Код пишется быстрее, релизы – нет: почему нейросети пока не снимают главные ограничения разработки
Изображение: grok
По данным Т-Банка, 58% инженеров уже используют искусственный интеллект при написании кода, но полностью доверяют результату только 11%. На первый взгляд это выглядит как противоречие: инструментом пользуются массово, а уверенности в нем почти нет. На практике здесь нет никакой загадки. ИИ действительно ускоряет отдельные участки разработки, но почти не отменяет инженерную ответственность и не устраняет системные узкие места, которые влияют на скорость релиза сильнее, чем генерация кода.
Сегодня нейросети хорошо работают там, где нужен быстрый черновик: типовые CRUD-операции, шаблонные тесты, вспомогательные скрипты, обработка данных, заготовки документации, каркасные API-интеграции. На таких задачах команда действительно может выигрывать 20–30% времени, особенно в фазе первичной сборки решения. Но это ускорение легко переоценить, если смотреть только на момент написания кода.
Проблема в том, что релиз – это не сумма сгенерированных фрагментов. После генерации начинается та часть работы, которая по-прежнему требует зрелого инженерного контура: code review, проверка архитектурных решений, тестирование на реальных сценариях, интеграция с остальными компонентами, валидация зависимостей, контроль безопасности, подготовка к развертыванию. Если CI/CD-процессы слабо автоматизированы, если в команде нет единых правил кодирования, если тестовый контур нестабилен, скорость генерации кода почти не конвертируется в скорость поставки продукта.
Именно поэтому разработчики относятся к ИИ не как к автономному участнику команды, а как к очень быстрому помощнику, которого нужно постоянно проверять. Нейросеть может сгенерировать рабочий на вид фрагмент, но ошибиться в деталях, которые критичны в продакшене: некорректно обработать пограничные случаи, предложить устаревший метод, сослаться на несуществующую библиотеку, пропустить проблемы с памятью или заложить небезопасную работу с пользовательским вводом. В результате инженер тратит меньше времени на набор текста, но больше времени — на верификацию результата.
Это уже заметно меняет саму структуру работы команды. Центр тяжести смещается с написания кода на его проверку. В пайплайнах непрерывной интеграции появляются дополнительные контрольные этапы: автоматические тесты, статический анализ, сканирование зависимостей, security-checks, иногда и отдельные правила для кода, сгенерированного ИИ. Параллельно возрастает роль внутренних стандартов: описанных архитектурных ограничений, правил работы с данными, требований к логированию, обработке ошибок и безопасной разработке. Без этой рамки ИИ дает скорость только локально, но добавляет риски на следующем шаге.
Есть и классы задач, которые команды по-прежнему не готовы отдавать нейросетям даже частично. Это архитектура системы, криптография, чувствительная бизнес-логика, участки, связанные с регуляторными требованиями, и вообще все, что требует понимания не отдельной функции, а всего контекста: инфраструктуры, интеграций, ограничений отрасли, стоимости ошибки. Модель может выдать формально правдоподобное решение, но не увидеть конфликт с внутренней архитектурой, корпоративными стандартами или особенностями эксплуатации. В таких местах ИИ остается инструментом для подготовки вариантов, а не источником финального решения.
На этом фоне понятна и тревога части разработчиков за профессию. Но пока рынок движется не к исчезновению инженеров, а к пересборке роли. Снижается ценность механического кодинга как такового, зато растет спрос на тех, кто умеет ставить задачу, разбирать результат, видеть архитектурные последствия, ловить риски и встраивать ИИ в управляемый процесс. Проще говоря, выигрывают не те, кто просто быстрее пишет код, а те, кто умеет быстрее и надёжнее доводить изменения до продакшена.
Главный эффект ИИ в разработке сегодня связан не с автоматической заменой человека, а с пересмотром инженерной дисциплины. Нейросеть действительно может ускорить старт задачи. Но релизы начинают идти быстрее только там, где команда заранее выстроила процессы проверки, интеграции и доставки. Если этого нет, ИИ ускоряет набор текста, но не ускоряет выпуск продукта. И именно эта разница сегодня определяет реальную зрелость разработки.
Юрий Тюрин, технический директор MD Audit
(SL Soft FabricaONE.AI, акционер – ГК Softline)
