2 года наблюдений, 22 тыс.инженеров и больше 4 тыс.команд
Интересно наблюдать, что то, о чем я говорю давно начинает постепенно проявляться в числах.
Люди ленивы: мы слишком легко перекидываем работу на других по цепочке.
То есть, если нейронка способна подготовить ответ, то мы поленимся его улучшать и просто закинем дальше по цепочке.
Это в свою очередь начинает создавать нагрузку на тех, кто более ответственный - типо синьорных ребят, которые начинают испытывать доп нагрузку.
Помните, я уже писал, что основные бенифицары от AI в разработке - не синьоры, а как раз те, кто больше заинтересован как можно скорее запилить фичу (шипперы они называются в исследовании).
А синьоры получают гораздо больше нагрузки.
Чем же ответят синьоры?
Через год увидим в исследованиях, что большая часть кода попадает в прод без ревью человеком.
У AI есть скрытая подписка. Называется «сеньор», так бы я сформулировал основную мысль статьи (уверен, через год будет как я предполагаю выше)
Короче, соблазн понятный: купили нейронку, стали быстрее писать код, пошли считать, сколько разработчиков можно сократить.
Вот сама статья от ребят из Faros.
Получилось любопытно.
Задач действительно закрывают больше.
На разработчика приходится на 33,7% больше завершённых задач и на 16,2% больше влитых PR.
Красиво. На слайд для руководства уже можно тащить.
А дальше начинается ревью.
Медианное время нахождения PR на этапе ревью выросло в 5,4 раза.
Авторы называют происходящее «налогом на сеньоров»: код выглядит убедительно, а поиск ошибок в логике требует глубокого понимания системы.
До прода тоже доехало.
Багов на разработчика стало на 54% больше. Инцидентов в месяц на 57,9% больше.
Дежурная смена тоже почувствовала вашу AI-трансформацию 🫡
Code churn вырос на 861%: здесь это отношение удалённых строк к добавленным за квартал.
Причиной могут быть и переделки, и полезная расчистка старого кода. Всю эту цифру записывать в «нейронка наговнокодила» было бы натяжкой.
· вчера
Решения всех перечисленных проблем у человеков уже были успешно опробованы: 1. ограничение PR/MR сверху по количеству строк. Даже исследование есть, какая именно цифра сверху оказывает наибольший результат. 2. Всестороннее покрытие кода тестами по пирамиде тестирования с учетом теории тестирования. Не погоня за процентом покрытия, а именно глубина тестирования: граничные условия, все ветки исполнения и т.д. 3. Качество тестирования удостоверять мутационными тестами.
Для ИИ тоже должно сработать? Вот только человеки даже для себя это осилить смогли не только лишь все... возможно, всю эту сложность сможет осилить как раз нейронка...
0
ответить
коммент скрыт — часть юзеров считает его токсичным или некорректным
коммент удалён