AI-værktøjer til udvikling: 6 faldgruber i dine målinger

Du har netop indgået aftalen. Dine udviklere har nu adgang til AI-værktøjer, der skal gøre dem hurtigere. Leverandøren lover højere produktivitet og et solidt afkast. Ledelsen vil se resultaterne.

Problemet er bare, at de målinger, du sandsynligvis bruger, kan give et misvisende billede – og i værste fald skjule de reelle udfordringer.

Linjer kode siger sjældent noget om værdi

Mange måler succes ved at tælle, hvor meget kode der bliver skrevet. En stigning på 40 % lyder som en sejr.

Men mere kode betyder ikke nødvendigvis bedre resultater. En udvikler, der rydder op i 2.000 linjer rodet kode og erstatter dem med 200 rene og gennemtænkte linjer, skaber reel værdi – men din måling peger i den modsatte retning.

AI-værktøjer har tendens til at skrive mere end nødvendigt. De leverer funktionsdygtig kode, men ofte på bekostning af enkelhed og vedligeholdelse. Det betyder, at du i stedet måler ordgyderi – og det kan føre til meget mere arbejde i fremtiden.

Hvis volumen er din vigtigste målestok, er du sandsynligvis på afveje.

Hastighed på kunstige opgaver fortæller ikke hele historien

En kendt undersøgelse viser, at udviklere med Copilot løste opgaver 55 % hurtigere. Det lyder lovende.

Men de testede på en isoleret opgave – at bygge en HTTP-server fra bunden i JavaScript – uden forstyrrelser og i et kontrolleret miljø. Det har ikke meget at gøre med den virkelige verden, hvor udviklere jonglerer med store legacy-kodebaser, vagt formulerede tickets og løbende koordinering.

En anden undersøgelse af erfarne open source-udviklere viste endda, at AI-værktøjer gjorde det modsatte: de brugte 19 % mere وقت, mens delvis indhold