MIT-ийн шинэ судалгаа: AI ашиглан код бичих нь 180% өссөн ч бодит Release ердөө 30% нэмэгдсэн шалтгаан

AI туслахууд болон автоном кодинг агентууд хөгжүүлэгчдийн өдөр тутмын амьдралыг үндсээр нь өөрчилж буй билээ. Олон хоног шаарддаг даалгаврыг хэдхэн минутын дотор шийдэж, хэдэн зуун мөр код секундийн дотор бэлэн болж байна. Гэвч энэхүү гайхалтай хурд программ хангамжийн эцсийн бүтээгдэхүүн болж хэрэглэгчийн гарт хүрэх үйл явцад яг хэрхэн нөлөөлж байна вэ?

MIT Sloan School of Management, Пенсильванийн их сургууль болон Бостоны их сургуулийн судлаачид хамтран GitHub дээрх 100,000 гаруй хөгжүүлэгчийн бодит өгөгдөлд дүн шинжилгээ хийсэн "Writing Code vs. Shipping Code: Productivity Effects Across Generations of AI Coding Tools" хэмээх шинэ судалгааны тайлангаа нийтэллээ. Судалгааны үр дүн программ хангамжийн багуудын хувьд тун танил атлаа тоо баримтаар нотлогдоогүй байсан нэгэн гашуун үнэнийг дэлгэв.

---

180% vs 30%: Тоон үзүүлэлтийн цочирдом зөрүү

Судлаачид хөгжүүлэгчдийн AI ашиглалтыг 3 үе шатаар ангилан судалсан байна:

1. Нэгдүгээр үе: Энгийн авто-гүйцээлт (Autocomplete)
2. Хоёрдугаар үе: Интерактив чат болон туслахууд (Interactive Coding Assistants)
3. Гуравдугаар үе: Автоном кодинг агентууд (Autonomous Coding Agents)

Үр дүнгээс харахад, автоном кодинг агентууд хэрэглэж буй хөгжүүлэгчдийн код бичих идэвх болон commit-ийн тоо 180%-иар огцом өссөн байна. Өөрөөр хэлбэл, хөгжүүлэгчид урьд өмнөхөөсөө бараг 3 дахин их код бичиж, хадгалж байна.

Гэвч энэ үзүүлэлт үйлдвэрлэлийн хоолойгоор дамжин урагшлах тусам замхарчээ:

• Үүсгэсэн шинэ төслийн тоо ердөө 50% өссөн.
• Production орчинд амжилттай байршсан бодит Release ердөө 30%-иар нэмэгдсэн.
• Хамгийн сонирхолтой нь: Аппликейшн дэлгүүрүүд (App Stores) дээрх таталтын тоо болон хэрэглэгчдийн эерэг үнэлгээнд ямар ч бодит өсөлт гараагүй байна.

Код бичих хурд бараг 3 дахин өссөн атал яагаад эцсийн бүтээгдэхүүний гарц дөнгөж 30%-иар нэмэгдэв?

---

"Weak-Link" онол ба хүний гацаа (Bottleneck)

Судлаачид энэхүү үзэгдлийг эдийн засгийн "Weak-link model" буюу гинжин хэлхээний хамгийн сул цагирагийн онолоор тайлбарлаж байна. Программ хангамж бүтээх нь зөвхөн код бичихээс бүрддэггүй бөгөөд ерөнхийдөө дараах 6 шатлалаар явагддаг:

1. Шинэ код бичих (Writing code)
2. Кодын бүтэц, архивыг зохион байгуулах (Organizing code into files)
3. Өөрчлөлтийг хадгалах (Commit)
4. Хянуулахаар илгээх (Pull Request үүсгэх)
5. Шалгаж нэгтгэх (Code Review & Merge)
6. Продакшнд гаргах (Release to Production)

AI загварууд эхний 1-3-р шатуудыг ер бусын хурдтай болгосон. Гэвч 4-6-р шатууд буюу Code Review, архитектурын зөв шийдлийг үнэлэх, нэгтгэх туршилт (integration test), аюулгүй байдлын аудит хийх үйл явц нь хүний оюун ухаан, нягт нямбай шалгалтаас шууд хамаардаг.

Үүний уршгаар инженерийн багуудад "PR Paralysis" буюу хяналтын саатал үүсэж эхэлжээ. Нэг хөгжүүлэгч өдөрт 5-10 том Pull Request илгээхэд түүнийг хянаж, edge case-үүдийг тооцож, системийн бусад хэсэгт үзүүлэх нөлөөг шалгах Senior хөгжүүлэгчдийн ачаалал хязгаараа давж байна. Үр дүнд нь review queue-үүд дарагдаж, хөгжүүлэлтийн дамжлага бүхэлдээ гацаанд ордог.

---

Код бол хөрөнгө биш, харин "өр төлбөр" (Liability)

Программ хангамжийн нэрт архитектор Мартин Фаулер (Martin Fowler) нэгэнтээ "Код бол хөрөнгө биш, өр төлбөр юм" хэмээн хэлсэн байдаг. Кодын мөр бүр нь цаашид засаж сайжруулах, тестлэх, хамгаалах шаардлагатай техникийн өр (Technical Debt) дагуулж байдаг.

AI нь маш хямд зардлаар, асар их хэмжээний код "үйлдвэрлэж" байгаа ч тухайн код системийн архитектурт нийцэж байгаа эсэх, ирээдүйд арчлахад хялбар эсэхэд анхаардаггүй.

MIT-ийн судалгааны ахлагч, профессор Мерт Демирер (Mert Demirer):

"Хөгжүүлэгчид урьд нь бүтэн өдөр суудаг байсан ажлаа хэдхэн минутад хийж байна гэж бид сонсдог. Гэвч код үйлдвэрлэх нь хялбар болсноор эцсийн чанар шууд сайжирна гэсэн үг биш. Зарим чухал шат дамжлагууд дээр хүний оролцоо зайлшгүй хэвээр байгаа нь бодит гарцын өсөлтийг хязгаарлаж байна" хэмээн онцолжээ.

---

Программ хангамжийн багууд юуг өөрчлөх ёстой вэ?

Энэхүү судалгаа нь AI эрин үед инженерийн багуудын ажлын менежмент сууриараа шинэчлэгдэх ёстойг харуулж байна.

1. Хэмжүүрээ шинэчлэх (LOC-оос татгалзах): Хэчнээн мөр код бичсэнээр нь хөгжүүлэгчийн бүтээмжийг үнэлэх үе бүрэн дууссан. Үүний оронд DORA metrics (Lead Time for Changes, Deployment Frequency, Change Failure Rate) зэрэг системийн бодит үнэ цэн хүргэх хурдыг хэмжих шаардлагатай.
2. Жижиг PR ба Trunk-Based Development: Хэдэн мянган мөртэй аварга PR-уудын оронд бага багаар, ойр ойрхон нэгтгэгдэх жижиг PR-уудыг соёл болгох нь review хийх ачааллыг 70% хүртэл бууруулдаг.
3. Automated Verification-д хөрөнгө оруулах: Хүний хийх шалгалтыг хөнгөвчлөхийн тулд Unit test, E2E test, Linting, Security scan зэрэг автоматжуулсан CI/CD хоолойг бат бөх болгох. Хүн зөвхөн бизнес логик, архитектурын зөв шийдэлд төвлөрөх ёстой.
4. AI-аар код бичүүлэх биш, дизайн ба төлөвлөлтөд анхаарах: Хамгийн үнэ цэнтэй зүйл нь код үүсгэх бус, юуг яаж бүтээх шийдвэр гаргах үйл явц хэвээр байна.

Дүгнэлт: AI бидэнд асар их код бичих супер хүч өгсөн. Харин одоо тэрхүү кодоо шигшиж, шалгаж, чанартай программ хангамж болгон зах зээлд хэрхэн хурдан гаргах вэ гэдэг нь 2026 оны технологийн багуудын жинхэнэ өрсөлдөөний талбар болж байна.

---

Эх сурвалж: MIT Sloan Management News ("AI boosts worker productivity — but does that translate to final outputs?"), Mert Demirer, Leon Musolff, & Liyuan Yang судалгааны тайлан ("Writing Code vs. Shipping Code: Productivity Effects Across Generations of AI Coding Tools").