← Назад к блогу

8 месяцев без единой строчки кода — а поставляю больше, чем когда-либо

Без кода, но создают больше. Как senior-разработчики переосмысляют продуктивность в эру LLM

8 месяцев без единой строчки кода — а поставляю больше, чем когда-либо

Сейчас в инженерных командах происходит странный разговор. Senior-разработчики признаются — иногда смущённо, иногда с гордостью, — что месяцами не писали руками ни одной осмысленной строчки кода. Не потому, что перестали создавать. А потому, что стали создавать больше, чем когда-либо, — а та часть работы, где нужно печатать, незаметно исчезла.

Это не гипотетическое будущее. Это текущая рабочая реальность для растущей доли профессиональных разработчиков, и она ставит вопрос, который должен задать себе каждый технический основатель и CTO: если самые продуктивные инженеры команды больше не пишут код, чем именно они занимаются — и за что бизнесу стоит платить?

Почему это важно для бизнеса

Двадцать лет оценка сроков в разработке ПО опиралась на простую ментальную модель: фичи стоят человеко-часов разработчика, а человеко-часы в основном уходят на набор кода и отладку. Бюджеты, планы найма и ставки агентств строились на этом допущении.

Эта модель ломается. Согласно опросу разработчиков Stack Overflow 2024, 76% разработчиков используют или планируют использовать AI-инструменты в своей работе, причём примерно 62% уже применяют их ежедневно. Когда большинство отрасли меняет способ производства своего основного продукта, ценообразование и планирование, построенные на старой модели, дают неверные ответы — иногда неверные в разы.

Проще говоря: если задача, занимавшая неделю, теперь занимает день, а ваш подрядчик по-прежнему оценивает её в неделю, вы платите за рабочий процесс, которого больше не существует. А если ваша внутренняя команда поставляет в пять раз больше кода, но ревьюит его по-старому, вы накапливаете риск в пять раз быстрее. Оба сценария провала стоят реальных денег.

Что значит «создавать», когда никто не печатает

Разработчик, не писавший код восемь месяцев, не превратился в менеджера. Работа изменила форму. Теперь она выглядит так:

  • Специфицирование. Превращение размытого бизнес-требования в точное, однозначное описание поведения — граничные случаи, режимы отказа, ограничения. Это всегда было самой трудной частью; AI просто сделал её видимой частью.
  • Оркестрация. Запуск одного или нескольких AI-агентов по кодовой базе, снабжение их контекстом, разбиение больших задач на куски, которые агент может надёжно выполнить.
  • Ревью и верификация. Чтение сгенерированного кода со скепсисом инспектора стройнадзора, а не с гордостью автора. Запуск этого кода. Проверка граничных случаев, о которых агент не подумал.
  • Принятие решений. Архитектура, компромиссы, что не строить. Агенты быстро генерируют варианты; выбирать по-прежнему должен кто-то живой.

Полезная аналогия: разработчик превратился из каменщика в генподрядчика. Генподрядчик не кладёт кирпичи, но без него здание не построится. И что критично — плохой генподрядчик с быстрой бригадой строит плохое здание быстрее.

Именно на этом последнем пункте большинство команд и попадает в беду — и данные это подтверждают.

Реальные цифры: что на самом деле показывают исследования

Исследования AI-ассистированной разработки по-настоящему противоречивы, и любой вендор, цитирующий только одну их сторону, что-то вам продаёт.

Оптимистичная сторона. Контролируемый эксперимент GitHub совместно с Университетом Кэйо показал, что разработчики выполняли стандартизированную задачу по программированию на 55% быстрее с Copilot, чем без него. Для чётко определённых, самодостаточных задач — типовой API-эндпоинт, стандартная интеграция, бойлерплейт — ускорение реально и воспроизводимо.

Неудобная сторона. Рандомизированное контролируемое исследование METR 2025 года изучало опытных open-source-разработчиков, работающих над большими, зрелыми кодовыми базами, которые они хорошо знали. Результат: разработчики, использовавшие AI-инструменты, были на 19% медленнее — при этом считая, что они примерно на 20% быстрее. Разрыв между восприятием и реальностью — пожалуй, более важная находка, чем само замедление. Команда может ощущать себя радикально продуктивнее, в то время как её метрики поставки говорят об обратном.

Взгляд на уровне систем. Исследовательская программа DORA от Google обнаружила, что рост внедрения AI коррелировал с измеримым снижением стабильности поставки. Больший поток кода через пайплайн нагружает всё, что ниже по течению: ревью, тестирование, деплой, реагирование на инциденты.

Честный вывод: обе стороны верны одновременно. AI-агенты радикально быстрее на greenfield-задачах — хорошо специфицированных, шаблонных по форме — и могут давать чистый минус на сложных легаси-системах, где самое трудное — понимание контекста, которого у агента нет. Эти 55% и −19% описывают разные виды работы, и реальный результат команды зависит от того, какой вид доминирует в её бэклоге.

Куда теперь на самом деле уходит время

Когда стоимость генерации кода приближается к нулю, бутылочное горлышко перемещается. Оно не исчезает. На практике оно оказывается в трёх местах:

1. Качество спецификации

Агент, получивший размытую задачу, выдаёт размытый результат на высокой скорости. Старый процесс терпел размытые тикеты, потому что живой разработчик заполнял пробелы вопросами. Агенты заполняют пробелы правдоподобными допущениями — что хуже, потому что правдоподобный-но-неверный код проходит поверхностное ревью. Команды, которые успешно поставляют с агентами, вкладывают сэкономленное на наборе кода время в более чёткие спецификации на входе.

2. Ревью и верификация

Это новый критический путь. Сгенерированный код приходит быстрее, чем люди успевают его внимательно читать, и соблазн пробежаться по диагонали растёт с каждым чисто выглядящим диффом. Паттерн провала по всей отрасли одинаков: метрики скорости растут квартал, затем подтягиваются показатели дефектов и число инцидентов. Пропускная способность ревью — человеческое внимание, автотесты, CI-гейты — теперь тот ресурс, который определяет устойчивую скорость, — так же, как вместимость склада, а не скорость грузовиков, определяет, сколько на самом деле может перевезти логистическая сеть.

3. Архитектура и контекст

Агенты блестяще работают внутри хорошо структурированной кодовой базы с ясными конвенциями и плохо — внутри клубка. Архитектурная дисциплина раньше была долгосрочной инвестицией с туманной окупаемостью. Теперь у неё прямой, немедленный множитель: чистая структура делает каждый агенто-час продуктивнее — так же, как хорошо организованная кухня делает быстрее каждого повара. Больше всего от AI выигрывают те кодовые базы, за которыми хорошо ухаживали ещё до появления AI.

Альтернативы и компромиссы

Есть три честные позиции, которые команда может занять прямо сейчас, и у каждой есть реальная цена.

Полное внедрение — агенты пишут, люди направляют. Максимальная пропускная способность на подходящей работе. Компромиссы: ревью становится бутылочным горлышком и требует осознанного укомплектования людьми и инструментами; джуниор-разработчики теряют практические «повторения», которые раньше формировали senior-суждение, — а это пятилетняя проблема, спрятанная внутри пятинедельного выигрыша; и на незнакомых или принципиально новых доменах результат METR подсказывает, что ускорение может незаметно инвертироваться.

Выборочное внедрение — агенты для бойлерплейта, люди для ядра логики. Прагматичная середина. Забирает большую часть выигрыша на шаблонной работе, сохраняя человеческое авторство там, где ошибки дороги: платежи, аутентификация, миграции данных, всё чувствительное к безопасности. Цена — постоянные накладные расходы на суждение: кто-то должен непрерывно решать, в какую корзину попадает каждая задача, а граница сдвигается каждые несколько месяцев по мере улучшения инструментов.

Осознанное воздержание. Оправданно в узких случаях: регулируемые среды со строгими требованиями к происхождению кода или команды, вся ценность которых — глубокая экспертиза в одной заковыристой легаси-системе. Но при 76% внедрения в отрасли воздержание — это теперь решение конкурировать по цене с командами, у которых структурно иная себестоимость. Этот разрыв накапливается.

Вот что мы рекомендуем большинству продуктовых команд:

  1. Сначала внедрите агентов на шаблонной работе — CRUD, интеграции, тесты, миграции между хорошо известными фреймворками. Именно здесь живут выигрыши класса 55%, а риск минимален.
  2. Перенесите бюджет с написания на ревью. Если генерация кода дешевеет в 5 раз, ревью должно соответственно усилиться: больше автоматизированного тестирования, строже CI-гейты и явно защищённое в расписании время на человеческое ревью — а не сжатое новой скоростью.
  3. Измеряйте поставку, а не активность. Строки кода и количество PR мгновенно раздуваются с агентами и не значат ничего. Отслеживайте lead time, долю неудачных изменений и инциденты — цифры, которые ловят ловушку METR, когда команда чувствует себя на 20% быстрее, будучи на 19% медленнее.
  4. Оттачивайте спецификации раньше, чем промпты. У команд, испытывающих трудности с агентами, почти всегда сначала была проблема со спецификациями. Агент просто вскрыл её на большей скорости.
  5. Защищайте траектории обучения джуниоров. Давайте им работу, которую они обязаны написать и отстоять своими руками, параллельно с работой через агентов. Иначе отраслевой конвейер senior-суждения пересохнет ровно тогда, когда суждение стало всей сутью работы.

Что это значит для вашего проекта

Если вы покупаете разработку — у агентства, подрядчиков или внутренней команды, — вопросы, которые стоит задавать, изменились:

  • Не «сколько разработчиков?», а «как верифицируется сгенерированный код перед поставкой?»
  • Не «какая у вас почасовая ставка?», а «как выглядит ваша поставка в расчёте на фичу и как она изменилась за последний год?»
  • Не «используете ли вы AI?» (все отвечают «да»), а «где вы осознанно его не используете и почему?» — вендор без ответа на этот вопрос не думал о компромиссах.

Команда, которая не может конкретно описать свой процесс ревью и верификации, — это команда, за чьё ускорение вы в итоге заплатите инцидентами в продакшене.

Главный вывод для бизнеса

Стоит запомнить три вещи:

  1. Работа не сократилась — она переместилась. Набор кода перестал быть дорогой частью; дорогой частью стали специфицирование, ревью и принятие решений. Бюджеты и оценка подрядчиков должны отражать, где стоимость сидит на самом деле сейчас.
  2. Скорость без верификации — это отложенная стоимость, а не сэкономленная. Опубликованные данные показывают и выигрыш 55%, и потери 19% — в зависимости от типа работы и дисциплины вокруг неё. Разница между этими исходами почти целиком в процессе, а не в инструментах.
  3. Разрыв восприятия — вот настоящая опасность. Разработчики в контролируемых исследованиях считали себя быстрее, будучи медленнее. Единственная защита — измерять результаты поставки: lead time, долю сбоев, инциденты — вместо того чтобы доверять ощущению продуктивности команды.

Разработчики, переставшие печатать, не перестали заниматься инженерией. Бизнесы, которые поймут это различие, будут хорошо покупать софт в ближайшие годы. Те, кто не поймёт, будут платить по расценкам генподрядчика за оценки эпохи каменщиков — а потом заплатят ещё раз, когда инспекция наконец случится в продакшене.

Статья подготовлена на основе открытых источников и может содержать неточности.

Читайте также

✦ВыжимкаAI
  1. 62% разработчиков уже ежедневно используют AI-инструменты, поэтому старая модель «время проекта = часы набора кода» даёт неверные ответы: задача, занимавшая неделю, может занимать день — а оценки и ставки этого не отражают.
  2. Работа senior-разработчика сместилась на спецификацию (точное описание граничных случаев), оркестрацию агентов и верификацию результата — AI не убрал самую трудную часть инженерии, он сделал её видимой.
  3. Скорость генерации кода масштабирует не только продуктивность, но и риск: команда, поставляющая в пять раз больше кода при прежнем качестве ревью, накапливает технический долг и баги в пять раз быстрее.

Powered by B1KEY