Az utóbbi években az mesterséges intelligencia (AI) egyre nagyobb szerepet kapott a szoftverfejlesztésben, különösen a kódírás automatizálásában. Egy 2025 júliusában készült, Fastly által végzett felmérés 791 fejlesztő megkérdezésével világít rá arra, hogyan használják az AI-t a különböző tapasztalati szinteken álló szakemberek, és milyen előnyökkel vagy nehézségekkel jár ez a gyakorlatban.
Tapasztalt fejlesztők és az AI-kód használata: jelentős különbségek
A felmérés egyik legérdekesebb eredménye, hogy a senior fejlesztők (10+ év tapasztalat) sokkal nagyobb arányban alkalmazzák az AI által generált kódot a termelési környezetben, mint a juniorok (0–2 év tapasztalat). A seniorok közel egyharmada (32%) állítja, hogy az általuk kiszállított kód több mint fele AI-generált, míg a junioroknak csak 13%-a vallja ugyanezt – ez majdnem kétszer és félszeres különbség.
Egy senior fejlesztő így fogalmazott: „Az AI gyorsabban tudja tesztelni és hibákat találni a kódban, mint egy ember, és zökkenőmentesen javítja is azokat. Ez már sokszor bebizonyosodott.” Ezzel szemben egy junior fejlesztő megjegyezte: „Nehéz, amikor az AI feltételezi, hogy mit csinálok, de nem így van, ezért vissza kell mennem és újra kell csinálnom.”
Az AI-kód javítása és időbefektetés
A senior fejlesztők hajlamosabbak időt szánni az AI által generált kód javítására is. Közel 30%-uk mondta, hogy annyit kell szerkeszteniük az AI kimenetét, hogy ez majdnem ellensúlyozza az időmegtakarítást. Ezzel szemben a junioroknak csak 17%-a számolt be hasonlóról.
Mindezek ellenére a seniorok 59%-a úgy érzi, hogy az AI eszközök összességében gyorsabbá teszik őket a munkában, míg ez az arány a junioroknál 49%.
Időmegtakarítás és optimizmus: seniorok vs. juniorok
A junior fejlesztők több mint fele (több mint 50%) úgy véli, hogy az AI mérsékelten gyorsítja munkájukat. Ezzel szemben csak 39% azoknak a senioroknak az aránya, akik ugyanezt mondják. Ugyanakkor a jelentős sebességnövekedést tapasztalók között kétszer annyi senior van (26%), mint junior (13%).
Mi okozhatja ezt a különbséget? A tapasztaltabb fejlesztők jobban képesek felismerni és kijavítani az AI hibáit. Tudják, mikor „néz ki jól” egy kód, de valójában nem működik megfelelően. Ez magabiztosabbá teszi őket abban, hogy hatékonyan használják az AI eszközöket még kritikus üzleti alkalmazások esetén is.
Ezzel szemben a junior fejlesztők kevésbé bíznak abban, hogy felismerik az esetleges hibákat, ezért óvatosabbak vagy akár el is kerülik az AI használatát termelési környezetben.
Az AI-kód termelési környezetbe kerülése
A felmérésből kiderül, hogy míg csak 13% azoknak a junior fejlesztőknek az aránya, akik több mint fele AI-generált kódot használnak éles környezetben, addig ez az arány a seniorok között 32%. Ez arra utal, hogy a tapasztaltabb mérnökök nemcsak aktívabban használják az AI-t, hanem jobban megbíznak benne kritikus rendszerek esetén is.
Ez különösen érdekes annak fényében, hogy egyre többen aggódnak amiatt, hogy az „AI-kódolás” sebezhetőségeket hozhat be alkalmazásokba.
Percepció és valóság: időmegtakarítás vagy többletmunkák?
Közel minden harmadik fejlesztő (28%) gyakran annyit kell javítson vagy szerkesszen AI-generált kódon, hogy ez majdnem teljesen elveszi az időmegtakarítás előnyeit. Csak 14% mondta azt, hogy ritkán kell változtatnia ezen a kódon.
Mégis több mint fele úgy érzi, hogy gyorsabb vele dolgozni olyan eszközökkel, mint például GitHub Copilot, Gemini vagy Claude.
Egy másik kutatás, egy randomizált kontrollált vizsgálat (RCT) tapasztalt nyílt forráskódú fejlesztők körében azt mutatta ki, hogy amikor AI eszközöket használtak feladatukhoz, átlagosan 19%-kal tovább tartott befejezniük azt.
A pszichológiai tényezők szerepe
Ez az eltérés részben pszichológiai okokra vezethető vissza. Az AI-kódolás gyakran gördülékenynek tűnik: néhány billentyűleütéssel automatikusan egészül ki egy kódrészlet. Ez lendületet adhat elsőre, de később jönnek azok a szerkesztési-, tesztelési- és újraírási ciklusok, amelyek jelentősen csökkentik ezt a kezdeti előnyt.
Ezt megerősítik azok a beszélgetések is, amelyeket Fastly fejlesztőivel folytattak és amelyek során számos válaszadó megosztotta tapasztalatait:
- „Egy GitHub Copilothoz hasonló AI-kódoló eszköz nagyban segíti munkafolyamatomat kódrészletek vagy akár teljes függvények javaslatával. Ugyanakkor egyszer egy összetett algoritmust generált helytelenül – egy apró hibával –, ami több órás hibakeresést eredményezett.”
- „Az AI eszköz időt spórol boilerplate kód használatával, de ugyanakkor manuális javításokra is szükség van hatékonysági problémák miatt – így végül nem nő olyan mértékben a termelékenység.”
Az AI növeli a fejlesztők munkájának élvezetét
Bár nem feltétlenül növeli jelentősen a hatékonyságot minden esetben, az AI eszközök mégis javítják sok fejlesztő munkamorálját: közel 80% mondta azt, hogy ezek az eszközök élvezetesebbé teszik számukra a kódolást.
Sokan azért értékelik ezt, mert segít elkerülni az unalmas rutinfeladatokat; mások pedig élvezik azt az „azonnali” sikerélményt és dopaminlöketet, amit egy jól működő kódrészlet generálása jelent.
„Segít befejezni egy elakadást okozó feladatot. Megtalálom vele a szükséges válaszokat ahhoz, hogy tovább tudjak lépni,” mondta egyik válaszadó.
Bár ez nem feltétlenül jelent hatékonyságnövekedést önmagában, egy olyan szakmában ahol gyakoriak a kiégés és munkahelyi lemaradások problémái, ez a moráljavító hatás mégis értékes lehet.
Az AI-kódolás rejtett költségei: energiahatékonyság és fenntarthatóság
A Fastly felmérése kitért arra is, mennyire tudatosak a fejlesztők az energiahatékony szoftverírás („green coding”) iránti igényekkel kapcsolatban. Az energiahatékonyság figyelembevétele jelentősen nőtt a tapasztalattal együtt:
- A junior fejlesztők közül 56% aktívan figyelembe veszi munkája során az energiafelhasználást.
- A közép- és senior szintű mérnökök között ez már közel 80%.
A fejlesztők nagyon jól tisztában vannak azzal is, hogy az AI eszközök jelentős karbonlábnyommal rendelkeznek: minden tapasztati szinten mintegy kétharmaduk tud erről. Csak nagyon kevesen (kevesebb mint 8%, még junior szinten is) voltak teljesen tájékozatlanok e téren.
Összességében tehát elmondható: A fenntarthatóság egyre inkább beépül a fejlesztői kultúrába és gondolkodásmódba.
Módszertan
A Fastly által végzett felmérés 2025. július 10. és 14. között zajlott le összesen 791 professzionális fejlesztő bevonásával. Minden válaszadó megerősítette, hogy munkája központi eleme a kód írása vagy átnézése. A kérdőív elsősorban amerikai területen került terjesztésre és minőségellenőrzött volt annak érdekében, hogy pontos adatokat szolgáltasson – ugyanakkor minden önbevalláson alapuló kutatásnál fennállhat bizonyos torzítás lehetősége.
Forrás: https://www.fastly.com/blog/senior-developers-ship-more-ai-code