A mesterséges intelligenciával támogatott szoftverfejlesztés egyik legvonzóbb ígérete, hogy ugyanannyi idő alatt lényegesen több kód készülhet el. Az AI kódoló asszisztensei és az egyre önállóbban dolgozó fejlesztő „agent”-ek valóban sokat segíthetnek ennek megvalósításában. De vajon a gyorsabb kódírás valóban együtt jár a gyorsabb szoftverfejlesztéssel?
Kezdjük ott, hogy a kódolást segítő AI-eszközök nem egyformán működnek. Az asszisztensek jellemzően kódrészletek előállításában és a fejlesztő munkájának támogatásában segítenek, míg az AI agent-ek hosszabb, összetettebb feladatokat is képesek részben önállóan végrehajtani. A különbség mérésekben is megmutatkozik.
Fiona Chen és James Stratton, a Harvard Egyetem kutatói 718 vállalat fejlesztési tevékenységét vizsgálták egy analitikai platform több mint 300 millió eseményt tartalmazó adatbázisa alapján. Az adatok mintegy 700 ezer dolgozó 2021 januárja és 2026 márciusa közötti tevékenységét fedték le. A kutatás külön vizsgálta a kódolási asszisztensek és az AI agent-ek bevezetésének hatását. Az agent-ek bevezetését követően:
- 30%-kal nőtt a létrehozott kódsorok száma;
- 20%-kal nőtt a commitok száma;
- 23%-kal nőtt a pull requestek száma.
Ezek első látásra komoly teljesítménynövekedésnek tűnnek. A szerzők azonban nem a megírt kódot tekintették végső eredménynek. A fejlesztéshez kapcsolódó Jira-feladatok akkor minősültek késznek, amikor az ahhoz tartozó kódot éles környezetbe telepítették; az Epic lezárása pedig egy nagyobb funkció vagy fejlesztési egység befejezését jelezte. Ezekben a kutatás nem talált statisztikailag szignifikáns növekedést. A kép tehát jelentősen megváltozik, ha nemcsak a kód előállítását, hanem a teljes fejlesztési folyamatot vizsgáljuk.
Másképpen fogalmazva: több kód és több módosítás készült, de ez nem eredményezett kimutatható, arányos növekedést az elkészült fejlesztésekben. Ez nem azt bizonyítja, hogy semmilyen előnnyel nem járt az AI agent-ek közreműködése. Azt mutatja, hogy a vizsgált adatok alapján az AI agent-eknek köszönhető jelentős kódolási teljesítménynövekedés nem jelentett arányos, megbízhatóan kimutatható növekedést a szoftver teljes leszállítási folyamatában.
Mit jelent ez a gyakorlatban? Képzeljünk el egy fejlesztőcsapatot, amely az AI segítségével ugyanannyi idő alatt több változtatást tud megvalósítani, több kódot tud írni. Mi történik ezután? Ha ezek közül a módosítások közül esetleg több is javításra szorul, vagy a rendszerbe illesztésük több ellenőrzést és egyeztetést igényel, a gyorsabb kódírás végül nem feltétlenül jelent több befejezett fejlesztési feladatot.
A kód elkészülte ugyanis csak egy köztes állomás. A valódi eredmény az, amikor a módosítás megfelel az üzleti követelményeknek, stabilan működik, hiba nélkül végigmegy az ellenőrzéseken, és biztonságosan beilleszthető a meglévő rendszerbe és infrastruktúrába.
Ezért az AI hatását nem elég a generált kód vagy a commitok számán mérni. Azt is látni kell, hány feladat jut el ténylegesen a lezárásig, mennyi idő alatt, és milyen utómunkával.
A következő részben azt nézzük meg, mi történik a fejlesztési folyamatban, amikor a kód gyorsabban készül el, mint eddig, de az ellenőrzés és a javítás nem gyorsul fel vele együtt.
Forrás: Fiona Chen és James Stratton, Harvard University: Artificial Intelligence in the Firm: Bottlenecks in Software Production. A bejegyzés a 2026. augusztus 4-i változat alapján készült.
AI segítségével készült a szoftvered? Nézesd át szakértővel!