AI-код: больше проблем, чем пользы?

Платформа AI-ревью кода CodeRabbit представила отчет State of AI vs Human Code Generation, который показал неожиданный результат: несмотря на широкое распространение AI-ассистентов, сгенерированный ими код содержит в 1,7 раза больше проблем, чем код, написанный человеком. Исследование основано на анализе 470 реальных pull request’ов из открытых проектов на GitHub — 320 с использованием AI и 150, написанных исключительно людьми.

Проблемы AI-кода проявляются во всех аспектах качества. Логические ошибки и проблемы с корректностью возникают на 75% чаще, включая ошибки в бизнес-логике, некорректные настройки и небезопасные ветвления. Уязвимости безопасности появляются в 1,5–2 раза чаще, особенно в части работы с паролями и доступа к объектам. Читаемость кода ухудшается втрое из-за проблем с именованием и форматированием. Наибольшая разница наблюдается в производительности: неэффективные операции ввода-вывода встречаются в AI-коде почти в 8 раз чаще.

Основная причина кроется в отсутствии у AI необходимого контекста проекта. Модели не учитывают бизнес-правила, архитектурные ограничения и принятые в команде паттерны. В результате генерируется код, который формально верен, но не соответствует специфике репозитория.

CodeRabbit рекомендует снижать риски путем добавления контекста проекта в запросы, внедрения автоформатирования и линтеров на уровне CI, обязательного тестирования нетривиальной логики, усиления сканирования безопасности и использования специализированных чек-листов для ревью AI-кода, с акцентом на обработку ошибок и валидацию.

В общем, искусственный интеллект пока что хорош в создании иллюзии продуктивности, но реальность такова, что вам все равно придется потратить время на исправление его ошибок. Иначе ваш код превратится в цифровой хаос, который даже сам AI не сможет понять.