Исследование, проведенное в рамках программы Anthropic Fellows (февраль 2026 года), изучает, как использование ИИ-ассистентов влияет на процесс формирования новых навыков.
С появлением ChatGPT, GitHub Copilot и Claude мир разработки программного обеспечения изменился навсегда. ИИ-ассистенты обещают колоссальный рост продуктивности: они пишут рутинный код, находят опечатки и предлагают готовые архитектурные решения. Но возникает важный вопрос: не становится ли программист глупее, делегируя свою работу алгоритмам?
Недавнее исследование от стипендиатов компании Anthropic (создателей Claude) под названием «How AI Impacts Skill Formation» пролило свет на то, как нейросети влияют на процесс приобретения новых навыков.
ИИ против классического поиска в Google
Чтобы понять влияние ИИ на обучение программированию, исследователи провели эксперимент с участием опытных разработчиков. Перед ними поставили задачу: изучить и применить незнакомую им асинхронную библиотеку Trio для Python.
Участников разделили на две группы:
- Первая группа могла использовать чат-бота на базе GPT-4o для написания кода и поиска ответов.
- Вторая группа (контрольная) решала задачу «по старинке» — читая официальную документацию и решая проблемы самостоятельно.
После выполнения заданий все участники сдавали тест на понимание концепций библиотеки, чтение чужого кода и дебаггинг (отладку).
Иллюзия скорости и реальное падение качества знаний
Результаты эксперимента оказались весьма неожиданными:
- Падение уровня знаний на 17%. Группа, использовавшая ИИ-помощника, сдала итоговый тест значительно хуже. Сильнее всего пострадал навык дебаггинга — люди просто не понимали, почему код работает (или не работает), потому что за них это делала машина.
- Отсутствие реального ускорения. Вопреки мифам о том, что ИИ экономит часы работы, экспериментальная группа не показала существенного выигрыша во времени. Почему? Программисты тратили освободившееся время на придумывание сложных промптов и чтение длинных ответов нейросети.
- Ошибки — лучший учитель. Контрольная группа сталкивалась с ошибками компиляции гораздо чаще. Но именно самостоятельный поиск причин возникновения TypeError или RuntimeWarning позволил им сформировать глубокое понимание работы библиотеки.
Вывод очевиден: когнитивная разгрузка (когда мы отдаем процесс размышления машине) напрямую ведет к поверхностному усвоению материала.
6 типов ИИ-разработчиков: к какому относитесь вы?
Анализируя записи экранов участников, исследователи выявили 6 паттернов
взаимодействия с ИИ. Их можно разделить на две категории.
❌ Худшие стратегии, которые ведут к снижению навыков
- Слепое делегирование:
Просит ИИ написать весь код целиком, копирует его в редактор и запускает. Скорость максимальная, понимание материала — нулевое. - Постепенно сдающийся:
Начинает писать код сам, задает ИИ пару уточняющих вопросов, но при
первых трудностях просит нейросеть «просто доделать всё». - Дебаггер:
Использует ИИ исключительно для поиска ошибок. Вставляет логи с ошибками в чат бота до тех пор, пока не получит готовое окончательное решение, вместо того чтобы вникнуть в логику сбоя.
✅ Лучшие стратегии (сохраняют и улучшают навыки)
- Генерация + Осмысление:
Разработчик просит ИИ сгенерировать код, но затем задает вопросы: "Почему ты использовал именно эту функцию?" или "Объясни, как работает эта строчка". - Гибридный подход:
Участник изначально просит ИИ не только написать код, но и снабдить его подробными комментариями и теоретической справкой. - Концептуальный исследователь:
Самый эффективный метод. Разработчик пишет код полностью сам, а к ИИ обращается только за объяснением сложных концепций (как к старшему ментору).
Как использовать нейросети, чтобы не терять квалификацию?
Индустрия неумолимо движется в сторону ИИ-автоматизации. Вскоре главной задачей джуна и мидл разработчиков станет не написание кода с нуля, а аудит и надзор за кодом, сгенерированным машиной. Чтобы оставаться востребованным специалистом, придерживайтесь этих правил:
- Не копируйте вслепую - копипаст до добра не доведет. Исследование показало, что программисты, которые вручную перепечатывали код за нейросетью, лучше усваивали синтаксис и чаще замечали нелогичные решения алгоритма.
- Запретите ИИ писать за вас код при обучении. Если вы изучаете новый фреймворк или язык, просите ИИ выступать в роли учителя. Промпт должен звучать так: "Объясни мне концепцию N, но не пиши за меня готовый код решения".
- Анализируйте ошибки. Прежде чем нести Exception в ChatGPT, потратьте хотя бы 3-5 минут на самостоятельный анализ проблемы. Выработка интуиции при отладке кода — ваш главный козырь перед нейросетью.
Помните, что нейросети обучаются на тех материалах, которые создавались людьми со всего мира годами, где есть ошибки, неточности, искажения, плохие подходы и многое другое.
Исследование Anthropic доказывает, что ИИ-помощники не заменяют реального опыта. Процесс преодоления трудностей, чтение документации и самостоятельное исправление багов формируют те самые нейронные связи в мозгу разработчика, которые делают его профессионалом и на длинной дистанции его приобретённые компетенции куда ценнее. Только благодаря связке ОПЫТ специалиста + ИИ можно делать больше и эффективнее.
Используйте ИИ как некоего напарника, но никогда не отдавайте ему руль от вашей карьеры.