Разработчики отказываются работать без ИИ, несмотря на рост ошибок и затрат на поддержку

К 2026 году инструменты искусственного интеллекта стали настолько привычными, что программисты практически перестали рассматривать работу без них. Однако эксперты предупреждают: хотя нейросети помогают писать код быстрее, его качество зачастую страдает, что создает серьезные трудности для индустрии в долгосрочной перспективе.

Парадокс продуктивности в исследованиях

В феврале 2026 года исследовательская лаборатория METR столкнулась с неожиданным препятствием при попытке провести эксперимент. Специалисты планировали обновить данные о влиянии ИИ на эффективность труда, сравнив результаты ручного написания кода и работы с нейросетевыми помощниками. Однако разработчики отказались участвовать в тестировании, заявив, что больше не желают работать без ИИ даже ради исследования.

При этом данные предыдущих опросов показывают неоднозначную картину. Хотя программисты субъективно оценивают свой вклад в работу как «вдвое более ценный» благодаря нейросетям, на практике ИИ часто замедляет процесс. Быстрая генерация строк кода сопровождается дополнительными затратами времени на поиск и исправление ошибок, а также на управление самими ИИ-инструментами.

Закат «токенмаксинга» и корпоративные расходы

В начале 2026 года в технологической среде закрепился тренд на «токенмаксинг» — использование количества потребляемых токенов (единиц информации, которыми оперирует ИИ) как главного критерия продуктивности сотрудника. Однако крупные компании уже начали отказываться от этой метрики из-за неэффективности.

• Компания Amazon закрыла внутреннюю рейтинговую систему Kirorank после того, как сотрудники начали манипулировать показателями, чрезмерно используя ИИ-агентов для искусственного завышения активности.
• Uber израсходовал годовой бюджет на ИИ за первые четыре месяца года, при этом руководство компании признало, что такие траты не привели к измеримому росту количества завершенных проектов.
• Статистика сервиса Entelligence AI показывает, что компании тратят до 44% своих ИИ-ресурсов (токенов) исключительно на исправление багов, которые были созданы самим же Искусственным Интеллектом.

Риски долгосрочного сопровождения

Обозреватели отмечают, что высокая скорость написания кода накладывает на компании обязательства по его постоянной поддержке. Эксперты сравнивают этот процесс с получением кредита: временный прирост скорости разработки оборачивается постоянными расходами на обслуживание накопленных ошибок. Исследование Code Rabbit подтверждает эти опасения: код, созданный нейросетью, содержит в 1,7 раза больше проблем, чем написанный человеком.

Исследователи из Сингапурского университета менеджмента подчеркивают, что внедрение ИИ-кода в реальные программные продукты ведет к непредсказуемому росту затрат на сопровождение в будущем. Это делает использование нейросетей без жесткого контроля рискованным для бизнеса.

Рекомендации экспертов

Несмотря на любовь программистов к виртуальным помощникам, эксперты призывают к более осознанному подходу. Создатель ИИ-агента Devin Скотт Ву отмечает, что современные системы по уровню навыков находятся где-то между начинающим и средним разработчиком. Это означает, что их работу нельзя оставлять без присмотра.

Специалисты рекомендуют внедрять строгие системы контроля качества, адаптированные под специфику ИИ. Предполагается, что человек должен относиться к коду нейросети так же критично, как к работе стажера, оставляя за собой наиболее важные задачи: проектирование архитектуры программного обеспечения и обеспечение информационной безопасности.