Компании тратят миллиарды на AI-инструменты для разработчиков. Отчеты показывают рост. А клиенты получают новые фичи с той же скоростью. Разбираю, почему так и что с этим делать.
Красивые дашборды, старый продукт
Знакомая картина: тех лид показывает графики - задач закрывается больше, кода пишется больше, активность команды выросла. На бумаге всё отлично.
А потом открываешь продукт - и там та же версия, что была месяц назад. Клиент ждет фичу, которую "почти доделали" три недели назад. Вечером перед важной встречей основатель сам проверяет, не сломалось ли что-нибудь.
Что говорят данные
Это не единичный случай. CircleCI проанализировал 28 миллионов сборок. Скорость написания кода выросла на 59%. При этом успешность выкатки упала до 70.8% - худший результат за пять лет. Три из десяти попыток выкатить код ломают сборку.
Faros AI изучил 10,000 разработчиков. Команды с AI мержат на 98% больше кода. Но время проверки выросло на 91%.
Код пишется быстрее. Проверяется медленнее. До пользователя доходит так же.
Почему AI ускоряет не то место
Написание кода - это 15-20% пути от идеи до пользователя. Остальное - согласование, проверка качества, тестирование, деплой.
AI превратил 2 дня кодинга в 2 часа. А 2 недели вокруг - остались.
Представь шоссе, где узкое место - съезд. Ты расширил одну полосу. Машин стало больше. Пробка стала длиннее. Именно это происходит в командах разработки.
Пробка после кода
Теперь кода больше, а проверять его некому. Очередь растет. Люди переключаются между задачами. Баги множатся.
Инструмент, который должен был ускорить команду, создал затор в другом месте. Разработчик закрыл задачу за час вместо двух дней - и она легла в очередь на ревью, где пролежит ещё три дня.
Мы здесь уже были
Экономист Роберт Солоу сказал в 1987 году: "Компьютеры видны повсюду, кроме статистики продуктивности." Тогда компании массово покупали компьютеры, а рост продуктивности не появлялся годами.
Fortune опубликовал опрос 6,000 руководителей из США, Великобритании, Германии и Австралии. Почти 90% сказали: AI не повлиял на продуктивность за последние три года. При этом инвестиции в AI превысили 250 миллиардов долларов.
История повторяется. Новая технология ускоряет один этап, а узкое место просто переезжает.
Что делать вместо покупки ещё одного инструмента
Команды, которые реально ускорились, начинали не с генерации кода. Они начинали с вопроса: где фича застревает после того, как код написан?
Три вопроса, которые покажут реальную картину:
- Сколько дней от "код готов" до "клиент видит"? Больше одного дня - bottleneck не в кодинге
- Как часто выкатываешь обновления? Реже раза в неделю - никакой AI не поможет, пока деплой остается событием
- Сколько задач "в работе" одновременно? Больше, чем людей - проблема с очередями, не со скоростью
Прежде чем тратить бюджет на ещё один AI-инструмент - найди место, где фичи застревают. И почини его первым.
Вместо вывода
AI работает. Код действительно пишется быстрее. Но быстрее писать код и быстрее доставлять продукт - разные навыки. Первый - про инструменты. Второй - про процесс.
Если между "код готов" и "клиент это видит" проходят дни - ты ускоряешь не то место.
А у тебя как - внедрил AI и что реально изменилось в скорости поставки?
Искусственный интеллект, Программирование, IT