Згідно з іноземними ЗМІ, інструменти AI для програмування в командами розробки перетворилися з «опціональних» на «стандартні», але оптимістичні очікування щодо підвищення ефективності зустрічаються з реальністю зростання витрат та проблем з якістю. Багато досліджень та корпоративних випадків показують, що AI дійсно прискорює написання коду, але не обов’язково зменшує кількість необхідних доробок.
Розробники не хочуть відходити від роботи з ІІ
У лютому цього року дослідницький інститут METR оприлюднив, що дослідники спочатку планували повторити експеримент щодо ефективності програмування, порівнюючи різницю між написанням коду розробниками вручну та за допомогою ШІ, але зіткнулися з опором: багато розробників навіть не хотіли тимчасово відмовитися від інструментів ШІ для потреб експерименту.
METR раніше проводив пов’язані тести у 2025 році. Учасники загалом відчували, що їхня ефективність зросла, але фактичні вимірювання показали протилежне: хоча код генерувався швидше, розробникам доводилося витрачати більше часу на очікування виводу моделі, виправлення помилок та багаторазове керування інструментом для завершення завдань.
Оскільки було важко залучити розробників до участі без використання ШІ, METR пізніше перейшла до проведення опитування, щоб технічні працівники самостійно оцінили вигоди від ШІ. Усі опитані зазвичай вважали, що ШІ подвоїв їхню робочу цінність.
Компанії починають переглядати інвестиції в ІІ
Стаття зазначає, що такі «самопочуття більш ефективних» судження зараз перевіряються витратами компаній та реальним виробництвом. З 2026 року в Сіліконовій долині колись було поширено вимірювати інтенсивність використання ШІ за кількістю спожитих токенів, навіть вважаючи це показником продуктивності, але цей підхід вже призвів до явного зворотного ефекту.
На тиждень у британській газеті Financial Times повідомлялося, що Amazon закрила внутрішній рейтинг токенів Kirorank через те, що співробітники «наганяли» рейтинг, надмірно використовуючи AI-агенти, що збільшило витрати без відповідного покращення результатів.
За повідомленням The Information, Uber витратила весь річний бюджет на штучний інтелект за перші чотири місяці 2026 року. Генеральний директор операцій Андрю Макдональд недавно сказав у подкасті, що такі витрати ще не призвели до вимірюваного зростання проектів чи підвищення продуктивності.
Швидше писати код — не означає менше підтримки
Стаття вважає, що більшою проблемою є підтримка коду. Програміст та автор Джеймс Шор недавно зазначив у широко розповсюдженої блог-пості, що якщо швидкість написання коду збільшилася вдвічі, а витрати на підтримку не знизилися пропорційно, то команда просто обміняла короткострокове прискорення на довгострокове навантаження.
З цього приводу на ринку з’явилося багато даних. Засновниця стартапу з енжинірингу надійності Entelligence AI Айшварья Санкар зазначила, що близько 44% споживання токенів компаніями витрачається на виправлення дефектів, згенерованих ШІ. Компанія з інструментів для перевірки коду Code Rabbit також повідомила, що їхній аналіз запитів на витягування в відкритих проектах показав, що кількість проблем, спричинених кодом, згенерованим ШІ, у 1,7 раза більша, ніж у коді, написаному людиною.
Хоча ці дані походять від відповідних постачальників послуг і містять очевидні упередження, незалежні дослідження також надають подібні попередження. Дослідники Університету менеджменту Сінгапуру у квітні цього року опублікували звіт, в якому зазначено, що код, згенерований ШІ, може призвести до довгострокових витрат на підтримку реальних програмних проектів.
Дослідники рекомендують керувати ШІ як «початківцем-розробником»
Щодо способів реагування, у статті зазначено, що деякі виробники AI-програмних агентів виступають за використання більшої кількості AI для виправлення проблем, спричинених AI. Таку думку висловлює Скотт Ву, засновник Cognition, розробника AI-програмного агента Devin.
Проте він також визнав, що Devin, хоча й може самостійно виконувати деякі завдання, наразі має рівень приблизно між початківцем і середнім програмістом, залежно від типу завдання. Це означає, що розробницька команда ще не може повністю покласти роботу на агента і ігнорувати її.
Натомість дослідники Університету управління Сінгапуру рекомендують зробити акцент на людському контролі: розробникам потрібно чітко розуміти межі того, що AI вміє і не вміє робити, створити процеси гарантії якості для виводу AI та перевіряти результати, згенеровані моделлю, так само, як код початківця-інженера.
У кінці статті зазначається, що у високорівневих завданнях, таких як архітектура програмного забезпечення та проектування безпеки, основними розробниками рішень залишаються люди, і це підтверджують навіть ті, хто підтримує AI-агентів.