Однако, хотя ИИ, несомненно, помогает кодерам быстрее писать код, он может не создавать более качественный код, предупреждают другие исследователи. И это может вызвать у них проблемы в будущем.
В частности, в феврале 2026 года авторитетная исследовательская лаборатория ИИ METR опубликовала удивительное открытие: большинство разработчиков больше не будут работать даже над ограниченным числом задач без ИИ.
METR надеялась представить обновление к прорывному исследованию, опубликованному несколькими месяцами ранее, в 2025 году, посвященному продуктивности кодирования с помощью ИИ. В нем исследователи измеряли, сколько времени разработчики открытого исходного кода тратят на выполнение задач вручную по сравнению с использованием ИИ.
Хотя разработчики в том исследовании сообщали, что ИИ повышает их продуктивность, они были шокированы, узнав, что на самом деле он замедляет их. Конечно, он генерировал код быстрее, но затем они тратили дополнительное время на поиск и исправление ошибок, управление ИИ и ожидание завершения задач.
Когда METR попыталась повторить эксперимент для измерения прогресса в области ИИ и квалификации кодеров, у них ничего не вышло.
Разработчики не захотели участвовать, «потому что они не желают работать без ИИ» даже просто для исследования, признались исследователи.
Вместо этого METR опубликовала опрос в мае, который позволил техническим сотрудникам самостоятельно оценить прирост производительности благодаря ИИ. Неудивительно, что они восприняли ИИ как инструмент, сделавший их вдвое ценнее для своих организаций.
Однако недавние заголовки о диких расходах на так называемый токеномаксинг, в сочетании с рядом недавних исследований, ставят под сомнение такие самооценки.
Токеномаксинг, или использование количества токенов, потребляемых человеком, в качестве прокси-показателя продуктивности при работе с ИИ, стал трендом 2026 года на данный момент. И, возможно, он уже закончился.
Amazon закрыла свою внутреннюю таблицу лидеров по отслеживанию токенов под названием Kirorank после того, как сотрудники начали манипулировать ею, чрезмерно используя ИИ-агентов и раздувая расходы, сообщила Financial Times на этой неделе. Сотрудники доказали, что использование ИИ не всегда автоматически приводит к повышению производительности.
Uber исчерпала свой бюджет на ИИ на 2026 год в первые четыре месяца года, сообщила The Information. Операционный директор Эндрю Макдональд недавно заявил в подкасте, что такие расходы не привели к измеримому увеличению числа проектов или производительности.
Код, сгенерированный ИИ, также не обязательно снижает текущие потребности в обслуживании кода и может даже увеличить их, элегантно утверждал программист и автор Джеймс Шор в посте в блоге, который стал вирусным на Hacker News.
«Вы пишете код вдвое быстрее? Лучше надейтесь, что вы сократили расходы на обслуживание вдвое», — написал он. «В противном случае вам конец. Вы обмениваете временный прирост скорости на постоянное рабство».
Есть и другие свидетельства того, что ИИ может усугубить проблемы с обслуживанием кода.
Вирусный твит от Айсварьи Санкар, основательницы и генерального директора стартапа по разработке агентов надежности Entelligence AI, гласит, что компании тратят 44% своих токенов на исправление ошибок, сгенерированных их ИИ. Тем временем компания по разработке инструментов для код-ревью CodeRabbit заявляет, что проанализировала пул-реквесты открытого исходного кода и обнаружила, что ИИ создает в 1,7 раза больше проблем, чем человеческий код.
Это, надо признать, корыстная статистика от тех, кто пытается продать инструменты для код-ревью на базе ИИ.
Однако независимые исследователи также обнаружили подобные проблемы. Исследователи из авторитетного Сингапурского университета менеджмента опубликовали отчет в апреле, предупреждающий, что «код, сгенерированный ИИ, может привнести долгосрочные затраты на обслуживание в реальные программные проекты».
Учитывая, что программисты любят своих ИИ-помощников, каково решение?
Те, кто хочет продать вам ИИ-кодинговые агенты, говорят, что разработчики могут просто использовать ИИ-кодинговые агенты для выполнения изнурительных задач по исправлению кода так же быстро, как ИИ его выдает. Это то, что предлагает Скотт Ву, основатель и генеральный директор Cognition — создатель ИИ-кодингового агента Devin.
Но даже он признает, что, хотя Devin может работать самостоятельно, он бы оценил его навыки на уровне от младшего до среднего программиста, в зависимости от задачи. Это не решение, которое можно передать и забыть.
Исследователи из SMU предлагают более человеческий подход. Программисты должны знать, какие задачи ИИ выполняет хорошо, а какие плохо, так же глубоко, как они знают свои любимые языки программирования. Им нужны надежные системы обеспечения качества, разработанные для ИИ, и они вынуждены тщательно проверять работу ИИ, как если бы это был младший разработчик.
Тем временем, как утверждают исследователи (и Ву согласен), люди по-прежнему должны заниматься работой, связанной с общей картиной, такой как архитектура программного обеспечения и разработка систем безопасности.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Julie Bort
