تحدت دراسة رائدة السرد السائد حول تعزيز أدوات الذكاء الاصطناعي لإنتاجية المبرمجين بشكل عام.
أجرت مجموعة تقييم النماذج والبحث في التهديدات (METR) تجربة عشوائية محكمة لقياس تأثير أدوات الذكاء الاصطناعي في أوائل عام 2025 على إنتاجية مطوري المصادر المفتوحة ذوي الخبرة أثناء عملهم على مستودعاتهم الخاصة. والمفاجأة أن المطورين الذين استخدموا أدوات الذكاء الاصطناعي استغرقوا وقتًا أطول بنسبة 19% مقارنة بعدم استخدامها—أي أن الذكاء الاصطناعي جعلهم أبطأ.
تابعت الدراسة 16 مطورًا مخضرمًا أثناء إكمالهم 246 مهمة برمجية واقعية على مستودعات ناضجة تحتوي في المتوسط على أكثر من مليون سطر برمجي وأكثر من 22,000 نجمة على GitHub. تم توزيع المهام عشوائيًا بين السماح أو منع استخدام أدوات الذكاء الاصطناعي، حيث استخدم المطورون بشكل أساسي Cursor Pro مع Claude 3.5 و3.7 Sonnet خلال فترة الدراسة من فبراير إلى يونيو 2025.
فاجأت النتائج الجميع، بمن فيهم المشاركون في الدراسة أنفسهم. حتى بعد إكمال المهام، قدّر المطورون أن الذكاء الاصطناعي زاد إنتاجيتهم بنسبة 20%، بينما أظهرت البيانات بوضوح انخفاضًا بنسبة 19%. يسلط ذلك الضوء على نقطة مهمة: عندما يعتقد الناس أن الذكاء الاصطناعي سرّع عملهم، قد يكون هذا التصور بعيدًا تمامًا عن التأثير الفعلي.
حدد باحثو METR عدة أسباب محتملة لهذا التباطؤ. فقد أمضى المطورون وقتًا أطول في كتابة التعليمات للذكاء الاصطناعي والانتظار للحصول على الردود بدلاً من البرمجة الفعلية. وتثير الدراسة تساؤلات مهمة حول الفوائد الإنتاجية الشاملة التي يُفترض أن تقدمها أدوات الذكاء الاصطناعي في عام 2025.
ومع ذلك، لا يعني هذا أن أدوات الذكاء الاصطناعي غير فعّالة بشكل عام. تشير METR إلى أنه في المشاريع الجديدة أو الأكواد غير المألوفة أو للمبرمجين الأقل خبرة، قد تسرّع أدوات الذكاء الاصطناعي وتيرة العمل بالفعل. ويخطط الباحثون لدراسات مستقبلية لاستكشاف هذه الحالات. كما يؤكدون أن هذه النتائج تمثل لقطة زمنية لأدوات أوائل 2025، وأن النماذج الأسرع، أو التكامل الأفضل، أو تحسين طرق التفاعل قد تغير المعادلة.
أما بالنسبة للفرق التي تعتمد على مساعدين بالذكاء الاصطناعي، فالرسالة واضحة: أدوات البرمجة بالذكاء الاصطناعي لا تزال تتطور، لكنها في شكلها الحالي لا تضمن مكاسب في السرعة—خاصة للمبرمجين المحترفين الذين يعملون على أكواد يعرفونها جيدًا. على المؤسسات أن تختبر الأدوات قبل الوثوق بها، وتقيس التأثير في بيئتها الفعلية، وألا تعتمد فقط على التصور الذاتي للسرعة.