دراسة جديدة تكشف: أدوات الذكاء الاصطناعي للبرمجة قد لا تسريع العمل لدى المطورين ذوي الخبرة

كشفت دراسة جديدة نشرتها مجموعة البحث في الذكاء الاصطناعي غير الربحية METR يوم الخميس أن أدوات البرمجة المعتمدة على الذكاء الاصطناعي، مثل Cursor وGitHub Copilot، قد لا تسهم في زيادة إنتاجية المطورين ذوي الخبرة كما تم الترويج لها. هذه الأدوات، التي تعتمد على نماذج ذكاء اصطناعي من شركات مثل OpenAI وGoogle DeepMind وAnthropic وxAI، تقدم نفسها كوسيلة لتبسيط العملية البرمجية عبر كتابة الأكواد بشكل تلقائي، تصحيح الأخطاء، واختبار التغييرات. في هذه الدراسة، أجرى الباحثون تجربة مراقبة عشوائية ضمت 16 مطورًا ذو خبرة يعملون في مشاريع مفتوحة المصدر، وأسندوا إليهم 246 مهمة حقيقية على مستودعات أكواد كبيرة يساهمون فيها بشكل منتظم. تم تقسيم المهام بشكل عشوائي إلى فئتين: الأولى تسمح باستخدام أدوات الذكاء الاصطناعي المتقدمة مثل Cursor Pro، بينما أُغلقت الأدوات الذكية في الثانية. توقع المطورون المشاركون في الدراسة أن استخدام أدوات الذكاء الاصطناعي سيخفض وقت إنجاز المهام بنسبة 24%. ومع ذلك، جاءت النتائج مخالفة لهذا التوقع حيث أظهرت أن السماح باستخدام الذكاء الاصطناعي أدى إلى زيادة وقت الإنجاز بنسبة 19%، مما يعني أن المطورين كانوا أبطأ عند استخدام هذه الأدوات. تجدر الإشارة إلى أن فقط 56% من المطورين في الدراسة كانوا لديهم خبرة سابقة في استخدام Cursor، الأداة الأساسية المستخدمة في التجربة. رغم أن معظم المطورين (94%) كانت لديهم خبرة في استخدام بعض نماذج اللغات المعتمدة على الويب في عملياتهم البرمجية، فإن هذه الدراسة كانت أول مرة يستخدم فيها بعضهم Cursor. وقد تم تقديم تدريب للمطورين على استخدام Cursor استعدادًا للدراسة. رغم هذه النتائج، أشار باحثو METR إلى أنهم لا يعتقدون أن الأنظمة الحالية للذكاء الاصطناعي تفشل في تسريع عمل العديد أو معظم المطورين. هناك دراسات أخرى على نطاق واسع أثبتت أن أدوات الذكاء الاصطناعي تسهم في تحسين سرعة العمل لدى المهندسين البرمجيين. كما أوضح الباحثون أن تقدم الذكاء الاصطناعي كان كبيرًا في السنوات الأخيرة، وأنهم لا يتوقعون الحصول على نفس النتائج حتى بعد ثلاثة أشهر فقط من الآن. ومع ذلك، تشير هذه الدراسة إلى ضرورة التحفظ في القبول بمزاعم زيادة الإنتاجية التي يتم الترويج لها بشأن أدوات البرمجة المعتمدة على الذكاء الاصطناعي. دراسات أخرى أظهرت أن هذه الأدوات قد تدخل أخطاء وتعرض النظام للثغرات الأمنية. الباحثون يرون أن أحد الأسباب المحتملة لتراجع الإنتاجية هو أن المطورين يقضون وقتًا أكبر في تقديم التوجيهات للذكاء الاصطناعي وفي انتظار استجاباته بدلاً من التركيز على البرمجة نفسها. بالإضافة إلى ذلك، قد تواجه أدوات الذكاء الاصطناعي صعوبة في التعامل مع المستودعات الكبيرة والمعقدة للأكواد، وهي البيئة التي جرت فيها هذه الدراسة. هذه النتائج تدعو إلى مزيد من التدقيق والتحليل قبل اتخاذ قرارات استثمارية أو تشغيلية بناءً على الوعود المرتفعة لأدوات البرمجة المعتمدة على الذكاء الاصطناعي.