AI som kodarkitekt : En kvantitativ utvärdering av AI-genererad kodkomplexitet i objektorienterad kod

Sammanfattning

I takt med att generativ Artificiell Intelligensen (AI) har börjat användas inom mjukvaruutveckling väcks även frågor kring den genererade kodens kvalitet. Samtidigt som tekniken möjliggör en snabbare produktionstakt, kan komplex och rörig kod på sikt bygga upp en teknisk skuld. Medan tidigare forskning främst undersöker kodens procedurella kodkomplexitet, lämnas objektorienterad arkitektonisk komplexitet outforskat. Denna studie ämnar att fylla denna kunskapslucka genom att applicera C&K-metriken på AI-genererade kodprojekt skrivna i C#. Studien genomför ett formellt experiment, där AI-modellerna Claude Opus 4.6, Gemini 3.1 Pro och GPT-5.4 instrueras att utveckla en mindre e-handelswebbsida för att sedan jämföra detta med ett mänskligt skrivet best-practice-projekt. Studiens resultat visar att samtliga modeller genererar kod vars C&K-värden i genomsnitt är jämförbart med ett best-practice-projekt där modellerna överlag skapade välstrukturerad kod. GPT-5.4 och Gemini 3.1 Pro presterade för det mesta nära referensprojektet och genererade allmänt stabila resultat, medan Claude Opus 4.6 presterade mer oförutsägbart och skapade en mindre väluppdelad kodarkitektur.