Για χρόνια ο “κόσμος του λογισμικού” αναζητούσε έναν αξιόπιστο τρόπο να μετρήσει την παραγωγικότητα. Οι παλιές μετρήσεις έμοιαζαν απλοϊκές, γραμμές κώδικα, ώρες εργασίας, αριθμός ολοκληρωμένων εργασιών. Όλα αυτά έδιναν την αίσθηση ελέγχου χωρίς να αποτυπώνουν την πραγματική κατάσταση. Σήμερα, με την είσοδο της τεχνητής νοημοσύνης, η ίδια ανάγκη επιστρέφει με διαφορετική μορφή. Τα tokens, δηλαδή η κατανάλωση υπολογιστικής ισχύος μετατρέπονται σε νέο σύμβολο απόδοσης. Μια ένδειξη που εντυπωσιάζει, αλλά δύσκολα εξηγεί τι πραγματικά παράγεται. 

Η ραγδαία διάδοση εργαλείων όπως τα AI coding agents άλλαξε ριζικά τον ρυθμό ανάπτυξης. Οι προγραμματιστές γράφουν περισσότερο κώδικα, πιο γρήγορα με λιγότερη προσπάθεια. Οι δείκτες ανεβαίνουν, οι αναφορές δείχνουν εντυπωσιακές αυξήσεις στην παραγωγή. Η εικόνα μοιάζει αισιόδοξη, ωστόσο όγκος δεν ταυτίζεται πάντα με την ποιότητα. Η ταχύτητα δεν εγγυάται ανθεκτικότητα, το αποτέλεσμα χρειάζεται χρόνο για να αποδειχθεί. 

Τα δεδομένα αποκαλύπτουν πως ένα μεγάλο ποσοστό του παραγόμενου κώδικα εγκρίνεται αρχικά, στη συνέχεια όμως επιστρέφει προς διόρθωση. Οι ίδιες γραμμές επαναγράφονται, τροποποιούνται, συχνά διαγράφονται. Το φαινόμενο του λεγόμενου churn αυξάνεται θεαματικά. Ο κώδικας κυκλοφορεί μέσα στο σύστημα χωρίς να σταθεροποιείται. Η αρχική εντύπωση παραγωγικότητας διαλύεται όταν εξεταστεί η διάρκεια ζωής του αποτελέσματος. 

Σε αυτό το περιβάλλον η εμμονή με τα tokens ενισχύει τη σύγχυση. Το token μετρά κατανάλωση, όχι απαραίτητα κι αξία. Μετρά πόσο χρησιμοποιείται το εργαλείο κι όχι τι παράγεται ουσιαστικά. Όταν η κατανάλωση γίνεται στόχος η διαδικασία χάνει τον προσανατολισμό της. Οι ομάδες ενθαρρύνονται να αυξήσουν τη χρήση χωρίς να αξιολογούν την ποιότητα, με την παραγωγικότητα να μετατρέπεται σε παιχνίδι εντυπώσεων. 

Η διαφορά εμπειρίας ανάμεσα στους προγραμματιστές γίνεται πιο εμφανής. Οι λιγότερο έμπειροι εμπιστεύονται ευκολότερα τις προτάσεις της τεχνητής νοημοσύνης κ υιοθετούν τον κώδικα με μικρότερη κριτική σκέψη. Το κόστος εμφανίζεται αργότερα, μέσα από διορθώσεις και αστοχίες. Οι πιο έμπειροι λειτουργούν χρησιμοποιούν τα εργαλεία ως ενίσχυση, όχι ως υποκατάστατο σκέψης. Η κρίση τους λειτουργεί ως φίλτρο κι η ποιότητα του τελικού αποτελέσματος εξαρτάται όλο και περισσότερο από αυτή τη στάση. 

Οι εταιρείες αρχίζουν να αναζητούν νέους τρόπους μέτρησης. Η ανάλυση μετακινείται από την ποσότητα στην αξία. Εξετάζονται παράγοντες όπως η ανθεκτικότητα του κώδικα, το κόστος συντήρησης, η συχνότητα διορθώσεων. Η παραγωγικότητα επαναπροσδιορίζεται. Δεν αφορά πλέον το πόσο γράφεται, αλλά το πόσο διατηρείται. Ζητούμενο πέρα από την ταχύτητα κι η σταθερότητα. 

Η τεχνητή νοημοσύνη στον προγραμματισμό δεν αποτελεί παροδικό φαινόμενο. Η προσαρμογή αποτελεί μονόδρομο. Το κρίσιμο σταυροδρόμι βρίσκεται στον τρόπο αξιοποίησης. Χωρίς σαφή κριτήρια, η επιτάχυνση οδηγεί σε συσσώρευση προβλημάτων. Τεχνικό χρέος, αυξημένη πολυπλοκότητα, χαμηλότερη αξιοπιστία. Η πρόοδος απαιτεί ισορροπία ανάμεσα στην ταχύτητα και την κρίση. 

Στο τέλος η παραγωγικότητα καλό είναι να θυμόμαστε πως ορίζεται από το αποτέλεσμα που αντέχει στον χρόνο. Από τον κώδικα που δε χρειάζεται να ξαναγραφτεί. Από την εργασία που δημιουργεί αξία χωρίς να επιστρέφει συνεχώς για διόρθωση. Τα tokens μπορούν να μετρηθούν εύκολα, ωστόσο η πραγματική πρόοδος απαιτεί κάτι πιο δύσκολο: κατανόηση, πειθαρχία και σαφή στόχο. 

*Με στοιχεία από το Tech Crunch 

 

 

➪ Ακολουθήστε το OLAFAQ στο Facebook, Bluesky και Instagram