Сяду-ка я и расскажу про одну загадку, которая не давала мне покоя последние пару лет. Открываешь любую ленту — и тебе обещают, что ИИ-ассистенты сделают тебя кодером-сверхчеловеком: от умного автодополнения до агентов, которые сами пишут целые фичи. Одни команды божатся, что ускорились в три-пять раз. А рядом, в том же треде, кто-то спокойно сообщает, что не почувствовал вообще ничего — или, хуже того, стал медленнее процентов на двадцать.
Я не мог оставить это в покое. Писать код — большая часть моей работы, и, если где-то правда лежит легальный способ ускориться, мой профессиональный долг разобраться, как им пользоваться. Но мне было интересно не «работает / не работает». Меня зацепил другой вопрос: «Что отличает тех, у кого реально получается, от всех остальных?». Этим разбором и поделюсь.
Сразу оговорюсь про рамки. Речь дальше — в основном про инструменты, которые пишут и правят код: ассистенты внутри IDE и агенты из командной строки. Тестирование, документация, отладка, деплой — отдельные большие темы, их сегодня трогать не буду.
Сначала о масштабе явления. По опросу Stack Overflow за 2025 год, 84% разработчиков уже используют ИИ-инструменты или собираются — против 76% годом раньше, и больше половины профессионалов (51%) обращаются к ним ежедневно. Проникновение почти тотальное.
А вот дальше начинается интересное. Несмотря на рост внедрения, позитивное отношение к этим инструментам падает: с уверенных 70%+ в 2023–2024 годах до 60% в этом. И — самое говорящее — доверия к точности ИИ стало меньше, чем недоверия: 46% разработчиков точности активно не доверяют против 33%, которые доверяют, а «полностью доверяют» и вовсе единицы. Картинка получается парадоксальная: люди берут инструмент в руки всё активнее — отчасти под давлением очень агрессивного маркетинга — и тут же обнаруживают, что он не настолько хорош, как обещали с билбордов.
Сама категория, к слову, расплылась. Когда в 2021-м взлетал GitHub Copilot, всё сводилось к умному автодополнению и чату прямо в редакторе. Сегодня центр тяжести смещается от IDE к инструментам командной строки вроде Claude Code, и самые горячие головы уже хоронят IDE как класс. На имеющихся данных звучит это, мягко говоря, смело.
Мнение отдельного разработчика — это одно. А можно ли доказать эффект цифрами? И вот тут засада: продуктивность разработчика тяжело измерить даже в спокойные времена, а уж с таким непредсказуемым фактором, как генеративный ИИ, тем более. Серьёзных исследований с приличной выборкой пока мало, методики у них разные, сравнивать напрямую трудно. Я сознательно набрал по нескольку работ с каждой стороны — с разным опытом участников, разными кодовыми базами, разными инструментами. Однородные выборки дали бы красивые, но бессмысленные числа: реальные команды и их код слишком непохожи.
Крупное исследование на стороне «ускоряет» охватило 4 867 разработчиков в трёх полевых экспериментах и зафиксировало рост числа выполненных задач примерно на 26% (при немалой статистической погрешности). Важная деталь, которую стоит запомнить на потом: больше всех выиграли как раз менее опытные разработчики — у них и внедрение шло активнее, и прирост оказался заметнее.
Контролируемое исследование самого GitHub показало ещё бодрее: с Copilot задачи закрывались на 55% быстрее, причём около 90% участников отметили, что работать стало приятнее, а 95% — что им просто больше нравится так кодить. Удовольствие кажется не относящимся к делу, но есть данные, что удовлетворённость и вовлечённость на продуктивность вполне влияют.
Тут я обязан сказать неудобную вещь, иначе разбор будет нечестным. Самые громкие «про-ИИ» исследования родом из компаний, которые эти самые инструменты и продают. За первой работой стоит Microsoft — инвестор OpenAI, — а финансировал её консорциум, среди учредителей которого опять же OpenAI. Второе провёл GitHub, дочерняя компания Microsoft и автор Copilot. Это не отменяет результатов, но держать в голове конфликт интересов полезно.
А теперь на другую чашу весов. Самое нашумевшее — июльское исследование METR 2025 года, и это не опрос, а настоящий рандомизированный контролируемый эксперимент. Опытные мейнтейнеры открытых проектов работали над задачами в своих же, хорошо знакомых репозиториях. Они предсказывали, что ИИ ускорит их на 24%. По факту он замедлил их на 19%. И — вишенка — даже после эксперимента участники были уверены, что стали на 20% быстрее. Разрыв между ощущением и измеренной реальностью оказался не погрешностью, а пропастью.
Похоже смотрит и исследование Uplevel: опросив 800 разработчиков, они не нашли значимого выигрыша по объективным метрикам — ни по времени цикла, ни по пропускной способности pull-реквестов. Зато заметили, что у пользователей Copilot на 41% выросло число багов. То есть пропускная способность та же, а качество просело — и для DevOps это не мелочь: лишние дефекты оплачиваются дальше по конвейеру, на ревью, в инцидентах и в change-failure rate.
Повторю: продуктивность мерить трудно, а генеративный ИИ капризен, что взлетает у одного разработчика, у другого в другой кодовой базе глохнет. И всё же сквозь этот разнобой проступает закономерность.
ИИ действительно даёт быстрый прирост скорости и удовольствия — особенно у новичков и на чётко очерченных, понятных задачах. И он же способен ронять качество и тормозить команду, когда работа сложная, система незнакомая или человек слишком уж полагается на подсказку. Вспомните деталь, которую я просил запомнить: больше всех ускоряются менее опытные. На первый взгляд — прекрасно. Но за этим прячется ловушка.
Опираясь на ИИ, начинающий рискует затормозить собственный рост: он медленнее вникает в свой же код, который продолжает зависеть от модели. И тут возникает совсем неуютный вопрос — а не путает ли он ощущение продуктивности с реальностью? Кода стало больше, но хватает ли знаний, чтобы понять, что эти изменения на самом деле делают с системой? Сбудутся ли эти риски — никто не скажет наверняка. Но будь я джуном, я бы как минимум хотел о них знать.
Один и тот же инструмент, разные кодовые базы, противоположные результаты. Может, дело вовсе не в инструменте?
Главный вывод: не ждите ускорения в три-пять раз. Даже если ИИ выдаст вам впятеро больше строк, чем вы написали бы руками, это ещё не работающий код приемлемого качества — а чтобы убедиться, его придётся внимательно вычитать, и вот это уже время. Реалистичная планка по совокупности исследований — прирост порядка 20%, а не порядок величины.
Если вы джуниор — пользы, вероятно, получите больше, но рискуете заплатить ростом и самостоятельностью. Совет банальный, но честный: учитесь применять ИИ — и не считайте, что он отменил классические способы разбираться в языке, системах и контексте. Именно от этого знания зависит, сумеете ли вы выжать из инструмента толк. ИИ ошибается часто, и если отдать ему руль, он наплодит нерабочий код и техдолг быстрее, чем вы сделали бы это сами. Держите его за репетитора, который помогает перепрыгнуть препятствие, — но стремитесь перерасти его.
Если вы сеньор — вы почти наверняка знаете о своём коде больше модели. Печатает она быстрее, да, но столько же готового кода вы от неё не возьмёте: вы вносите правки прицельнее и точнее, а ИИ частенько хватается за первое пришедшее в голову решение, а не за лучшее. Это не повод не пользоваться им — это повод не путать его с волшебной палочкой, которая сама по себе делает вас впятеро продуктивнее.
Как у любого инструмента, у ИИ есть кривая освоения: сформулировать задачу, проверить результат, доработать следующий запрос, и так по кругу, пока не выстроится рабочий цикл. Освоишь его и ИИ правда начинает экономить время на наборе кода, освобождая голову под главное: точно понять, что вообще нужно сделать. И если это и впрямь смена парадигмы, то логично, что и работать придётся иначе. Воткнуть ИИ в нынешний процесс и ждать чуда без перестройки самого процесса — наивно.
Для меня вывод очевиден и немного отрезвляющий: прирост продуктивности рождается не из инструмента самого по себе, а из людей, которые им пользуются, и процессов, по которым они работают. Я видел достаточно разных разработчиков и разных кодовых баз, чтобы понимать — это не красивая теория. И исследования, как ни крути, говорят ровно о том же: одни и те же инструменты, разные результаты.
С точки зрения DevOps это, пожалуй, даже успокаивает. Мы давно знаем, что скорость команды — это не про то, кто быстрее стучит по клавишам, а про поток, про время цикла, про долю неудачных изменений, про то, насколько здорова инженерная культура вокруг. ИИ в эту картину встраивается как очередной мощный, но требовательный инструмент: он усиливает того, кто умеет им пользоваться, и так же исправно усиливает чужой хаос.
Так что, когда вам в следующий раз пообещают «5× из коробки», вспомните про METR с его минусом девятнадцать и про джунов, которым кажется, что они летят. Инструмент один, а вот результат — это всегда вы. Разница всегда заключается в разработчике.
Автор: Коробов Алексей
© Коробов А.Е., 2026
