از زبون آمار: آیا AI کدهای خوبی می‌نویسه یا نه؟

وقتی تولید کد تقریباً مجانی و خیلی سریع انجام می‌شه، چه کسی کماکان مسئول معماری، کیفیت و نگه‌داشت‌پذیری سیستمه؟

گزارش GitClear با بررسی بیش از ۶۲۳ میلیون تغییر کد نشون می‌ده هم‌زمان با رشد شدید استفاده از AI، الگوی تغییرات کد هم عوض شده: Refactoring نسبت به ۲۰۲۳ حدود ۷۰٪ کاهش پیدا کرده، در حالی که Copy/Paste حدود ۴۱٪ و Code Duplication حدود ۸۱٪ بیشتر شده!

نکته‌ی جالب‌ترش اینه که نویسنده‌های مطلب نمی‌گن «AI کد بد می‌نویسه». مسئله اینه که Agent معمولاً همون چیزی رو که ازش خواستن تحویل می‌ده: یعنی Feature کار می‌کنه، Unit Test پاس می‌شه، Ticket بسته می‌شه. اما انسان موقع انجام همون درخواست، «ممکنه» اطراف مسئله رو هم ببینه، یک abstraction قدیمی رو اصلاح کنه، duplication رو حذف کنه یا بخشی از معماری رو تمیزتر کنه. این «کارهای جانبی» معمولاً داخل Prompt یا Acceptance Criteria نیستن و در نتیجه به‌سادگی حذف می‌شن.

شاید مهم‌ترین جمله‌ی گزارش همین باشه: ارزش یک Senior Developer خیلی وقت‌ها توی کدی نیست که اضافه می‌کنه، بلکه توی کدیه که لازم نیست اضافه بشه یا لازمه حتی حذف بشه.

داده‌های گزارش نشونه‌های نگران‌کننده‌ای دارن: ارتباط کدهای جدید با بخش‌های موجود سیستم ۳۵٪ کاهش یافته و نگهداری کدهای قدیمی بیش از ۷۰٪ افت کرده. یعنی ممکنه با AI سریع‌تر از همیشه Feature بسازیم، ولی اگر آگاهانه برای reuse، refactoring و معماری وقت نگذاریم، چیزی که تحویل می‌گیریم مجموعه‌ای از v1های مستقله که هر روز بزرگ‌تر می‌شن.

و شاید خلاصه‌ی کل گزارش همین باشه: بزرگ‌ترین ریسک AI این نیست که کدی تولید کنه که نتونیم نگه‌داریش کنیم؛ اینه که صورت‌حساب بدهی فنی‌ای که اصلاً اندازه‌گیریش نکردیم، دقیقاً توی بدترین زمان سر برسه 🧨😅

این به معنی نهی از AI نیست؛ بلکه امر به درست استفاده کردنشه 😅

❤️ فایل گزارش کامل رو اگر دوست داشتید بخونید...