Η αλήθεια για τα AI coding agents: Τι δείχνουν 6.000+ πραγματικές συνεδρίες developers

Όλοι μιλάνε για επανάσταση στα AI coding agents. Λιγότερος κώδικας από εμάς. Ταχύτερη παράδοση. Τα μηχανήματα αναλαμβάνουν τα βαρετά.

Κανείς όμως δεν είχε μετρήσει τι κάνουν πραγματικά οι developers με αυτά. Μέχρι τώρα.

Το νέο dataset SWE-chat κατέγραψε πάνω από 6.000 συνεδρίες σε production περιβάλλοντα. Τα αποτελέσματα σοκάρουν, ανησυχούν και ανατρέπουν τις ιδέες μας για συνεργασία ανθρώπου-AI στον κώδικα.

Η άνοδος του "Vibe Coding" – και γιατί τρομοκρατεί τους ειδικούς ασφαλείας

Το dataset ξεχωρίζει τρεις τρόπους συνεργασίας:

• Μόνο άνθρωπος (22,7%): Το AI εξηγεί, ο developer γράφει
• Συνεργατικός (36,5%): Πήγαινε-έλα, κοινή συγγραφή
• Vibe coding (40,8%): Το AI γράφει σχεδόν τα πάντα, ο developer απλώς εγκρίνει

Το vibe coding εκτοξεύεται. Διπλασιάστηκε σε τρεις μήνες και πλέον κυριαρχεί.

Το πρόβλημα; Οι commits από vibe coding φέρνουν 9 φορές περισσότερα security vulnerabilities από κώδικα που γράφει μόνο ο άνθρωπος.

Σκεφτείτε το. Παραδίδουμε γρήγορα, αλλά γεμάτο τρύπες. Κάθε mode προσθέτει περισσότερα bugs από όσα διορθώνει. Το vibe coding χειρότερο όλων.

Η άβολη πραγματικότητα: Το 55,7% του AI κώδικα καταλήγει στα σκουπίδια

Αν οι developers τα λατρεύουν, γιατί πετάνε το μισό AI κώδικα;

Σε 44% των αλληλεπιδράσεων, ο developer σταματάει ή απορρίπτει το AI. Οι agents ρωτάνε σπάνια για διευκρινίσεις – μόλις 1,4% των φορών.

Είναι σαν μονόλογος. Το AI μιλάει, ο developer ακούει και λέει "όχι".

Χρησιμοποιούν τα agents για πειράματα και γρήγορο prototyping. Όχι για πλήρη αυτοματισμό. Σαν προχωρημένα rubber ducks: δοκιμάζουν ιδέες, κρατάνε τις καλές, πετάνε τα πολλά.

Τι ζητάνε πραγματικά οι developers από το AI

Εκπληκτικό: Η κορυφαία χρήση δεν είναι η συγγραφή κώδικα – είναι η κατανόηση.

19% των prompts ζητάνε εξήγηση υπαρχόντος κώδικα. Πάνω από τα requests για νέο code. Το AI γίνεται εργαλείο reverse engineering, γεννήτρια docs, γρήγορο onboarding σε άγνωστα projects.

Πουλάμε "γράψε λιγότερο", ενώ εκείνοι θέλουν "κατάλαβε καλύτερα".

Το πρόβλημα των "Expert Nitpickers"

47% όσων κάνουν vibe coding είναι "expert nitpickers". Ελέγχουν τα πάντα, διορθώνουν μικρολεπτομέρειες.

Αυτό είναι μη αποδοτικό. Αν θα ξαναγράψεις τα πάντα, γιατί vibe coding; Τα δεδομένα δείχνουν καλύτερο το συνεργατικό mode: λιγότεροι κίνδυνοι, υψηλότερη απόδοση.

Οι nitpickers χάνουν χρόνο σε code που θα 'γραφαν μόνοι τους – απλώς πιο αργά.

Πραγματικά παραδείγματα αποτυχιών

Το dataset έχει αληθινά fails. Ένα: Developer ζητάει fix σε αργές animations iOS app. Το AI πειράζει λάθος parameter – stagger καρτών αντί container.

Μετά από διορθώσεις, zero resolution. No commits. Το AI δεν έπιασε spatial context ή προτεραιότητες.

Άλλο: Nitpicker σε endless micro-edits: "μη φτιάξεις function", "inline UUID", "άλλαξε όνομα constant". Ο developer είναι reviewer, όχι coder.

Τι σημαίνει για την ομάδα σου

Αξιολογείς AI agents; Ιδού τα δεδομένα:

Προτίμησε εξήγηση, όχι συγγραφή. Καλύτερο σε docs και onboarding παρά σε νέο code.

Μείνε στο συνεργατικό mode. Το 36,5% με πήγαινε-έλα δίνει ισορροπία ασφαλείας, ταχύτητας και ικανοποίησης. Vibe coding ρισκάρει πολύ.

Υπολόγισε χρόνο review. Χρησιμοποίησε Semgrep, Snyk σε AI code. Το 9x vulnerabilities είναι πραγματικότητα.

Μέτρησε ό,τι φτάνει production. Θα πετάξεις 55% suggestions. Δεν είναι αποτυχία – είναι το εργαλείο που δουλεύει σωστά. Κοίτα hit rate, όχι volume.

Η μεγάλη εικόνα

Το SWE-chat λάμπει από ειλικρίνεια. Πραγματικοί developers, workflows, αποφάσεις.

Ανατρέπει τον υπεραισιόδοξο μύθο. Δεν αφήνουμε μηχανές να γράφουν μόνες. Τις κάνουμε εργαλεία σκέψης: πετάμε τα πολλά, μένουμε μέσα σε κάθε βήμα.

Τα agents είναι δυνατά. Όχι μαγικά. Θα κερδίσουν όσοι τα βλέπουν συνεργάτες, με σκεπτικισμό και ενεργή συμμετοχή.

Τα data το αποδεικνύουν.

Θες περισσότερα; Το SWE-chat είναι public. Αν φτιάχνεις tools πάνω σε AI agents, αυτά τα patterns θα καθορίσουν το roadmap σου. Η πραγματική χρήση νικάει τις εικασίες.