A Qodo szerint az AI-kód ellenőrzése lett a fejlesztés szűk keresztmetszete
A szervezetek 89 százaléka már tapasztalt mesterséges intelligenciához kapcsolódó éles üzemzavart, miközben a fejlesztési folyamatok ellenőrzése nem tartott lépést az AI használatával. A Qodo 2026-os jelentése szerint a fejlesztők és a mérnöki vezetők egyaránt az AI által előállított kód áttekintését és hitelesítését tartják a legfontosabb szűk keresztmetszetnek.
- A szervezetek 89 százaléka már tapasztalt AI-hoz kapcsolódó éles incidenst.
- A fejlesztők és a vezetők 26 százaléka az AI-kód ellenőrzését tartja a fő korlátnak.
- A vezetők 45 százalékának van nyomon követése az AI-tevékenység és a kódváltoztatások között.
- A fejlesztők 35 százaléka szerint az ügynökök mindig követik a szervezeti szabványokat.
- A mérnöki vezetők mindössze 3,7 százaléka tartja elegendőnek a jelenlegi minőségbiztosítási és irányítási folyamatokat.
Közös problémát látnak a fejlesztők és a vezetők
A Qodo a jelentést a Censuswide felmérése alapján állította össze, amelyben 500 amerikai szoftverfejlesztő és 300 amerikai mérnöki vezető vett részt. Olyan szervezeteket vizsgáltak, ahol az AI már érdemi szerepet tölt be a szoftverfejlesztési életciklusban. A két csoport külön kérdőívet töltött ki, és nem látta a másik válaszait.
A válaszadók 26 százaléka, a fejlesztők és a vezetők körében egyaránt, az AI által generált kód áttekintését és validálását nevezte meg a fejlesztési folyamat elsődleges korlátjaként. Ez megelőzte az AI-kimenetekbe vetett bizalom, a meglévő munkafolyamatokkal való integráció, a biztonsági és megfelelési elvárások, a kontextus lekérése, valamint a költségek problémáját.
A Qodo szerint miközben a kód előállítása a fejlesztési életciklus több szakaszában is automatizálható, az ellenőrzés nem skálázódott ugyanilyen ütemben. A fejlesztők körülbelül öt munkafázisban használnak AI-t, többek között tervezésre, megvalósításra, tesztelésre, felülvizsgálatra, biztonsági elemzésre és hibajavításra.
A kód tisztábbnak tűnhet, az ellenőrzés mégis nehezebb
A fejlesztők 36 százaléka szerint az AI-kód felülvizsgálata ugyanannyi időt vesz igénybe, mint korábban, ugyanakkor nagyobb szellemi erőfeszítést igényel a nehezen felismerhető hibák kiszűrése. A Qodo magyarázata szerint az AI által készített változtatás gyakran rendezettnek látszik, következetes elnevezéseket használ, a tesztek pedig sikeresen lefuthatnak.
A felülvizsgálónak azonban sokszor nincs információja arról, milyen alternatívákat mérlegelt az AI, milyen feltételezés származott a tervezési szakaszból, vagy hogy az elkészítő teljes mértékben érti-e a döntéseket. Emiatt a változtatásba vetett bizalom kialakítása több munkát igényelhet, még akkor is, ha a fejlesztési ciklusidő és a kibocsátott kód mennyisége kedvezőnek látszik.
A Qodo szerint ez csökkentheti a bizalmat a pull requestek iránt, és megnehezítheti a rejtett hibák, biztonsági problémák, valamint a kód és az eredeti szándék közötti eltérések felismerését.
A vezetőknek sincs még elegendő nyomkövetési adatuk
A mérnöki vezetők 90 százaléka úgy nyilatkozott, hogy be tud számolni az AI mérnöki munkára gyakorolt hatásáról a vállalatvezetésnek vagy az igazgatótanácsnak. Ugyanakkor csak 45 százalékuk rendelkezik olyan nyomon követéssel, amely összeköti az AI tevékenységét az általa előállított kódváltoztatásokkal.
A jelentés szerint a vezetők kevesebb mint fele számolt be központi AI-kódolási szabványokról, az AI-hoz kapcsolódó kódminőségi trendek láthatóságáról vagy a csapatokon és kódtárakon átívelő, következetes szabályérvényesítésről. Így a szervezetek láthatják, milyen széles körben használják az AI-t, de nehezebben állapíthatják meg, hogy az javítja-e a ciklusidőt, növeli-e az ellenőrzési terhet, hozzájárul-e a hibákhoz, illetve könnyebbé vagy nehezebbé teszi-e a kódbázis karbantartását.
A fejlesztők 42,6 százaléka dolgozik központi kontextus- vagy szabályrendszerrel, az ügynökök azonban a fejlesztők szerint csak 35 százalékban követik mindig a szervezeti szabványokat. A Qodo értelmezése szerint a szabályok elérhetővé tétele önmagában nem bizonyítja azok következetes alkalmazását. A jelentés 2026. szeptember 23-i közzététele alapján a következő szakasz kulcskérdése az lesz, hogy a szervezetek láthatóvá, irányíthatóvá és ellenőrizhetővé tudják-e tenni az AI munkáját a teljes fejlesztési életciklusban.
