Ankieta przeprowadzona wśród 1260 naukowców społecznych wykazała, że 81% z nich korzysta z narzędzi sztucznej inteligencji w swojej pracy, ale tylko 20% przyjęło agentów kodujących — programy takie jak Claude Code, które potrafią samodzielnie pisać i debugować kod. Wyniki wskazują, że choć AI stało się codziennością w badaniach społecznych, specjalistyczne narzędzia do kodowania wciąż napotykają na stromą krzywą adopcji.
Ogólne użycie AI a agenci kodujący
Badanie przeprowadzone wśród naukowców z dziedzin takich jak socjologia, psychologia i politologia pytało o ich korzystanie z różnych narzędzi AI. Osiem na dziesięć osób stwierdziło, że używa AI do zadań takich jak przeglądy literatury, analiza danych czy pomoc w pisaniu. Jednak gdy pytania dotyczyły agentów kodujących — narzędzi generujących lub modyfikujących kod na podstawie poleceń w języku naturalnym — odsetek spadł do zaledwie jednej piątej.
Agenci kodujący różnią się od ogólnych asystentów AI. Podczas gdy narzędzie takie jak ChatGPT może pomóc w tworzeniu tekstu lub burzy mózgów, agent kodujący jest zaprojektowany do interpretowania instrukcji i tworzenia działającego kodu. Dla naukowców społecznych pracujących z danymi w językach takich jak R czy Python, takie narzędzia mogłyby obniżyć barierę w przeprowadzaniu złożonych analiz. Jednak badanie sugeruje, że większość badaczy nie włączyła ich do swojego przepływu pracy.
Nierównomierna adopcja ze względu na płeć i etap kariery
Badanie ujawniło wyraźne dysproporcje w tym, kto korzysta z agentów kodujących. Mężczyźni częściej niż kobiety zgłaszali ich używanie, a naukowcy na wczesnym etapie kariery przyjmowali te narzędzia w wyższym stopniu niż ich starsi koledzy. Autorzy badania nie podali dokładnych odsetków dla tych podgrup, ale opisali różnice jako „wyraźne".
Te wzorce odzwierciedlają szersze trendy w adopcji technologii, gdzie kobiety i starsi profesjonaliści często pozostają w tyle. Wyniki budzą obawy, że jeśli agenci kodujący staną się coraz ważniejsi w badaniach naukowych, istniejące nierówności mogą się pogłębić. Wśród respondentek wskaźnik adopcji był zauważalnie niższy niż wśród mężczyzn. Badacze, którzy uzyskali doktorat ponad dekadę temu, rzadziej korzystali z tych narzędzi niż ci, którzy zdobyli stopień doktora niedawno.
Czego badanie nie wyjaśnia
Badanie mierzyło użycie, ale nie badało, dlaczego naukowcy decydują się nie korzystać z agentów kodujących. Możliwe przyczyny mogą obejmować brak świadomości, niewystarczające szkolenie lub obawy dotyczące niezawodności. Dane nie pozwalają na wyciągnięcie wniosków na temat przyczyn niskiej adopcji lub dysproporcji.
Jasne jest, że zdecydowana większość naukowców społecznych już czuje się komfortowo z narzędziami AI. Kolejny krok — sprawienie, by przyjęli agentów kodujących — wydaje się większym wyzwaniem. Badanie daje migawkę tego, gdzie znajduje się dziedzina, ale pozostawia otwarte pytanie, jak zamknąć tę lukę.
