ביקורות קוד: צוואר הבקבוק החדש בפיתוח AI

הם כותבים שורות קוד בשניות, בונים אפליקציות בלי לדעת לתכנת – ומשאירים אתכם להתמודד עם ההשלכות. בעולם שבו AI כבר כותב 42% מהקוד שלכם, צוותי הפיתוח מוצאים את עצמם תקועים בביקורות שיכולות להאט את הכול.

אז מה קורה כאן?

מחקר חדש מתעשיית הפיתוח מראה תמונה ברורה: כלי AI לכתיבת קוד הפכו לדבר שבשגרה. מתוך סקר של 1,100 מתכנתים, 72% משתמשים בהם מדי יום. ואם אתם חושבים שמדובר רק באוטומציה של משימות קטנות – תחשבו שוב. בערך 42% מבסיסי הקוד של חברות נוצרו כיום ב-AI או נעזרו בו. התחזיות אומרות שבתוך שנה, AI יכתוב יותר ממחצית מהקוד בארגונים.

אך הסיפור המעניין יותר הוא עלייתה של 'Vibe Coding' – גישה שבה אנשים ללא רקע פורמלי בפיתוח משתמשים במודלים גדולים של שפה (LLMs) כדי לבנות אפליקציות. ראינו את זה קורה: וטרינרית לשעבר השתמשה בה כדי לבנות אפליקציה לניטור זריקות אינסולין לחתול שלה. התומכים טוענים ש-Vibe Coding מנגישה את הפיתוח ומאפשרת לכל אחד להגשים רעיונות דיגיטליים. זה נשמע מבטיח, אבל יש צדדים כהים.

הצד הכואב: פרצות, באגים וחוב טכני

חוקרים מ-Georgia Tech סרקו 43,000 ייעוצי אבטחה ברבעון הראשון של השנה – וגילו 74 חולשות שמקורן בקוד שנכתב על ידי AI. מתוכן, 14 הוגדרו קריטיות. אם זה נשמע כמו מספר קטן, שימו לב לנתון: מכיוון שניתן לזהות רק קוד שדווח כ-AI-Generated, החוקרים מעריכים שהמספר האמיתי גבוה פי 5 עד 10. בעולם שבו כל שורת קוד עלולה להיות פגיעה, זה כבר משנה את המשחק.

קוד AI נראה לעיתים חלק על פני השטח, אך מסתיר טעויות כמו הנחות שגויות או תקלות אבטחה עדינות שמתגלות רק לאחר הפריסה. התיקון שלהן יכול למחוק את כל הרווחים בפרודוקטיביות שה-AI הבטיח. כפי שאחד מה-CTOs אמר: "אני לא יודע אם אי פעם נוכל לבטוח לחלוטין ביצירת קוד באמצעות סוכנים אוטומטיים."

מבדק אנושי: עודף ה-Code Reviews שמציף צוותים

כאן נכנס צוואר הבקבוק. AI כותב מהר – כל כך מהר שהביקורות עלולות להפוך לכאב ראש מטורף. דוגמאות מהשטח: ב-Synthesia, חברת וידאו מבוססת AI, אחרי ש-118 מהנדסים עברו לשימוש בכלי AI, מספר ה-Pull Requests קפץ ב-120% בתוך שנה. 95% מהבקשות הללו מכילות קוד AI. ב-Bonterra, ספקית תוכנה למלכ"רים, ההצעות לשינויים גדלו פי שלושה, וזמן הביקורת שולש.

צוותי הפיתוח ב-Amazon, Bonterra ואחרים מפתחים אסטרטגיות חדשות. למשל, הם כותבים מפרט מפורט לפני ש-AI מתחיל ליצור קוד – כדי למנוע טעויות מראש. אחרים משתמשים בסוכני AI ייעודיים שסוקרים קוד אוטומטית ובודקים התאמה למפרטים, לתקני אבטחה או לדרישות נגישות. בסופו של דבר, ההערכה הזו נשארת אנושית: "Agents עושים את הקריאה, והאנשים עושים את השיפוט," כפי שאמרה מנהלת טכנולוגית ב-Bonterra.

אך לאנשי ה-QA יש דאגה נוספת: 'תיאטרון אישור' – שבו מהנדס מאשר קוד רק מכיוון שהוא עובד, בלי להבין את הבחירות שמאחורי השורות. חברות כמו Temporal מטילות את האחריות על המגיש; על המגישים להסביר במילים שלהם את עיצוב הסוכן ולהוכיח שהקוד מטפל בתנאים חריגים. "אנו מסרבים שהביקורת תהיה מזבלה לפלט לא מסומן," אמר ה-CEO שלהם.

ומה עם הדור הבא?

אם AI כותב את כל הקוד הקל, מה ילמדו המהנדסים הזוטרים? כאן עולה דאגה אמיתית. חברות מדווחות שג'וניורים עושים פחות קידוד ישיר ויותר ניתוח קוד AI. IBM, למשל, נותנת לצעירים פרויקטים שיועדו בעבר לסניורים – עם AI כעוזר. אם משהו לא עובד, עליהם לאתר את הבעיה. "AI עוזר לבצע 70%–80% ממטלות שפעם דרשו מהנדס בכיר," מעריך בכיר בחברה.

ב-Synthesia, ג'וניורים עובדים עם קולגה בכיר וגם עם סוכן AI, לוקחים אחריות על חלקים מפרויקטים ולומדים איך להגדיר מה קוד מוצלח אמור לבצע. הרעיון הוא לשמור אותם מעורבים בהחלטות – לא רק בתחום הבדיקות.

סיכום: מה הלאה?

התופעה הזו לא הולכת להיעלם. AI ימשיך לכתוב יותר קוד, והביקורות יישארו אתגר מרכזי. חברות יצטרכו להשקיע באוטומציה חכמה ובהכשרה מתמדת, ואולי לעדכן את שיטות הפיתוח. בסופו של יום, אולי נצטרך AI שיבדוק את ה-AI.