در این مقاله، نویسنده به بررسی این موضوع میپردازد که آیا استفاده از هوش مصنوعی در کدنویسی واقعاً منجر به افزایش بهرهوری میشود یا خیر. او با بیان اینکه احساس بهرهوری و بهرهوری واقعی دو چیز متفاوت هستند، بر اهمیت اندازهگیری و ارزیابی نتایج استفاده از هوش مصنوعی تاکید میکند. نویسنده تجربیات خود را در استفاده از هوش مصنوعی برای کدنویسی به اشتراک میگذارد و نشان میدهد که در حالی که احساس سرعت و پیشرفت داشته است، معیارهای اصلی مانند ویژگیهای ارسال شده در هفته و تعداد اشکالات در محیط عملیاتی، تغییر قابل توجهی نداشتهاند.
بر اساس یافتههای خود، نویسنده پیشنهاد میکند که برخی از معیارهای رایج مانند تعداد خطوط کد، تعداد درخواستها در روز و زمان صرف شده در ابزارهای هوش مصنوعی، میتوانند گمراهکننده باشند و احساس کاذب بهرهوری ایجاد کنند. در عوض، او بر اهمیت تمرکز بر نتایج و معیارهایی مانند زمان چرخه (مدت زمان انجام یک کار از ابتدا تا استقرار)، توان عملیاتی (تعداد ویژگیها یا مشکلات حل شده در هفته) و معیارهای کیفیت (تعداد اشکالات در کد تولید شده توسط هوش مصنوعی در مقایسه با کد نوشته شده دستی) تاکید میکند.
نویسنده همچنین به اهمیت ردیابی نحوه صرف زمان توسعهدهندگان اشاره میکند و پیشنهاد میکند که این کار را میتوان با استفاده از برچسبهای GitHub، ردیابی زمان یا یک صفحه گسترده ساده انجام داد. او همچنین سوالات مهمی را برای ارزیابی هفتگی عملکرد و تاثیر هوش مصنوعی بر فرآیند توسعه مطرح میکند، از جمله اینکه چه چیزی ارسال شده است، چه چیزی بیشتر از حد انتظار طول کشیده است، هوش مصنوعی چه نقشی داشته است و چه اشکالاتی معرفی شدهاند.
در نهایت، نویسنده به "تله سربار هوش مصنوعی" اشاره میکند و توضیح میدهد که استفاده از هوش مصنوعی میتواند سربار اضافی مانند زمان صرف شده برای نوشتن درخواستها، بررسی خروجی و رفع اشکالات ایجاد کند. او فرمولی را برای محاسبه سود واقعی هوش مصنوعی ارائه میدهد و پیشنهاد میکند که اگر سود نهایی منفی باشد، استفاده از هوش مصنوعی ممکن است در واقع سرعت توسعه را کاهش دهد. نویسنده در پایان به این نتیجه میرسد که هوش مصنوعی میتواند در کارهای تکراری مانند تولید boilerplate و بررسی کد مفید باشد.
مشاهده مطلب اصلی