ÉlőUtoljára: az iméntMa: 6
Modellek & LLMfrissítve: 02:16

Az AI írja a kódot, a mérnököknek mégis érteniük kell

A Sourcegraph 2026-os Big Code jelentése szerint a válaszadók 54 százaléka szerint az AI-generált munka több mint 60 százalékát emberi utómunkával kell javítani kiadás előtt.

Az AI írja a kódot, a mérnököknek mégis érteniük kell
Fotó: ThisisEngineering / Unsplash
forrás: Sourcegraph·AI Forradalom szerk.·
Megosztás

Az AI egyre több kódot ír, de a mérnököknek továbbra is át kell látniuk és érteniük, mit csinál. A Sourcegraph Big Code jelentése 1028 szoftverfejlesztésért felelős szakember válaszait elemezte arról, hogyan értik, vizsgálják és módosítják a csapatok a nagy kódbázisokat, miközben az AI egyre nagyobb részt vállal a munkából. A felmérést a Dimensional Research végezte, több mint 250 fejlesztőt foglalkoztató szervezeteknél.

A válaszadók 79 százaléka mérsékelt, jelentős vagy erős nyomást érez, hogy igazolja az AI-befektetések megtérülését. Az AI-t használó csapatok ugyanakkor a mindennapi munkában is szembesülnek a minőség kérdésével.

A kódértés viszi el a csapatidő nagy részét

Az agent gyorsan produkálhat egy módosítást, az átnézése viszont egy senior mérnöktől órákat kérhet. A válaszadók 65 százaléka szerint a meglévő kód vagy a javasolt változtatások olvasása, keresése és megértése a csapatidő több mint negyedét viszi el; 25 százalékuk szerint a felét meghaladja.

A felmérés szerint a válaszadók 41 százaléka szerint a mérnökök rendszeresen újra megírják a már meglévő funkciókat, mert nem találják meg őket. A szervezetek 51 százalékánál legalább 1000 tárolóhely van a kódbázisban.

Kritikus függőség-javítás a teljes kódbázist érintheti

Ha egy függőségben kritikus sebezhetőség van, a válaszadók 54 százaléka szerint az összes érintett példány megtalálása és javítása napokat vesz igénybe, vagy egyáltalán nem sikerülne. A Sourcegraph szerint az AI-agentek csak akkor segítenek, ha a teljes kódbázisban látnak, ezért a válaszadók 10 százaléka mondta csak, hogy az agentjei közös képet látnak a kódról, a függőségekről és az előzményekről.

Kontextus nélkül az agentek nem dolgoznak jól

Az AI-t használó szervezetek 33 százaléka szerint a fejlesztőknek hosszasan kell magyarázniuk az architektúrát, a függőségeket vagy a konvenciókat, mielőtt egy eszköz vagy agent hatékonyan dolgozhatna egy új feladaton. A Sourcegraph szerint MCP-szerverük segítségével a kompatibilis agentek, például a Claude Code, a Codex és a Cursor, feladat közben kereshetik meg a szervezet indexelt kódját.

A jelentés szerint az 54 százalék a kiadás előtti emberi utómunkát jelzi, vagyis az AI-generált munka több mint 60 százalékát még átnézik és javítják.

Forrás

Feldolgozott sajtóforrás·Sourcegraph

Eredeti cikk megnyitása →

Ez a cikk a fenti sajtóforrás alapján készült AI-összefoglalóval.

tetszett a cikk? oszd meg →
Megosztás

Tetszik az oldal? Támogasd a fejlesztést

Az AI Forradalom egy automatizált pipeline: napi adatgyűjtés, LLM-feldolgozás és infrastruktúra fenntartása valódi költségekkel jár. Ha értékesnek találod a tömör, naprakész AI-összefoglalókat, egy kávé sokat segít.

☕ Támogatom