AI උපාංගයන් – GitHub Copilot, ChatGPT වැනි – දැන් බොහෝ සංවර්ධකයින්ගේ දෛනික සංග්රහයකි. ඒවා කේත කොටස් ලිවීමට කාලය කපාට කරන්නේ, අලුත් අදහස් හෝ සින්තැක්ස් එකතු කරන්නේ යන වගෙන්. එය නව ආකාරයකින් වැඩේ ඉක්මනින් කරගැනීමට හැකියාව දෙනවා.
කොහොමද එය ක්රියාත්මක වූයේ? 2025 වර්ෂයේ කරන ලද අධ්යයනයක් අනුව, පළපුරුදු විවෘත-මූලාශ්ර සංවර්ධකයන් AI මෙවලම් භාවිතා කරන විට, පුරුදු කේත ගබඩාවල 19% ක පමණ වේගය අඩු වුණා. ඒත් ඔවුන් තමන් 24% වේගවත් වෙයි කියලා හිතාගෙන, අවසානයේ 20% ක වාසියක් පමණක් ඇතුළත් කළා. තරුණ සංවර්ධකයන්ට එ් වෙනස් – 10% සිට 30% දක්වා කාර්යක්ෂමතාව වැඩි වුණා, ඒත් ඒ වැඩිවීම පමණක් සීමා වූ කාර්යයන්ටයි.
කණ්ඩායම් මට්ටමේ බලපෑම තවත් වැදගත්. කේත ලිවීමේ වේගය 30‑40% ඉහළ ගියත්, සැලසුම්, පරීක්ෂණ, නිකුතුව වැනි පියවරවල අත්කඩ තත්වය අඩු නම්, සමස්ථ පාරිභෝගික ප්රවාහය 10% ට අඩු වශයෙන්ම ඉහළ ගිය හැක. නව පර්යේෂණ අනුව, කේත සමාලෝචන කාලය දිගු වීම, කේත churn 3% සිට 6% දක්වා ඉහළ යාම, AI‑සාදන කේතයේ ආරක්ෂණ දෝෂ 3 ගුණයකට වැඩි වීම වැනි අතුරු ප්රතිඵල දක්නට ලැබුණා.
ඇයි මේ වැදගත්? මෙය "flow‑efficiency" ගැටළුවක්. කේත ලිවීමේ පියවර වේගවත් කරද්දී, වැඩේ පසු පියවරට – මනෝ සමාලෝචනය, QA – වඩාත් වේගයෙන් පැමිණේ. එම පියවරේ සම්පත් සීමා වූ විට, කාර්ය බාරය රැස්වීමෙන් පිරිසට වැඩේ තවත් දිගු වේලාවකට රැඳේ. කේත ලිවීමේ වේගය වැඩි කිරීම පද්ධතියේ මුළු වේගය වැඩි කරන්නේ නැත; ඒක නව බොත්තලේ තැන ගෙන යයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
- තරුණ සංවර්ධකයින් AI උපාංග භාවිතයෙන් ඉගෙනීමේ වේගය වැඩි කර ගත හැක; එය රැකියා අරමුණු ඉලක්ක කරගැනීමට උපකාරී.
- ආරක්ෂණ අවදානම වැඩි වන බැවින්, ශ්රී ලංකාවේ IT ආයතන වලට සමාලෝචන, පරීක්ෂණ පියවරවලට අධික සම්පත් වෙන් කිරීම අත්යවශ්ය.
- කණ්ඩායම් ප්රවාහය මැනීමේ මට්ටම උසස් කර, DevOps ක්රමවේදයන් සමඟ AI‑සහයෝගිතා හොඳින් සමීප කළහොත්, ව්යාපාරික නිෂ්පාදන වේගය හා ගුණාත්මකභාවය දෙකම ඉහළ යයි.
ඉතින් AI අඩු නොවන වටිනාකමක් ගෙන ආවා. නමුත් එය සාර්ථකව භාවිතා කිරීමේ මූලික කරුණ වන්නේ, සම්පූර්ණ සංවර්ධන ජාලය මත පරමාණුක පරිමාණය මැනීමයි. කේත ලිවීමේ වේගය පමණක් නොබලන්න; පසු පියවරේ බොත්තලේ තැන කුමක්දැයි සොයා ගත යුතුය.
