Зарубежные СМИ отмечают, что инструменты программирования на основе ИИ в разработческих командах перешли от «опционального» к «стандартному» использованию, однако оптимистичные ожидания относительно повышения эффективности сталкиваются с реальностью, связанной с ростом затрат и проблемами качества. Множество исследований и корпоративных кейсов показывают, что ИИ действительно ускоряет написание кода, но не обязательно снижает количество последующих переделок.
Разработчики больше не хотят отказываться от работы с ИИ
Исследовательская организация METR в феврале этого года сообщила, что исследователи изначально планировали повторить эксперимент по эффективности программирования, сравнивая разницу между написанием кода вручную и использованием ИИ для выполнения задач, но столкнулись с сопротивлением: многие разработчики даже не хотели временно отказаться от инструментов ИИ ради эксперимента.
METR ранее проводил соответствующие тесты в 2025 году. Участники в целом чувствовали, что их эффективность повысилась, но фактические измерения показали обратное: хотя код генерировался быстрее, разработчикам приходилось тратить больше времени на ожидание вывода модели, исправление ошибок и многократное направление инструмента для завершения задачи.
Из-за трудностей с привлечением разработчиков к участию без использования ИИ, METR позже перешла к проведению опроса, в котором технические сотрудники самостоятельно оценили выгоды от использования ИИ. Респонденты в целом сочли, что ИИ удвоил их рабочую ценность.
Компании начинают пересматривать инвестиции в ИИ
Статья отмечает, что такие суждения, основанные на ощущении повышенной эффективности, сейчас проверяются на практике за счет корпоративных расходов и реального объема производства. С 2026 года в Силиконовой долине一度流行使用 token-потребление в качестве меры интенсивности использования ИИ, даже рассматривая его как прокси-индикатор производительности, но этот подход уже начал давать обратный эффект.
На этой неделе британская газета Financial Times сообщила, что Amazon закрыла внутренний рейтинг токенов Kirorank из-за того, что сотрудники использовали чрезмерные вызовы AI-агентов для «обмана» рейтинга, что увеличило расходы без соответствующего улучшения результатов.
The Information сообщила, что Uber исчерпала свой годовой бюджет на ИИ уже за первые четыре месяца 2026 года. Главный операционный директор компании Эндрю Макдональд недавно заявил в подкасте, что такие расходы пока не привели к измеримому росту проектов или повышению производительности.
Быстрее писать код — не значит меньше поддерживать
Статья утверждает, что большая проблема заключается в поддержке кода. Программист и автор Джеймс Шор недавно в широко распространённом блоге отметил, что если скорость написания кода удвоилась, но затраты на поддержку не снизились пропорционально, команда просто заменяет краткосрочное ускорение на долгосрочную нагрузку.
В связи с этим на рынке появилось множество данных. Аишварья Санкар, основатель стартапа по надежности инженерии Entelligence AI, отметила, что около 44% потребления токенов компаниями направлено на устранение дефектов, сгенерированных ИИ. Компания Code Rabbit, разрабатывающая инструменты для проверки кода, также сообщила, что анализ запросов на слияние в открытых проектах показал, что количество проблем, вызванных ИИ-сгенерированным кодом, в 1,7 раза превышает количество проблем, вызванных ручным кодом.
Хотя эти данные поступают от соответствующих поставщиков услуг и содержат явные предвзятые факторы, независимые исследования также дают аналогичные предупреждения. Исследователи из Университета управления Сингапура в апреле этого года опубликовали отчет, в котором говорится, что код, сгенерированный ИИ, может привести к долгосрочным затратам на поддержку реальных программных проектов.
Исследователи рекомендуют управлять ИИ как «младшим разработчиком»
Что касается способов решения, в статье упоминается, что некоторые производители AI-программных агентов выступают за использование еще большего количества ИИ для устранения проблем, созданных ИИ. Такую позицию занимает Скотт Ву, основатель Cognition, разработчика AI-программного агента Devin.
Однако он также признал, что Devin, хотя и может самостоятельно выполнять некоторые задачи, в настоящее время обладает навыками, примерно соответствующими уровню от начального до среднего программиста, в зависимости от типа задачи. Это означает, что разработчикам пока нельзя полностью передать работу агенту и оставить его без контроля.
В сравнении с этим, исследователи Университета управления Сингапура рекомендуют больше полагаться на человеческий контроль: разработчикам необходимо четко понимать границы задач, которые AI умеет и не умеет выполнять, создавать процессы обеспечения качества для выводов AI и проверять результаты, генерируемые моделью, так же, как код младших инженеров.
В конце статьи отмечается, что в таких высокоуровневых задачах, как архитектура программного обеспечения и безопасность дизайна, основными лицами, принимающими решения, остаются человеческие разработчики — это даже сотрудники, поддерживающие AI-агентов, в основном согласны признавать.