Därför har kodningsagenter ännu inte gett den utlovade produktivitetsökningen

AI-agenter för kodning kan skapa kod på några minuter, men den hastigheten har flyttat arbete till senare delar av mjukvaruutvecklingen. Ingenjörer måste fortfarande förstå koden, hitta buggar och utreda incidenter. De uppgifterna kan bli svårare när kodbaserna blir mer komplexa.

Artikeln hävdar att dubblerad logik och lager av ändringar kan göra AI-genererad kod svår att följa. Enligt en undersökning som artikeln hänvisar till sade nio av tio ingenjörschefer att kodförståelse och felsökning tar längre tid i komplexa miljöer, exempelvis kodbaser i C/C++. Trots att det blivit enklare att generera kod sade 79 % att deras releasecykler inte gick snabbare.

Felsökningsagenter kan också sakna belägg för vad som hände när ett program kördes. Källkod, loggar och dokumentation beskriver det avsedda beteendet, men visar kanske inte vad som hände i ett live-system. Artikeln uppger att grundorsaken till ett problem hade diagnostiserats fel på grund av en AI-hallucination hos 93 % av ingenjörsorganisationerna. Den säger också att 37 % av teamen bara använder AI-agenter för förståelse och felsökning i enkla kodbaser.

Artikeln tar upp ett avbrott hos Storbritanniens (UK) nationella flygtrafikledning, som enligt texten orsakades av ett äldre programvarufel och ledde till 2 000 inställda flyg och störningar i flera dagar. Undo:s medgrundare och CTO Greg Law menar att agenter behöver bättre belägg för hur programvara faktiskt beter sig för att kunna spåra problem till grundorsaken. Artikeln presenterar dessa siffror och rekommendationer; den medföljande texten innehåller inga uppgifter om undersökningarnas underlag.