پژوهش SAP: کار با هوش مصنوعی ذهن برنامه‌نویس رو خسته‌تر می‌کنه
هوش مصنوعیخلاصهٔ کامل‌تر
طبق یه مطالعهٔ میدانی چهارروزه توی دو دفتر SAP در کالیفرنیا، کارهایی که برنامه‌نویس‌ها با GenAI انجام دادن حدود یه نمره سنگین‌تر (روی مقیاس ۱ تا ۷) از کارهای بدون AI حس شدن. این نتیجه حتی بعد از در نظر گرفتن نوع کار، مدت کار و عادت هر نفر به نمره دادن هم پابرجا موند. اسم این معیار cognitive load هست، یعنی فشار ذهنی‌ای که آدم موقع انجام یه کار حس می‌کنه.
۲۱ نفر شرکت کردن که همه برنامه‌نویس جاوا با ۵ تا ۱۰ سال سابقه بودن و حداقل چند ماه با ابزارهایی مثل GitHub Copilot و ChatGPT کار کرده بودن. هر کدوم یه دفترچه کنار کیبورد داشتن و برای هر کار زمان شروع و پایان، نمرهٔ فشار ذهنی و اینکه از AI استفاده کردن یا نه رو می‌نوشتن. هم‌زمان یه مچ‌بند Empatica EmbracePlus ضربان قلب، رسانایی پوست، دمای پوست و حرکت رو ثبت می‌کرد. در کل ۳۸۲ کار ثبت شد.
استفاده از GenAI نمرهٔ فشار ذهنی رو ۰٫۹۹۶ بالا برد. ولی مهم‌ترین عامل نوع کار بود: کارهای سنگین توسعه ۱٫۴۴ نمره بالاتر از کارهای متفرقه بودن. کارهای طولانی‌تر هم سنگین‌تر بودن، تقریباً ۰٫۴ نمره برای هر یه ساعت اضافه. این سه عامل با هم ۳۲٫۴ درصد تفاوت نمره‌ها رو توضیح دادن.
نویسنده‌های پژوهش این نتیجه رو به معنی «AI کدنویسی رو سخت‌تر می‌کنه» نمی‌دونن. تفسیرشون اینه که AI زحمت رو جابه‌جا می‌کنه: تایپ کد کمتر میشه، ولی نوشتن پرامپت، خوندن خروجی، چک کردن درستی‌ش و جا دادنش توی کد موجود بیشتر میشه. جالب اینکه همین آدم‌ها وقتی کلی ازشون پرسیدن، گفتن AI تلاش ذهنی رو کم می‌کنه. پژوهشگرها این تناقض رو به این ربط می‌دن که نظر کلی آدم‌ها از موفقیت‌های چشمگیر شکل می‌گیره، ولی نمرهٔ هر کار زحمت بررسی خروجی رو هم نشون می‌ده.
داده‌های مچ‌بند تقریباً هیچی اضافه نکرد. از ۱۱ معیار ضربان قلب، پوست و دما فقط تغییرات دمای پوست معنی‌دار بود و اونم فقط ۱٫۴ درصد به توضیح نمره‌ها اضافه کرد. نتیجه‌گیری نویسنده‌ها اینه که داده‌های فیزیولوژیک رو نمی‌شه معیار مستقلی برای فشار ذهنی دونست. محدودیت‌ها هم کم نیستن: نمونهٔ کوچیک، فقط یه شرکت، استفاده از AI فقط به‌صورت بله یا خیر ثبت شده و برنامه‌نویس‌ها خودشون انتخاب می‌کردن کِی از AI استفاده کنن.
نکات کلیدی:
- استفاده از GenAI فشار ذهنی هر کار رو حدود ۱ نمره روی مقیاس ۷تایی بالا برد
- نوع کار مهم‌ترین عامل بود و کارهای توسعه ۱٫۴۴ نمره سنگین‌تر از کارهای متفرقه بودن
- برنامه‌نویس‌ها در کل فکر می‌کردن AI کارشون رو سبک‌تر کرده، ولی نمره‌های تک‌تک کارها خلافش رو نشون داد
- از ۱۱ معیار مچ‌بند فقط تغییرات دمای پوست کمی (۱٫۴ درصد) به مدل اضافه کرد
- مطالعه فقط ۲۱ نفر، ۴ روز و ۳۸۲ کار رو پوشش داده و قبل از رواج ابزارهای agentic انجام شده
