Stack Overflowの最近の49,000人のプロの開発者に関する調査では、開発者とAIコーディングツールの複雑な関係が明らかになりました。これらのツールの使用は広まっていますが、その正確性に対する信頼は低下しています。この調査では、AIを開発者ワークフローに統合することに関連する利点と不満の両方を強調しています。
調査では、5人の開発者に4人の大多数が2025年の時点でワークフローにAIツールを利用していることがわかりました。これは、ソフトウェア開発環境におけるAIの迅速な採用を示しています。ただし、この広範な採用は、これらのツールの精度に関する信頼性の低下と相まっています。 AIの精度に対する信頼は、過去の40％から今年の29％に減少しました。
Stack Overflow Surveyによると、回答者の45％が引用した最も顕著な欲求不満は、「ほぼ正しいAIソリューションですが、完全ではない」に集中しています。この問題は、出力が正しいように見えるかもしれないが、デバッグの課題につながる可能性のある微妙なエラーが含まれている予測技術の性質に由来します。明らかに間違っている出力とは異なり、これらのニアミスは、特にAIへの依存のおかげで誤った自信を持って仕事にアプローチしたジュニア開発者にとって、すぐに特定するのが難しく、比較的時間がかかる他の問題を導入できます。
これらの不正確さの結果は、スタックオーバーフローなどのリソースへの依存の増加において明らかです。調査対象の開発者の3分の1以上は、オーバーフローをスタックするための訪問の一部がAI関連の問題の結果であると報告しています。これは、LLMベースのツールから受け入れられたコード提案が、解決するために外部支援を必要とする問題を導入していることを示しています。推論が最適化されたモデルの最近の進歩があっても、AIツールの固有の信頼性は依然として懸念事項です。
懐疑論と欲求不満にもかかわらず、開発者はさまざまな理由でAIツールを使用し続けています。場合によっては、マネージャーは使用を奨励または使用する必要があります。ただし、より一般的には、開発者はこれらのツールが適切に適用されると有益であると感じています。重要なのは、AIツールのベストプラクティスと制限を理解し、適切なトレーニングでワークフローに統合することにあります。これにより、ツールが効果的に使用され、解決または節約よりも多くの時間を無駄にするよりも多くの問題が発生しないことが保証されます。
この調査では、開発者がAIツールを効果的に活用する方法についても明らかにしています。開発者は、盲目的にオートコンプリートの提案を受け入れるのではなく、それらを出発点として扱い、出力を批判的に評価する必要があります。 AIツールは、問題を特定したり、よりエレガントなソリューションを提案するなどのタスクに役立つ可能性がありますが、慎重に検討せずに完全な方法に依存するべきではありません。
AIツールが有益である可能性のあるもう1つの領域は、新しい言語、フレームワーク、または方法論を学習することです。 LLMSは、質問に対するターゲットの回答を提供することにより、学習プロセスの摩擦を減らすことができます。これは、しばしば不完全な技術文書をナビゲートするときに特に役立ちます。これは、ソリューションとガイダンスを求める開発者のためのリソースとしてのスタックオーバーフローの従来の役割と一致しています。
Stack Overflowは、AIがプラットフォームに与える影響を認め、それが提示する課題と機会に対処することに取り組んでいます。 Stack OverflowのチーフプロダクトおよびテクノロジーオフィサーのJody Baileyによると、「トラフィックが減少したことはありませんが、一部の人が示すほど劇的なことはありません。」同社は、AIツールリテラシーを拡大し、コミュニティディスカッションを促進するためにリソースを割り当て、これらのツールを含むワークフローに固有の問題を解決するのに役立つことを計画しています。
この調査では、「雰囲気のコーディング」の概念も取り上げられ、参加者の72％が専門的な仕事の一部ではないと述べています。これは、開発者が信頼性を優先し、特に生産環境で非難する困難な問題をもたらす可能性のあるプラクティスを回避することを示唆しています。
結論として、Stack Overflow Developer Surveyは、開発者とAIコーディングツールの間の進化する関係を強調しています。これらのツールの採用は広まっていますが、その正確性への信頼は低下しており、開発者はそれらをワークフローに効果的に統合するという課題に取り組んでいます。 AIツールリテラシーを促進し、コミュニティの議論を促進することにより、Stack Overflowは、開発者がAIの複雑さをナビゲートし、その可能性を活用しながらリスクを軽減するのを支援することを目指しています。
