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 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.