De integratie van generatieve AI-agenten in de softwareontwikkeling zorgt voor een onmiddellijke versnelling van het programmeerproces. Echter, er groeit de bezorgdheid dat deze snelheid ten koste gaat van de duurzaamheid van de code. In een recent onderzoek met de titel "AI Writes Code, Humans Pay the Debt" analyseren wetenschappers de relatie tussen AI-gegenereerde implementaties en de opbouw van technische schuld.
TTechnische schuld ontstaat wanneer er wordt gekozen voor een snelle, suboptimale oplossing die in de toekomst hersteld of geoptimaliseerd moet worden. Volgens een publicatie op arxiv.org is het doel van de onderzoekers om empirisch vast te stellen welke trade-offs er ontstaan bij agent-gebaseerde ontwikkeling. Hierbij wordt specifiek gekeken naar de nauwkeurigheid van de lokalisatie van problemen en hoe verschillende Large Language Models (LLM's) variëren in de kwaliteit van de code die zij produceren.
Om deze effecten te meten, maken de onderzoekers gebruik van de SQuaD-dataset, die ruim 628.000 issue-tickets bevat. De methodologie houdt in dat AI-agenten implementaties genereren voor deze specifieke issues, waarna deze worden vergeleken met de daadwerkelijke commits van menselijke programmeurs. Door middel van statische analyse-instrumenten wordt op commit-niveau en over verschillende releases heen onderzocht hoe de code evolueert. De studie, die is geaccepteerd als 'registered report' voor ESEM 2026, is mede uitgevoerd door experts zoals Antonino Coppola, Matteo Esposito, Rick Kazman en Valentina Lenarduzzi.
De onderzoekers verwachten dat er een aanzienlijk verschil zal zijn in de lange-termijn evolutie van de code tussen menselijke en AI-gegenereerde versies. Zoals beschreven in de documentatie op , ligt de focus op de divergentie in lokalisatienauwkeurigheid en de mate waarin nieuwe technische schuld wordt geïntroduceerd. Deze inzichten moeten bijdragen aan een verantwoordere implementatie van AI-tools, zodat ontwikkelaars beter kunnen inschatten wanneer handmatige controle noodzakelijk is om toekomstige onderhoudsproblemen te vermijden.
Hoewel dit onderzoek zich richt op de technische levensduur van software, sluit dit aan bij bredere principes van duurzaamheid. In algemene zin gaat duurzaamheid over het creëren van condities die zowel de huidige als toekomstige generaties ondersteunen, zoals uiteengezet door de epa.gov. In de context van software engineering betekent dit dat code niet enkel functioneel moet zijn op het moment van oplevering, maar ook beheersbaar en aanpasbaar moet blijven over de tijd.
Het fundamentele risico dat uit de studie naar voren komt, is dat de korte-termijn productiviteitswinst van AI-agenten kan resulteren in een structurele last voor de menselijke ontwikkelaars die de systemen op termijn moeten onderhouden. De volledige details en de voortgang van dit onderzoek zijn beschikbaar via de .