Kajian terbaharu Anthropic menunjukkan pembangun yang bergantung kepada AI untuk penjanaan kod mendapat skor 17 peratus lebih rendah dalam ujian pemahaman konsep dan tidak menyiapkan tugasan dengan lebih pantas berbanding rakan sejawat yang bergantung kepada dokumentasi dan carian web. Penemuan ini menekankan bahawa, walaupun AI boleh menghasilkan kod yang berfungsi dalam beberapa saat, ia tidak mengurangkan kos kepakaran kejuruteraan yang sebenar.

Mengapa kajian ini penting

Eksperimen tersebut membahagikan pembangun kepada dua kumpulan. Satu kumpulan menerima akses tanpa sekatan kepada alat penjanaan kod AI; kumpulan yang lain menyelesaikan masalah yang sama hanya dengan menggunakan dokumentasi rasmi dan carian internet. Selepas tugasan selesai, peserta menduduki kuiz untuk menguji pemahaman mereka tentang prinsip-prinsip asas. Skor purata kumpulan yang dibantu AI ketinggalan sebanyak 17 peratus, dan kedua-dua kumpulan tidak menunjukkan sebarang kelebihan kelajuan yang ketara.

Dari segi praktikal, “vibe coding”—memberi arahan (prompting) kepada AI untuk menghasilkan keratan kod dan terus menggunakannya tanpa pemeriksaan mendalam—tidak meningkatkan produktiviti. Ia sekadar menyembunyikan jurang pengetahuan yang kemudiannya akan muncul sebagai pepijat (bugs), masalah penyelenggaraan, atau penulisan semula kod yang menelan kos tinggi.

Konteks di sebalik angka tersebut

Penyelidikan Anthropic menunjukkan bahawa potensinya masih belum lengkap. Peserta yang menggunakan AI untuk setiap langkah—menyalin dan menampal cadangan, mengubah suai nama pemboleh ubah, dan terus beralih ke langkah seterusnya—paling kurang menyerap maklumat tentang domain masalah tersebut. Pembangun yang menganggap alat tersebut sebagai rakan kolaborasi—bertanya soalan yang tepat dan khusus, kemudian membedah kod yang dihasilkan—dapat mengekalkan lebih banyak kerangka konseptual.

Perbezaan ini mencerminkan pemerhatian industri yang lebih luas: jurutera prompt boleh menghasilkan fungsi dalam beberapa minit, tetapi jurutera sistem bergerak lebih pantas apabila kerumitan meningkat. Mereka menjangkakan apa yang akan rosak dan apa yang gagal untuk diskalakan. Kelajuan mereka mencerminkan pertimbangan (judgment), bukannya ketidakcekapan.

Siapa yang menang, siapa yang kalah

Jurutera yang mengekalkan pertimbangan Jurutera yang memahami seni bina, tahu di mana struktur perlu tegar atau fleksibel, dan boleh menulis semula komponen tanpa merosakkan sistem, dapat menjimatkan wang organisasi dalam jangka masa panjang. Kemahiran mereka melindungi daripada hutang teknikal (technical debt) tersembunyi yang sering menyusuli kod janaan AI yang kelihatan bersih tetapi kurang mempunyai niat yang jelas.

Pakar prompt Mereka yang menganggap AI sebagai tongkat sakti boleh menghasilkan prototaip pantas atau menyelesaikan pepijat yang terpencil. Dalam jangka masa pendek, mereka kelihatan produktif, tetapi apabila pangkalan kod (codebase) berkembang, andaian tersembunyi dalam keratan kod janaan AI menjadi liabiliti. Proses penyahpepijatan (debugging) kemudiannya berubah menjadi pencarian niat asal, yang meningkatkan kos penyelenggaraan.

Organisasi Perniagaan yang terlalu bergantung kepada pembangunan berasaskan AI sahaja berisiko menghadapi perbelanjaan masa hadapan yang lebih tinggi: lebih banyak masa dihabiskan untuk penyahpepijatan, penstrukturan semula (refactoring), dan melatih jurutera baharu yang perlu mentafsir kod yang kabur. Syarikat yang menggabungkan bantuan AI dengan amalan kejuruteraan yang berdisiplin akan mendapat manfaat kelajuan sambil mengekalkan kestabilan jangka panjang.

Perincian yang sering diabaikan oleh kebanyakan laporan

  • Impak pembelajaran: Jurang 17 peratus itu diukur melalui kuiz yang menguji pemahaman, bukan sekadar ingatan tentang sintaks. Ia menunjukkan hakisan sebenar model mental, bukan sekadar pengetahuan luaran.
  • Masa penyelesaian tugasan: Walaupun terdapat daya tarikan kod segera, kajian mendapati tiada perbezaan yang signifikan secara statistik dalam tempoh masa setiap kumpulan mengambil untuk menyiapkan tugasan. Peningkatan kelajuan hanyalah ilusi.
  • Kaedah adalah penting: Kajian tersebut menonjolkan spektrum penggunaan AI. Kebergantungan sepenuhnya kepada AI menghasilkan hasil pembelajaran yang paling lemah, manakala penggunaan prompt yang terpilih dan bersifat ingin tahu menghasilkan keputusan yang lebih baik. Tajuk berita yang mengisytiharkan “AI menjadikan pengekodan lebih pantas” sering terlepas nuansa ini.

Hujah balas: AI tidaklah tidak berguna

Kajian ini tidak menafikan manfaat khusus; ia sekadar memberi amaran agar tidak menganggap manfaat tersebut terpakai kepada keseluruhan proses pembangunan perisian. Apabila masalah melibatkan reka bentuk sistem, penalaan prestasi, atau pertimbangan keselamatan, pertimbangan manusia tetap tidak dapat digantikan.

Kesimpulan

AI boleh memberikan anda papan selaju, tetapi tanpa pengetahuan tentang brek dan stereng, anda akan terbabas apabila jalan berliku. Teknologi ini merendahkan halangan untuk menulis kod, namun kekurangan tetap wujud dalam kalangan jurutera yang boleh menaakul tentang sistem, menjangkakan kegagalan, dan memastikan perisian terus berfungsi apabila ia berkembang. Melabur dalam pertimbangan tersebut, berbanding berharap agar satu arahan (prompt) dapat menggantikannya, kekal sebagai cara paling bijak untuk mengawal kos jangka panjang.