AI ব্যবহার করে অভিজ্ঞ ডেভেলপারদের কাজ দ্রুত মনে হয়েছিল, কিন্তু মাপে তারা ধীর হয়েছিলেন — আসল ফলটি এটাই, AI কোডিংয়ের চূড়ান্ত রায় নয়

অভিজ্ঞ ডেভেলপাররা AI ব্যবহার করে নিজেকে দ্রুত মনে করেছিলেন—কিন্তু মাপা সময়ে তারা ধীর ছিলেন; আসল ফল এটিই, AI কোডিংয়ের চূড়ান্ত রায় নয়

একজন অভিজ্ঞ প্রোগ্রামারকে জিজ্ঞেস করলে AI কোডিং সহকারী তাকে দ্রুত করে কি না, প্রায়ই একটি সংখ্যা শোনা যায়: 20%, 30% সময় বাঁচে। অর্থনীতিবিদ বা মেশিন-লার্নিং গবেষকদের অনুমান আরও বড় হতে পারে। 2025 সালের শুরুতে METR-এর একটি দল এই প্রশ্নে ধীর ও ব্যয়বহুল কাজটি করল: সরাসরি মেপে দেখল। 16 জন অভিজ্ঞ ওপেন-সোর্স ডেভেলপারকে তাদের খুব পরিচিত বড় কোডবেস থেকে 246টি বাস্তব কাজ দেওয়া হয় এবং প্রতিটি কাজ আলাদা করে এলোমেলোভাবে বণ্টন করে ঠিক করা হয় কখন AI সরঞ্জাম ব্যবহার করা যাবে, কখন যাবে না। তারপর কাজ শেষ করতে কত সময় লাগে তা মাপা হয়।

ডেভেলপাররা আগেই অনুমান করেছিলেন AI কাজের সময় প্রায় 24% কমাবে। ঘটল উল্টো: AI-সহ কাজ শেষ করতে 19% বেশি সময় লাগল। আরও আকর্ষণীয় অংশ হলো—কাজ শেষ করার পরও একই ডেভেলপাররা বিশ্বাস করছিলেন AI তাদের প্রায় 20% দ্রুত করেছে। তারা মাপা সময়ে ধীর, অনুভবে দ্রুত। এই দুই সংখ্যার দূরত্বই গবেষণাটির সবচেয়ে গুরুত্বপূর্ণ ফল।

এটি বাস্তব এবং যত্নসহকারে মাপা ফল। কিন্তু এটি 16 জন ডেভেলপার, নিজেদের অতি পরিচিত কোডভাণ্ডার, এবং প্রাথমিক-2025 সরঞ্জামের সময়ের একটি চিত্র। তাই এটি “AI ডেভেলপারদের ধীর করে” এমন সর্বজনীন বাক্য নয়। একই গবেষণা দলের পরের তথ্য ইতিমধ্যেই অন্য দিকে ইঙ্গিত করেছে।

গবেষকেরা কী করেছেন

• METR-এর Joel Becker, Nate Rush, Beth Barnes ও David Rein একটি র‌্যান্ডমাইজড নিয়ন্ত্রিত পরীক্ষা চালান। 16 অভিজ্ঞ উন্মুক্ত-উৎস ডেভেলপার নিজেদের নিয়মিত অবদান রাখা বড় কোডবেসে কাজ করেন; নির্দিষ্ট প্রকল্পে গড় অভিজ্ঞতা প্রায় পাঁচ বছর।
• প্রকল্প সমস্যা ট্র্যাকার থেকে নেওয়া 246 বাস্তব কাজ—ত্রুটি সংশোধন, বৈশিষ্ট্য ও রিফ্যাক্টর—ব্যবহার করা হয়। প্রতিটি কাজ এলোমেলোভাবে “AI অনুমোদিত” বা “AI অননুমোদিত” করা হয়।
• AI-অনুমোদিত শর্ত ছিল Cursor Pro + Claude 3.5/3.7 Sonnet, অর্থাৎ প্রাথমিক-2025 সরঞ্জামব্যবস্থা। প্রধান ফলাফল ছিল বাস্তব সম্পূর্ণতা সময়। পাশাপাশি ডেভেলপারদের কাজের আগের পূর্বাভাস, পরবর্তী-কাজ অনুমান এবং অর্থনীতিবিদ/ML বিশেষজ্ঞ পূর্বাভাস সংগ্রহ করা হয়।

তাঁরা কী পেয়েছেন

• AI ব্যবহার করলে কাজ 19% বেশি সময় নিয়েছে। 95% আস্থার ব্যবধান প্রায় +2% থেকে +39%; অর্থাৎ সুনির্দিষ্ট প্রভাবের মাত্রা অনিশ্চিত হলেও দিক এই নমুনায় যথেষ্ট কঠিন।
• সবাই উল্টোটা পূর্বাভাস করেছিল। ডেভেলপার ~24% গতি বৃদ্ধি, ML বিশেষজ্ঞ ~38%, অর্থনীতিবিদ ~39% আশা করেছিলেন। বাস্তব স্টপওয়াচ কিছু গতি বৃদ্ধি নয়, মন্থরতা দেখায়।
• উপলব্ধি ব্যবধান: কাজ শেষে ডেভেলপাররা এখনও মনে করেছিলেন AI তাদের ~20% দ্রুত করেছে। অনুভূত প্রভাব ও পরিমাপিত প্রভাবের ব্যবধান প্রায় 40 শতাংশ বিন্দু।
• লেখকেরা সম্ভব ব্যাখ্যাগুলোকে অনুমান হিসেবে সাজান, রায় হিসেবে নয়: পরিচিত কোডভাণ্ডারে বিশেষজ্ঞের নিজস্ব প্রেক্ষাপট সুবিধা; পরিণত প্রকল্পের অন্তর্নিহিত মান মানক; কোডবেসের প্রেক্ষাপট মডেলের বাইরে থাকা; প্রম্পট লেখার সময়; AI আউটপুট পর্যালোচনা/সংশোধন খরচ।

এটি কী দেখায় না

• AI অধিকাংশ ডেভেলপারকে ধীর করে—এটি দেখায় না। লেখকেরা নিজেরাই বলেন, 16 বিশেষজ্ঞ পরিচিত কোডভাণ্ডার গড় ডেভেলপার/কাজের প্রতিনিধি নয়।
• নতুন ডেভেলপার, নতুন প্রকল্প, অপরিচিত ভাষা, ছোটতর কোডভাণ্ডার বা অন্য ক্ষেত্রে AI অকার্যকর/ধীর—এমন উপসংহার নয়।
• সরঞ্জাম মান স্থির—না। এটি প্রাথমিক-2025 Cursor এবং Claude 3.5/3.7 Sonnet। সরঞ্জাম বা ব্যবহারের ধরন উন্নত হলে একই বিন্যাসেও ফল বদলাতে পারে।
• এটি প্রিপ্রিন্ট (জুলাই 2025), তখন সহকর্মী পর্যালোচনা সম্পন্ন ছিল না; লেখকেরা পরীক্ষামূলক কৃত্রিম প্রভাব পুরোপুরি পুরোপুরি বাদ দিতে পারেননি, যদিও ফল বিভিন্ন দৃঢ়তা যাচাইয়ে টিকে ছিল।
• “ডেভেলপাররা হয়তো অন্যভাবে লাভবান হয়েছে—শিখেছে, আরও সন্তুষ্ট ছিল, ভালো কোড লিখেছে”—এই আশ্বস্তকর গল্প গবেষণা প্রমাণ করে না। পরিমাপিত ব্যক্তিনির্ভর দাবি ছিল অনুভব করেছেন গতি বৃদ্ধি, আর সেটিই তথ্যের সঙ্গে অসম্মত হয়েছে।

প্রমাণ কতটা শক্তিশালী?

নকশা অস্বাভাবিকভাবে শক্তিশালী। র‌্যান্ডমাইজেশন, বাস্তব সমস্যা, পরিচিত কোডভাণ্ডার এবং বাস্তব সময় পরিমাপ স্ব-প্রতিবেদন/মানদণ্ড-ভারী গবেষণা-সাহিত্যের তুলনায় বড় উন্নয়ন। 19% মন্থরতা লেখকদের দৃঢ়তা বিশ্লেষণেও থাকে।

সবচেয়ে স্থানান্তরযোগ্য সিদ্ধান্ত উপলব্ধি ব্যবধান। বিশেষজ্ঞ নিজস্ব উৎপাদনশীলতা পরিবর্তন সম্পর্কে ~40 শতাংশ বিন্দু আশাবাদীভাবে ভুল ছিল। AI উৎপাদনশীলতার স্ব-প্রতিবেদন শুনলে এই ফল সতর্ক করে: মানুষ নিজের গতি পরিবর্তন খুব বিশ্বাসযোগ্যভাবে অনুমান নাও করতে পারে।

এটি একটি সময়বিন্দুর ছবি, দীর্ঘমেয়াদি প্রবণতা নয়। METR-এর ফেব্রুয়ারি 2026 অনুসরণী বিশ্লেষণে একই ধরনের ডেভেলপার কিন্তু নতুনতর সরঞ্জাম ব্যবহার করে কিছুটা গতি বৃদ্ধির সংকেত দিয়েছেন—ফিরে আসা ডেভেলপারদের ক্ষেত্রে আনুমানিক −18%, নতুনদের ক্ষেত্রে −4%। লেখকেরা একে দুর্বল প্রমাণ বলেন, কারণ অংশগ্রহণকারী নির্বাচনের ধরন বদলেছে: ডেভেলপাররা AI ছাড়া কাজ করতে ক্রমে অনিচ্ছুক হয়েছে, পারিশ্রমিকের হার কমেছে এবং বেছে নেওয়া কাজের ধরনেও পক্ষপাত থাকতে পারে। তাই সতর্ক পাঠ হলো: প্রভাব বদলাচ্ছে হতে পারে, কিন্তু সেই পরিবর্তনটিও অনিশ্চিত।

কেন এটি গুরুত্বপূর্ণ

AI কোডিং নিয়ে আলোচনা প্রায়ই ডেমো, ব্যক্তিগত অনুভূতি ও ব্যক্তিগত অভিজ্ঞতার গল্পে আটকে যায়। এই গবেষণার মূল্য হলো বিরক্তিকর কিন্তু শক্ত পদ্ধতি: এলোমেলোভাবে বণ্টন করা, বাস্তব কাজের সময় মাপা, তারপর অংশগ্রহণকারীদের নিজেদের অভিজ্ঞতাও জিজ্ঞেস করা। ফলটি দুই পক্ষের সহজ গল্পই ভেঙে দেয়। “AI সব বিশেষজ্ঞকে বহুগুণ দ্রুত করে” এখানে ভুল; আবার “AI কোডিং প্রমাণিতভাবেই ধীর” বলাও অতিরঞ্জিত, কারণ পরবর্তী তথ্য ইতিমধ্যে অন্য দিকের সংকেত দিচ্ছে।

সবচেয়ে স্থায়ী শিক্ষা খুব মানব: মানুষ পরিমাপিতভাবে ধীর ছিল, কিন্তু নিজেকে দ্রুত মনে করেছে। “দ্রুত মনে হচ্ছে” প্রমাণ নয় যে সত্যিই দ্রুত। পরিমাপ করুন।

সংক্ষিপ্ত সারাংশ

METR-এর র‌্যান্ডমাইজড পরীক্ষায় 16 অভিজ্ঞ উন্মুক্ত-উৎস ডেভেলপার নিজেদের পরিচিত কোডভাণ্ডারে 246 বাস্তব কাজ করেন। এলোমেলো অর্ধেকে প্রাথমিক-2025 AI সরঞ্জাম (Cursor Pro + Claude 3.5/3.7 Sonnet) অনুমোদিত ছিল। ডেভেলপাররা ~24% গতি বৃদ্ধি আশা করলেও AI শর্তে কাজ সম্পূর্ণতা সময় 19% বেড়েছে; কাজ শেষে তারা তবুও ~20% গতি বৃদ্ধি হয়েছে বলে মনে করেছেন। উপলব্ধি ব্যবধান গবেষণাটির সবচেয়ে শক্তিশালী শিক্ষা। কিন্তু নমুনা ছোট, বিন্যাস সংকীর্ণ, সরঞ্জাম সময়ের একটি চিত্র সময়নির্ভর, এবং লেখকদের 2026 অনুসরণী বিশ্লেষণে নতুনতর সরঞ্জামে গতি বৃদ্ধির দিকে দুর্বল সংকেত দেয়। এটি সতর্ক কারণগত পরিমাপ—AI কোডিংয়ের চূড়ান্ত রায় নয়।