Управление файлами cookie
Настройки файлов cookie
Файлы cookie, необходимые для корректной работы сайта, всегда включены.
Другие файлы cookie можно настроить.
Другие файлы cookie можно настроить.
Пять причин, по которым ИИ тормозит разработку
Примерное время чтения: 8 минут
Хотите всегда быть в курсе событий на рынке ИТ? Подписывайтесь на наш Telegram-канал!
С нейросетями код генерируется быстрее, но вместе с тем появилась новая работа. Нужно проверять машинный результат, следить за агентами, постоянно осваивать новые модели и объяснять руководству, почему ИИ не бесполезен.
Разбираемся, как нейросети меняют рабочий день разработчика, почему часть нагрузки переходит к опытным специалистам и что компании могут сделать, чтобы внедрение новых инструментов не обернулось скрытыми переработками.
Содержание:
- Кода стало больше — и нагрузки тоже
- Разработчик меньше пишет код и больше менеджерит нейросеть
- Новая метрика в KPI — разработчик молодец, если потратил больше токенов
- К рабочим задачам добавился «налог на обучение»
- Вместо друллеги или наставника теперь ИИ-агент
- Как не превратить внедрение ИИ в скрытые переработки
Кода стало больше — и нагрузки тоже
ИИ-инструменты ускорили генерацию кода, но ревью не масштабировалось с той же скоростью. По данным GitLab, 78% участников заметили, что разработчики стали быстрее писать и отправлять код. При этом 85% отметили, что узкое место сместилось на проверку и валидацию.
Внутри команды дополнительная нагрузка может распределяться неравномерно. Например, одни разработчики активно генерируют изменения с помощью ИИ, а другие разбирают результат, исправляют ошибки и отвечают за качество. Чаще эта работа достается самым опытным.
- В результате выигрыш одного разработчика может обернуться дополнительной работой для другого. Сеньору приходится проверять, решает ли сгенерированный код исходную задачу, вписывается ли в архитектуру и не создаст ли потом проблем.
Разработчик меньше пишет код и больше менеджерит нейросеть
Многие теперь редко пишут код сами — вместо этого составляют подробные спецификации для ИИ, а после оценивают и поправляют готовое решение. Например, это подтверждает один из руководителей Spotify — ведущие разработчики чаще контролируют генерацию, а не набирают код вручную.
Такой подход и правда может освободить много времени, но есть парадокс: ИИ освобождает от одной рутины и добавляет другую. Нужно следить за агентами, решать, какую задачу кому поручить, возвращать модель на путь истинный и разбираться в ее решении. Эту работу называют botsitting, по аналогии с присмотром за ребенком.
- Многие разработчики пришли в профессию ради самого процесса: разобраться в сложной задаче, глубоко погрузиться в код, собрать работающую систему своими руками.
Когда основная работа смещается к постановке задач и контролю агентов, часть специалистов воспринимает это как потерю привычного ремесла. А еще некоторые инженеры говорят, что постоянное управление инструментами делает рабочий день интенсивнее и требует больше переключений.
Новая метрика в KPI — разработчик молодец, если потратил больше токенов
В некоторых компаниях сам факт использования ИИ превращается в показатель эффективности. Руководители смотрят, сколько сотрудников подключили новые инструменты, как часто они обращаются к моделям и сколько токенов расходуют.
Например, часть технических сотрудников Disney получила доступ к внутренней панели, которая показывает использование Claude и Cursor. В ней можно увидеть количество запросов, расход токенов и самых активных пользователей.
ИИ замедляет разработчиков? Возможно
Рассказываем, что делать
Рассказываем, что делать
Один сотрудник обратился к Claude около 460 тысяч раз за девять рабочих дней — вероятно, такой объем создали автономные агенты. В самой компании утверждают, что панель предназначена для контроля ресурсов, однако сотрудники начали воспринимать ее как рейтинг. Так появилось явление tokenmaxxing — стремление потратить как можно больше токенов и обойти коллег во внутренней статистике.
К рабочим задачам добавился «налог на обучение»
ИИ-инструменты обновляются быстрее, чем многие компании успевают перестраивать обучение. Разработчикам приходится разбираться, какая модель лучше подходит для конкретной задачи, как работать с новым агентом и стоит ли менять уже настроенный процесс.
На это не всегда остается время в рабочем дне. Некоторые специалисты тратят на эксперименты с ИИ около 5−20 часов в неделю после работы, сами оплачивают подписки, курсы и участие в конференциях. Кто-то даже называет это «налогом на обучение» — нейросети экономят время в отдельных задачах, но часть этой экономии уходит на вечерние посиделки с новыми моделями, обновлениями и экспериментами.
Вместо друллеги или наставника теперь ИИ-агент
Разработчики все чаще обсуждают задачи не с коллегами, а с ИИ-агентами. Агент помогает найти решение, написать код и проверить гипотезу, поэтому часть привычного обмена знаниями перемещается из офисов и созвонов в нейросетевой интерфейс. Такой эффект заметили в команде Claude Code: со временем разработчики стали ощущать себя изолированными, ведь чаще они взаимодействовали со своими ИИ-агентами.
Как не превратить внедрение ИИ в скрытые переработки
Скрытые переработки появляются, когда компания делает ИИ обязательной частью работы, но оставляет прежние сроки и нагрузку. Разработчик должен освоить новые инструменты, подобрать рабочие сценарии, настроить агентов и проверить результат — все это поверх обычных задач. Поэтому внедрение ИИ стоит вести как отдельный рабочий проект, с понятными целями и временем под эксперименты.
- Выясните, что конкретно хотите от ИИ, и начните с пилотаДо покупки инструментов определите, какую проблему должна решить команда. Например, сократить время на документацию, быстрее готовить тесты или упростить работу с внутренней базой знаний. Для каждого сценария нужно зафиксировать исходное состояние: сколько времени занимает задача сейчас, где возникают задержки и каким должен быть полезный результат.
- Выделите слоты на обучениеРазработчику нужно время, чтобы попробовать инструмент на своих задачах, разобраться в ошибках и понять, когда и что полезно. По данным DORA, если выделить время для экспериментов с ИИ в рабочие часы, команда в итоге использует ИИ на 131% активнее. На период освоения исследователи советуют снизить ожидания по производительности и миксовать самостоятельные эксперименты с совместным обучением.
- Ограничьте количество инструментов и закрепите правилаКоманде не нужно переходить на новую модель после каждого релиза. Лучше выбрать набор инструментов для основных сценариев и договориться, какие данные в них можно передавать, где требуется проверка человеком и кто отвечает за результат. Например, в исследовании GitLab 49% специалистов сообщили, что используют больше пяти ИИ-инструментов. Как итог — разрозненные процессы, слабый обмен знаниями и разные инструменты внутри команд отнимают у каждого сотрудника в среднем семь часов в неделю.
- Делитесь классными находками с командойПомогут короткие разборы рабочих сценариев, парное программирование или даже внутренние хакатоны. А в отдельную базу можно складывать удачные запросы, настройки агентов, ограничения моделей и примеры задач, где ИИ дал плохой результат.
- Пересмотрите нагрузку — хотя бы на первое времяНа время внедрения у команды появится дополнительная работа, и эту нагрузку нужно учитывать при планировании. Если один разработчик быстро внедряет изменения с помощью ИИ-агента, а другой постоянно разгребает последствия, общая производительность команды не вырастет. Здесь как вариант — ограничить объем ИИ-кода, заложить больше времени на проверку, распределить работу между несколькими специалистами.
- Оценивайте скорость всего цикла разработки, а не процент сгенерированного кодаЭффективнее измерять срок от постановки задачи до выпуска, процент и время исправлений, реакцию пользователей на результат. Расход токенов и число запросов помогут проконтролировать бюджет, но результат — вряд ли.
От компании во многом зависит, каким окажется внедрение ИИ в разработку. Если у команды есть время на освоение инструментов, возможность обсуждать находки и право отказаться от ИИ там, где он не помогает, новая технология и правда снимет часть рутины.