В последние годы вокруг GPT-моделей сформировался мощный миф: они будто бы способны писать целые библиотеки, чинить баги, автоматизировать скучную рутину и даже заменять программистов на ключевых этапах разработки. И в интернете легко найти статьи, где опытные разработчики рассказывают о впечатляющих успехах. Но в реальности опыт многих пользователей — куда более прозаичный.
Автор блога whynothugo.nl честно описывает этот диссонанс:
он пробовал разные GPT-модели и инструменты, но результаты — далеки от ожидаемого.
⚡ Где GPT реально помогает
- 📝 Точная формулировка — подобрать нужное слово или переформулировать фразу.
- 🏷 Аннотации кода — особенно типы функций в Python, где требуется знание нюансов.
- 🔍 Локальный поиск багов — выявить ошибки в одной функции, если её скопировать целиком в чат.
Здесь GPT похож на умного ассистента-редактора: узкая задача — точное решение.
🐉 Где всё рушится
- 📦 Выдуманные библиотеки — модель предлагает импортировать несуществующие пакеты, которые «решат задачу в одну строчку».
- 🔄 Бесконечные правки — исправив один баг, GPT вносит новый, иногда незаметный.
- 🧩 Неспособность собрать цельное решение — за пределами простых функций код разваливается логически.
- 🤷♂️ Признание собственной беспомощности — фразы вроде «если не хотите зависимостей, придётся реализовать самому», но при этом готового кода — нет.
📉 Психология «отставания»
Когда видишь кейсы на Hacker News о том, как кто-то за день написал микросервис с GPT, возникает чувство, что «дело во мне». Но автор замечает: часть успеха таких историй может объясняться опытом разработчика, умением дробить задачу, чётко формулировать промпты и проверять каждую строчку кода.
Здесь GPT — не волшебный молоток, а инструмент вроде лобзика: без навыков можно только испортить заготовку.
💡 Моё мнение
Проблема, на мой взгляд, в том, что GPT часто рекламируют как замену мышления, хотя на практике он — катализатор мышления.
Он ускоряет те этапы, где уже есть чёткое понимание задачи, но не способен сам выстроить архитектуру или придумать оптимальный алгоритм без ошибок.
Если относиться к GPT как к «умному автодополнению», а не к «программисту под ключ», то ощущение «отставания» исчезает. Вместо гонки за мифическим «идеальным AI-кодером» можно сосредоточиться на том, как встроить модель в свой рабочий процесс:
- 🛠 для черновиков функций,
- 🔍 для анализа ошибок,
- 📝 для генерации документации.
А всё, что требует системного мышления, всё ещё лучше делать головой — пока что.
🔗 Источник: GPTs and feeling left behind — whynothugo.nl