A generatív MI a rutinos fejlesztőket hozza helyzetbe

A mintegy 170 ezer szoftverfejlesztőt vizsgáló kutatás szerint a generatív MI-eszközök gyors terjedése ellenére a termelékenységi és innovációs nyereség szinte teljes egészében a tapasztalt programozók körében koncentrálódik, így tovább szélesíti a készség- és jövedelmi különbségeket az informatikai munkaerőpiacon.  

“Sokan azt várják, hogy a mesterséges intelligencia segít majd abban, hogy a kevésbé tapasztalt munkavállalók is olyan hatékonyak legyenek, mint a szenior kollégáik” – mondta Wachs Johannes, a Budapesti Corvinus Egyetem kutatója és a tanulmány egyik szerzője. „Mi ennek épp az ellenkezőjét találtuk: a különbség nő, nem csökken.” 

A szerzők egy gépi tanuláson alapuló módszerrel azonosították a GitHub szoftverfejlesztő platformon a mesterséges intelligencia segítségével írt függvényeket több mint 30 millió Python programozási kódban. Az elemzés hat országra terjedt ki: az Egyesült Államokra, Kínára, Franciaországra, Németországra, Indiára és Oroszországra. 

A kezdők többet, a tapasztaltak produktívabban használják 

Az eredmények szerint az Egyesült Államokban 2024 végére a Python-függvények mintegy 29 százalékát már generatív MI írta. Ez továbbra is vezető pozíciót jelent, bár az előny szűkül: Németország és Franciaország 23–24 százalékos aránnyal szorosan követi az amerikai szintet, India pedig közelíti a 20 százalékot. Kína és Oroszország ezzel szemben későn és lassabban alkalmazkodott, részben a hozzáférési korlátozások és a cenzúra miatt. 

A kutatók becslése szerint az MI használatának amerikai felfutása átlagosan 3,6 százalékkal növelte a szoftverfejlesztői munka termelékenységét. A növekedés azonban szinte kizárólag a tapasztalt fejlesztőknek köszönhető, akik 6,2 százalékkal tudták növelni a megírt kódok (commitek) számát. A kevésbé tapasztalt programozók körében nincs érdemi termelékenységi hatás. 

Érdekesség, hogy miközben az MI-eszközöket a GitHubhoz újonnan csatlakozó fejlesztők arányaiban gyakrabban használják – kódjuk mintegy 37 százalékában, szemben a veteránok 27 százalékával –, az ebből származó előnyöket mégis a rutinosabb programozók tudják jobban kiaknázni. Nemek szerint a tanulmány nem talált érdemi különbséget az adaptációban. 

Az MI segít új területekre merészkedni 

A generatív MI nemcsak a kód mennyiségét, hanem annak jellegét is megváltoztatja. Az MI-t használó fejlesztők nagyobb eséllyel kombinálnak egymással korábban nem használt szoftverkönyvtárakat, például adatvizualizációs, természetes nyelvi feldolgozási vagy webes technológiákat. A modellek szerint az amerikai fejlesztők átlagos MI-használata 2,7 százalékkal növelheti az új könyvtárkombinációk számát, ami arra utal, hogy könnyebben lépnek be új technikai területekre. Ez az „felfedezési előny” is szintén főként a tapasztaltabb fejlesztőknél jelentkezik.  

Az amerikai adaptációs arányok feltűnően közel állnak azokhoz a számokhoz, amelyeket a Microsoft és az Amazon saját belső felméréseikben közöltek. A kutatás egyik újdonsága, hogy nemcsak vállalati vagy egyedi példákat vizsgál, hanem országok között is összehasonlítható képet ad a generatív MI terjedéséről. 

Több tízmilliárd dollárnyi értéket hozott létre  

A szoftverfejlesztés – és különösen a nyílt forráskódú fejlesztés – jól szemlélteti, hogyan alakítja át a mesterséges intelligencia a munkát: minden hozzájárulás naplózott, időbélyeges és visszakövethető. A szerzők becslése szerint az MI-alapú kódolóeszközök már most évente több tízmilliárd dollárnyi értéket teremtenek az amerikai gazdaságban, bár a pontos összeg továbbra is bizonytalan. 

Az adaptáció gyors, de nagyon eltérő, országok és egyének között egyaránt. Ez arra utal, hogy a mesterséges intelligencia nem egy automatikus, különbségeket csökkentő technológia, hanem egy olyan eszköz, amely a meglévő egyenlőtlenségeket képes felerősíteni. 

Az elemzés január 22-én jelent meg a Science-ban, szerzői: Simone Daniotti (Utrechti Egyetem, Complexity Science Hub, Bécs) Johannes Wachs (Corvinus Egyetem, KRTK, Complexity Science Hub – Bécs) Xiangnan Feng (Complexity Science Hub – Bécs) Frank Neffke (Complexity Science Hub – Bécs, IT:U Interdisciplinary Transformation University).