Парадокс скорости: 19% замедления против 20% иллюзии
В 2025 году лаборатория METR провела рандомизированное исследование с опытными разработчиками open-source проектов. Результаты оказались парадоксальными: с использованием ИИ-ассистентов специалисты выполняли реальные задачи на 19% дольше, чем без них. При этом после завершения работы участники опроса оценили свою скорость как на 20% выше.
Хотя METR уточняет, что эти цифры отражают инструменты начала 2025 года, разрыв между субъективным ощущением ускорения и объективной реальностью сохраняется. ИИ генерирует больше кода, но время, которое мы «экономим», часто уходит на очистку и исправление ошибок.
Цена ошибки: статистика багов и безопасности
Рост объема кода не сопровождается ростом его качества. Анализ реальных pull-реквестов выявляет тревожные тенденции:
| Источник / Исследование | Ключевая метрика | Детали |
|---|---|---|
| CodeRabbit (дек. 2024) | Анализ 470 PR | Код с участием ИИ содержит на 75% больше логических ошибок и до 2.74 раза больше уязвимостей безопасности. |
| Harness (опрос 500 лидеров) | Время отладки | 67% респондентов сообщают, что теперь тратят больше времени на отладку ИИ-кода. |
| Stanford (данные о зарплатах) | Зарплаты джуниоров | Зарплаты разработчиков 22–25 лет на ~20% ниже пиковых значений конца 2022 года. |
| Stack Overflow (2026) | Доверие | Лишь 6.6% разработчиков доверяют ИИ принятие важных решений; половина проверяет вывод вручную. |
Почему ИИ усугубляет проблемы команд
ИИ работает как усилитель (amplifier), как показал отчет Google DORA 2025. В хорошо организованных командах с быстрыми фидбэк-лупами он ускоряет доставку, но в хаотичных средах только ускоряет создание технического долга. Данные GitClear подтверждают это: в 2024 году впервые количество скопированных строк кода превысило количество перемещенных (рефакторинг). Разработчики копируют решения вместо того, чтобы улучшать архитектуру, создавая дубликаты функций (например, четыре разных `validateEmail`).
Новые правила работы с ИИ
Авторы материала выделяют три критических изменения в подходе к разработке:
- Декомпозиция задач. Не просите ИИ сделать всё сразу. Разбивайте работу на этапы: планирование, архитектура, реализация, отладка. Чем конкретнее тикет (например, «добавить rate limiting: 5 попыток, код 429»), тем лучше результат.
- Контроль архитектуры. ИИ не видит фундаментальных ошибок в дизайне. Если схема БД перестала соответствовать данным, ИИ продолжит строить на ней код, делая систему хрупкой. Человек должен принимать решение о смене подхода.
- Прототип ≠ Продукт. Используйте ИИ для быстрого создания прототипов, чтобы понять требования, но никогда не выкладывайте их в продакшн. Прототип нужно выбросить и переписать код на основе четкого спецификации.
Вывод
ИИ не заменяет инженерную дисциплину. Он требует еще более строгого контроля, детального планирования и готовности к рефакторингу. Эпоха «vibe coding» без проверки качества подходит к концу, уступая место гибридной модели, где ИИ — это быстрый черновик, а человек — архитектор и контролер качества.
Источник: Towards Data Science ↗