code Generation Reality Check พบว่าความเร็วในการเขียนโค้ดขององค์กรกำลังล้ำหน้าความสามารถในการมองเห็น

Flux’s รายงาน AI Code Generation Reality Check ซึ่งทำการวิจัยโดย Dimensional Research พบว่าโค้ดที่สร้างโดย AI ได้เข้าสู่กระบวนการพัฒนาซอฟต์แวร์ขององค์กรแล้ว โดยการสำรวจผู้นำและผู้ปฏิบัติงานด้านวิศวกรรมทั้งหมด 309 คนจากทั่วโลก พบว่า 44.7% ขององค์กรมีโค้ดที่สร้างโดย AI อยู่ในระบบการผลิตแล้ว ในขณะที่ 35.0% ใช้ AI ในการเขียนโค้ด แต่ยังไม่ได้ใช้งาน

โค้ดที่สร้างโดย AI ได้กลายเป็นมาตรฐาน แต่ความเชื่อมั่นยังไม่ตามมา

รายงานชี้ให้เห็นว่าความกังวลไม่ได้อยู่ที่ว่าengineering teams จะใช้ AI ในการเขียนโค้ดหรือไม่ แต่อยู่ที่ว่าองค์กรสามารถเข้าใจ ตรวจสอบ รักษาความปลอดภัย และควบคุมโค้ดที่ AI สร้างได้หรือไม่

เพียงแค่ส่วนน้อยของผู้ตอบแบบสอบถามที่ยังไม่ได้เริ่มใช้ AI ในการเขียนโค้ด ในขณะที่ 44.7% มีโค้ดที่สร้างโดย AI อยู่ในระบบการผลิตแล้ว และ 35.0% ใช้ AI ในการเขียนโค้ด แต่ยังไม่ได้ใช้งาน อีก 16.2% มีแผนจะใช้โค้ดที่สร้างโดย AI ในอีก 12 เดือนข้างหน้า และ 4.2% มีแผนจะใช้ในอนาคต

AI ได้รับความไว้วางใจในการทำงานที่มีความเสี่ยงต่ำและซ้ำซ้อน

การนำ AI ไปใช้มากที่สุดคือในงานที่มีลักษณะซ้ำซ้อนและสามารถควบคุมความเสี่ยงได้ ตามรายงานพบว่า engineering teams ใช้ AI ในการสร้างโค้ดสำหรับการสร้างเอกสารที่ 68.7% การทดสอบหน่วยที่ 65.9% และฟังก์ชันง่ายๆ ที่ 57.7% การทดสอบโค้ด cũngอยู่ที่ 57.7% ในขณะที่ 50.4% ของผู้ตอบแบบสอบถามระบุว่า AI ถูกใช้ในการสร้างฟังก์ชันใหม่ๆ

การกระจายงานที่ AI ถูกใช้แสดงให้เห็นว่าองค์กรไม่ได้มอบหมายงานที่มีความเสี่ยงสูงให้ AI แต่ให้ AI ทำงานที่ซ้ำซ้อนและสามารถควบคุมความเสี่ยงได้

การเขียนโค้ดได้รับการปรับปรุง แต่การตรวจสอบโค้ดกลายเป็นจุดอ่อน

AI ได้ทำให้การเขียนโค้ดง่ายขึ้น แต่ทำให้การตรวจสอบโค้ดกลายเป็นจุดอ่อน โดย 80% ของผู้ตอบแบบสอบถามใช้เวลาอย่างน้อย 10% ในการตรวจสอบโค้ด และ 1 ใน 10 ใช้เวลา 41% หรือมากกว่านั้นในการตรวจสอบโค้ด

สิ่งนี้มีความสำคัญเพราะโค้ดที่สร้างโดย AI ทำให้การตรวจสอบโค้ดมีความซับซ้อนมากขึ้น และผู้ตรวจสอบอาจไม่มีข้อมูลเพียงพอเกี่ยวกับวิธีการสร้างโค้ด

โค้ดที่สร้างโดย AI ไม่ได้ดีกว่าหรือแย่กว่าโค้ดที่เขียนโดยมนุษย์ แต่มีความแตกต่าง

ผลการสำรวจพบว่าผู้ตอบแบบสอบถามมีความคิดเห็นที่แตกต่างกันว่าโค้ดที่สร้างโดย AI จะมีปัญหามากกว่าหรือน้อยกว่าโค้ดที่เขียนโดยมนุษย์ โดย 32.9% ระบุว่าโค้ดที่สร้างโดย AI มีปัญหามากกว่า ในขณะที่ 33.4% ระบุว่าโค้ดที่สร้างโดย AI มีปัญχαν้อยกว่า และ 29.7% ระบุว่าโค้ดที่สร้างโดย AI มีปัญหาเท่ากัน

สิ่งนี้แสดงให้เห็นว่าผลกระทบของโค้ดที่สร้างโดย AI ขึ้นอยู่กับสภาพแวดล้อมที่ใช้งาน

ความเสี่ยงของโค้ดที่สร้างโดย AI ได้ขยายออกไปนอกเหนือจากด้านวิศวกรรม

รายงานพบว่าความเสี่ยงของโค้ดที่สร้างโดย AI ไม่ได้จำกัดอยู่แค่ด้านวิศวกรรม แต่ขยายออกไปถึงด้านอื่นๆ ขององค์กร

ทีมงานด้านความปลอดภัยเป็นผู้ที่กังวลมากที่สุด โดย 62.5% ของผู้ตอบแบบสอบถามระบุว่าทีมงานด้านความปลอดภัยเป็นผู้ที่กังวลมากที่สุด

การป้องกันความเสี่ยงกำลังกลายเป็นส่วนหนึ่งของโครงสร้างพื้นฐานการผลิต

องค์กรต่างๆ ได้เริ่มลงทุนในการป้องกันความเสี่ยง โดย 45.6% ของผู้ตอบแบบสอบถามระบุว่าได้ลงทุนในการวิเคราะห์คุณภาพโค้ด และ 39.0% ระบุว่าได้ลงทุนในการตรวจสอบโค้ดอัตโนมัติ

การเปลี่ยนแปลงกระบวนการทำงาน cũngได้เริ่มเกิดขึ้น โดย 57.4% ของผู้ตอบแบบสอบถามระบุว่าได้แนะนำนโยบายการใช้โค้ดที่สร้างโดย AI และ 49.2% ระบุว่าได้ให้การฝึกอบรมเกี่ยวกับการใช้โค้ดที่สร้างโดย AI

ระยะต่อไปของการเขียนโค้ดโดย AI จะเป็นเรื่องของการควบคุม

รายงานพบว่าผู้นำด้านวิศวกรรมมีความคิดเห็นที่แตกต่างกันว่า AI จะช่วยให้การตรวจสอบโค้ดมีประสิทธิภาพมากขึ้นหรือไม่

ผู้ตอบแบบสอบถามระบุว่า AI จะช่วยให้การตรวจสอบโค้ดมีประสิทธิภาพมากขึ้น โดย 64.9% ระบุว่า AI จะช่วยให้การตรวจสอบโค้ดมีประสิทธิภาพมากขึ้น

การตรวจสอบความเป็นจริงของการเขียนโค้ดโดย AI แสดงให้เห็นถึงความท้าทายที่แท้จริงขององค์กร

รายงานของ Flux ชี้ให้เห็นว่าความท้าทายที่แท้จริงขององค์กรไม่ได้อยู่ที่การเขียนโค้ด แต่อยู่ที่การควบคุมและตรวจสอบโค้ด

การเขียนโค้ดโดย AI กำลังจะกลายเป็นส่วนหนึ่งของกระบวนการทำงานขององค์กร แต่สิ่งที่สำคัญที่สุดคือการควบคุมและตรวจสอบโค้ดให้ได้อย่างมีประสิทธิภาพ