Badania Uniwersytetu Stanford: Polscy programiści odnoszą największe korzyści z AI [KOMENTARZ]

• Jak AI zmienia sposób, w jaki programiści kodują?
• Polscy programiści korzystający z AI generują więcej kodu, który trzeba później poprawić
• Duże modele językowe gorzej radzą sobie z językiem polskim
• Co więc Polska może zrobić jako kraj?

Yegor Denisov-Blanch jest badaczem na Uniwersytecie Stanforda, specjalizującym się w sztucznej inteligencji oraz jej wpływie na inżynierów oprogramowania i pracowników wiedzy — czyli wszystkich, których praca opiera się na klawiaturze i ekranie. Jego badania koncentrują się na tym, jak powszechna adopcja AI wpływa na produktywność, jakość pracy i przyszłość pracy cyfrowej.

Jak AI zmienia sposób, w jaki programiści kodują?

Badacz poinformował, że wraz z zespołem badawczym ze Stanford obserwowali to, jak AI zmienia sposób, w jaki programiści kodują. Przeprowadzone badania miały charakter globalny, ale - w jego ocenie - efekty w Polsce okazały się zaskakująco interesujące. Nie chodzi tu tylko o liczby – ale także o dowód na to, że w polskim środowisku programistów jest miejsce dla pewnej odwagi technologicznej – skomentował.

Najnowsze badania przeprowadzone przez zespół badawczy na Stanford objęły niemal 100 tysięcy inżynierów programistów z ponad 500 firm, z tego grona ponad 4 tysiące było z Polski. Denisov-Blanch odnosząc się do wyników badań, przekazał, że Polscy programiści, stosując AI, osiągnęli wzrost produktywności na poziomie 18,8 proc., co stawia ich powyżej średniej europejskiej i niemal na równi z USA.

Polska niestety znajduje się w ogonie UE pod względem ogólnej adopcji AI. Według Eurostatu jedynie Rumunia wypada gorzej. Skąd więc tak wysoka efektywność? Odpowiedź jest prosta: ci nieliczni, którzy z AI korzystają, to prawdziwi pasjonaci – innowatorzy, którzy robią więcej, szybciej, często lepiej – skomentował ekspert.

Polscy programiści korzystający z AI generują więcej kodu, który trzeba później poprawić

Z badania wynika, że Polscy programiści korzystający z AI generują więcej kodu, który trzeba później poprawić. Co to znaczy? Z jednej strony może to świadczyć o dużym tempie pracy i gotowości do eksperymentowania, z drugiej – o ryzyku, że zbyt szybko ufamy automatyzacji. W naszej analizie postanowiliśmy przyjrzeć się bliżej, co może za tym stać. Podczas gdy inne kraje „marnują” jedną jednostkę kodu na osiem, Polacy – dwie na dziewięć. Procentowo wygląda to tak, że jedni „marnują 12,5 proc., a drudzy aż 22 proc.. Może to znak innowacyjności, a może pośpiechu. Optymiści powiedzą: „to eksperymentatorzy!”. Pesymiści: „to brak QA.” – wytłumaczył badacz. Quality Assurance jest to proces sprawdzania, czy kod działa poprawnie i nie zawiera błędów, zanim trafi do użytkowników.

Podkreślił także, że inżynierowie zatrudnieni w polskich oddziałach zagranicznych firm wykazywali wyższy wzrost produktywności niż ci pracujący w firmach lokalnych. Jednak po uwzględnieniu języka zapytań do AI (np. po angielsku), różnice te niemal znikają. Innymi słowy – AI po prostu „lepiej rozumie” język Szekspira niż Mickiewicza – dodał.

Duże modele językowe gorzej radzą sobie z językiem polskim

Badacz zaznaczył, że duże modele językowe (LLM), na których działa większość narzędzi AI, po prostu gorzej radzą sobie z językiem polskim. Trudniejsza gramatyka i znacznie mniejsza ilość danych treningowych sprawiają, że AI szybciej, ale też lepiej pomoże nam po angielsku niż po polsku – wytłumaczył. Ale nie wszystko stracone. Według raportu Amazon Web Services, adopcja AI w Polsce wzrosła w ostatnim roku o 36 proc. – i to jest najszybciej w całej UE. To oznacza, że może jeszcze nie jest liderem, ale sprint właśnie się zaczął, a dystans zaraz się zmniejszy - powiedział.

Co więc Polska może zrobić jako kraj?

Ekspert wymienił edukację, inwestycje w przyjazne AI środowisko oraz większe wsparcie dla lokalnych firm wdrażających sztuczną inteligencję. Warto też, żebyśmy jako użytkownicy uczyli się zadawać pytania AI… po angielsku. Na razie działa szybciej. Jeśli chcemy skorzystać w pełni z AI, nie wystarczy tylko czekać, aż technologia sama się dostosuje. Musimy aktywnie działać – rozwijać nasze kompetencje, wspierać tłumaczenia, trenować lokalne modele językowe i inwestować w edukację. To nie jest tylko technologia. To narzędzie, które – przy odpowiednim podejściu – może zmienić sposób, w jaki pracujemy, uczymy się i rozwijamy – podsumował Yegor Denisov-Blanch.