Разработчики больше не будут работать без ИИ. Исследования говорят, что это может ухудшать их работу.

      TL;DRРазработчики отказываются писать код без ИИ, но исследования показывают, что это может замедлить их. Amazon закрыла свою внутреннюю таблицу лидеров токенов. Uber потратил свой бюджет на ИИ за четыре месяца.

      В феврале 2026 года исследовательская лаборатория ИИ METR попыталась повторить groundbreaking исследование, измеряющее, сколько времени разработчики тратят на выполнение задач с ИИ и без него. Она не смогла. Разработчики отказались участвовать, потому что не будут работать без ИИ, даже для ограниченного числа задач в исследовательских условиях.

      Оригинальное исследование 2025 года дало удивительный результат. Разработчики сообщили, что ИИ делает их более продуктивными. Данные показали обратное: ИИ на самом деле замедлял их, потому что они тратили дополнительное время на поиск и исправление ошибок, управление ИИ и ожидание его завершения задач.

      Не сумев повторить эксперимент, METR вместо этого опубликовала опрос в мае. Разработчики самостоятельно сообщили, что ИИ делает их вдвое более ценными для их организаций. Недавние данные из нескольких источников предполагают, что это восприятие неверно.

      На этой неделе Amazon закрыла внутреннюю таблицу отслеживания токенов под названием Kirorank, сообщила Financial Times. Сотрудники использовали ИИ-агентов чрезмерно и накапливали расходы. Таблица лидеров доказала, что использование ИИ не автоматически приводит к увеличению продуктивности.

      Uber потратил весь свой бюджет на ИИ на 2026 год в течение первых четырех месяцев года, сообщила The Information. COO Эндрю Макадолл заявил в подкасте, что расходы не привели к измеримому увеличению проектов или продуктивности. Две из самых технически сложных компаний в мире сильно потратились на инструменты кодирования ИИ и не смогли продемонстрировать отдачу.

      Термин для этого паттерна — «tokenmaxxing»: использование потребления токенов в качестве прокси для продуктивности. Это была корпоративная тенденция 2026 года. Возможно, она уже закончилась. Примеры Amazon и Uber показывают, что измерение принятия ИИ по объему использования, а не качеству результата, создает неправильные стимулы.

      Salesforce прогнозирует 300 миллионов долларов на расходы токенов Anthropic в этом году. Генеральный директор Марк Бениофф призвал к созданию «промежуточного слоя», который мог бы интеллектуально маршрутизировать токены между передовыми и более дешевыми моделями. Призыв к созданию маршрутизирующего слоя является неявным признанием того, что не каждый токен приносит ценность, и что расходы должны соответствовать сложности задач.

      Проблема качества кода является более глубокой. Программист и автор Джеймс Шор утверждал в вирусном блоге, что более быстрое создание кода без снижения затрат на обслуживание — это ловушка. «Вы пишете код вдвое быстрее? Лучше надеяться, что вы сократили свои затраты на обслуживание вдвое», — написал он. «В противном случае вам не повезло. Вы обмениваете временное ускорение на постоянное долговое обязательство».

      Данные подтверждают это предупреждение. Стартап Entelligence AI, занимающийся надежностью, утверждает, что компании тратят 44% своих токенов на исправление ошибок, которые сгенерировал их ИИ. CodeRabbit, инструмент для проверки кода, проанализировал запросы на внесение изменений в открытый код и обнаружил, что ИИ создает в 1,7 раза больше проблем, чем человеческий код. Обе компании продают инструменты проверки кода ИИ, что делает статистику корыстной, но не обязательно неверной.

      Независимые исследователи из Сингапурского университета управления опубликовали отчет в апреле, пришедший к тому же выводу. «Код, сгенерированный ИИ, может ввести долгосрочные затраты на обслуживание в реальные программные проекты», — написали они. Код отправляется быстрее. Ошибки приходят позже. Долг по обслуживанию накапливается.

      Вопрос, который избегают инженеры, заключается в том, являются ли приросты продуктивности от инструментов кодирования ИИ реальными или воспринимаемыми. Если разработчики отказываются работать без ИИ, но ИИ генерирует больше ошибок, чем предотвращает, чистый эффект может быть отрицательным. Зависимость опередила доказательства.

      Основатель Cognition Скотт У, создатель ИИ-агента кодирования Девина, признает, что уровень навыков инструмента находится между начинающим и программистом среднего уровня в зависимости от задачи. Это не решение «отдай и забудь». Исследователи SMU рекомендуют обращаться с выводами ИИ так, как вы бы обращались с кодом от начинающего разработчика: проверяйте все, поддерживайте сильные системы контроля качества и держите людей ответственными за архитектуру и проектирование безопасности.

      Рынок труда отражает противоречие. Компании нанимают «кодеров по настроению» и инженеров на передовых позициях в беспрецедентных масштабах, одновременно обнаруживая, что инструменты, от которых зависят эти роли, могут не обеспечивать качественные улучшения, на которые рассчитывают их наниматели. Рынок кодирования ИИ растет быстрее, чем доказательства его эффективности.

      Разработчики не вернутся к кодированию без ИИ. Этот корабль уже уплыл. Вопрос в том, построит ли индустрия инфраструктуру обеспечения качества, маршрутизирующие слои и процессы проверки, необходимые для того, чтобы более быстрое производство кода не стало более быстрым производством технического долга. В данный момент ответ — нет. Разработчики любят инструменты. Инструменты могут не любить их в ответ.