Грег Брокман говорит, что 80% кода OpenAI теперь написано ИИ.

      Комментарии Грега Брокмана на конференции AI Ascent 2026 от Sequoia вписываются в шаблон, когда руководители AI-лабораторий ссылаются на самоусиливающиеся показатели производительности, но основные доказательства продуктивности кодирования AI остаются значительно более спорными, чем предполагает заголовочная цифра. Президент OpenAI Грег Брокман заявил, что AI сейчас пишет примерно 80% кода компании на конференции AI Ascent 2026 от Sequoia Capital в четверг, согласно Business Insider. «Трудно сказать, какой процент не пишется AI», — сказал Брокман, повторив комментарий, который он сделал в подкасте Knowledge Project в конце апреля. Эти замечания являются частью более широкой аргументации, которую Брокман высказывает в нескольких интервью в этом месяце: что возможности кодирования AI пересекли порог производительности, что AGI «на 70-80% готов» по его личному определению и что нехватка вычислительных ресурсов теперь является ограничивающим фактором для того, что могут предложить AI-лаборатории. Цифра в 80% впечатляет, но двусмысленна. Две более сильные интерпретации очень отличаются друг от друга. Первая заключается в том, что инструменты AI пишут 80% строк кода, внесенных в кодовую базу OpenAI, что является заявлением о производительности. Вторая заключается в том, что AI участвует в какой-то степени (автозаполнение, предложение рефакторинга, генерация с последующей человеческой доработкой) в 80% работы по кодированию, что является заявлением о использовании. Уточнение Брокмана «трудно сказать, какой процент не» больше соответствует второй интерпретации, и разрыв между двумя достаточно велик, чтобы существенно изменить значение этой цифры. Шаблон среди руководства AI-лабораторий Брокман не одинок в упоминании высоких цифр кодирования AI. Генеральный директор Anthropic Дарио Амодеи публично заявил в прошлом году, что AI пишет 90% кода в Anthropic, с целью достичь 100% в течение нескольких месяцев. Cursor достигла 2 миллиардов долларов в годовом доходе за три года благодаря рабочим процессам кодирования с поддержкой AI; GitHub Copilot имеет 4,7 миллиона платных подписчиков и 90% внедрения среди Fortune 100; а годовой доход Anthropic в 30 миллиардов долларов, по собственному описанию компании, в основном сосредоточен на кодировании, корпоративном поиске и общей производительности. Шаблон последователен: лаборатории, производящие основные модели, сообщают, что эти модели трансформируют программную инженерию. Более глубокий контекст — это то, что Брокман более четко сформулировал в своем интервью на подкасте Big Technology в начале апреля. Он описал «инфлексию декабря 2025 года», когда модели смогли выполнять примерно 20% типичных инженерных задач, а затем — примерно 80%, сдвиг, который он охарактеризовал как «вам абсолютно необходимо переоснастить свой рабочий процесс вокруг этих AI». Он привел в пример инженера OpenAI, который ранее не мог заставить AI справляться с низкоуровневой системной инженерией и теперь передает модели документ проектирования и наблюдает, как она реализует, инструментирует и профилирует полученную систему до производственного качества. Однако существует значительное количество работ, ставящих под сомнение, следует ли воспринимать внутренние показатели продуктивности кодирования AI за чистую монету. В феврале 2026 года статья Национального бюро экономических исследований показала, что 80% компаний, активно использующих AI, не сообщили о measurable impact на производительность. Широко цитируемое исследование MIT 2025 года пришло к выводу, что 95% корпоративных пилотных программ AI не принесли никакой отдачи от инвестиций. Инженер по машинному обучению Хан-Чун Ли утверждал в широко распространенном посте на GitHub, что даже оптимистичные внутренние показатели продуктивности AI следует воспринимать с недоверием, поскольку они обычно создаются для достижения целей внедрения, которые никто не может независимо проверить. Независимая академическая критика была наиболее резкой со стороны когнитивного ученого Гэри Маркуса, который назвал более широкие заявления о AGI «иллюзией на триллионы долларов». «Мы как общество делаем действительно огромные ставки на предпосылку, что AGI близок», — сказал Маркус на недавнем ключевом выступлении в Королевском обществе в Лондоне. «Большие языковые модели — это глубоко ошибочные имитаторы, которые используют эффект Элизы». Конкретный момент Маркуса о кодировании структурно важен: модель, которая производит код, который компилируется и проходит тесты, которые ей были даны, не является тем же самым, что и модель, которая производит правильное, безопасное, поддерживаемое, хорошо спроектированное программное обеспечение. Первое можно проверить за секунды; второе требует такого рода суждения, которое исторически было узким местом в производительности инженерии. Брокман признает разрыв, даже когда утверждает, что он сокращается. «Технология, которую мы имеем сейчас, очень неровная», — сказал он в интервью Big Technology. «Она абсолютно сверхчеловечна во многих задачах. Когда дело доходит до написания кода, такие вещи AI может просто делать. Но есть некоторые очень базовые задачи, которые человек может выполнять, с которыми наш AI все еще испытывает трудности». Две вещи делают цифру Брокмана в 80% особенно заслуживающей внимания в данный момент. Первая — это финансовый масштаб текущего капитального развертывания OpenAI. Компания привлекла 122 миллиарда долларов в 2026 году и нацеливается на IPO с потенциальной оценкой в 1 триллион долларов. Брокман четко заявил, что центральный вопрос для OpenAI больше не в способности модели, а в нехватке вычислительных ресурсов. Вычисления теперь «центр дохода, а не центр затрат», — сказал он, и OpenAI фактически выделяет весь доступный капитал на это. Это развертывание капитала оправдывается, в значительной степени, именно теми видами заявлений о производительности, которые он делает о кодировании AI. Вторая — это контекст рынка труда. Технологические компании уволили тысячи инженеров за последние два года, при этом руководство все чаще ссылается на прирост производительности, обусловленный AI, как на обоснование. Если AI действительно выполняет 80% кодирования в таких компаниях, как OpenAI и Anthropic, последствия для рынка труда значительны. Если эта цифра отражает менее надежную реальность, AI участвует в какой-то стадии рабочего процесса в большинстве задач кодирования, но не заменяет фактически 80% инженерных усилий, то увольнения могут опережать фактические приросты производительности, и долгосрочные человеческие затраты разрыва могут быть значительными. Есть еще один дополнительный слой в формулировке Брокмана, который стоит отметить: он сам, по собственному описанию и в профиле TIME о 100 самых влиятельных людях в AI, проводит примерно 80% своего рабочего времени за кодированием, от 60 до 100 часов в неделю. Человек, который утверждает, что AI теперь пишет 80% кода компании, также, по репутации, является самым плодовитым человеческим кодером компании. Является ли это тем, что делает его наиболее надежным свидетелем сдвига производительности или наиболее заинтересованным в вере в него, зависит от того, какую интерпретацию цифры принять.