Генеративные модели прочно вошли в повседневную работу разработчиков, показало исследование ИТ-холдинга Т1 и Tproger, представленное на конференции «Импульс Т1» в Москве. 89% опрошенных использовали сгенерированный ИИ код, а 78% справились с последней задачей быстрее, чем без нейросети. При этом системное обучение работе с ИИ пока остаётся редкостью: только 8% проходили соответствующие курсы внутри компании, тогда как большинство осваивали инструменты самостоятельно.

Главной проблемой оказалось не количество ошибок нейросетей, а понимание получившегося результата: на это указали 42% разработчиков. Ещё 36% столкнулись с нехваткой контекста — модель не знает существующую кодовую базу и правила конкретной команды, поэтому результат приходится адаптировать. Показателен и выбор режима работы: среди тех, кто полностью делегирует задачу ИИ-агенту, в полученном коде сложно разобраться 51% участников против 31% использующих нейросеть как помощника. При этом на ошибки и галлюцинации жалуются 59% «советчиков» и только 17% тех, кто делегирует задачу целиком.
Проблема постепенно смещается от написания кода к его проверке. 39% разработчиков уже тратят на ревью больше времени, чем раньше.
Писать код стало дешево, а проверять – нет, поэтому узкое место сместилось от написания к проверке. По нашему опыту, ИИ масштабирует то, что уже есть в команде: сильные инженерные процессы он усиливает, а слабые — быстрее доводит до проблем.
В исследовании также говорится, что у 43% команд нет чётких правил использования ИИ, а обязательная проверка результата закреплена только у 10%. При этом 18% разработчиков принимали сгенерированный код без правок.
Участники исследования называют возникающую проблему «долгом по верификации»: младший разработчик может получить сотни строк кода за час, но его интеграция и проверка старшим специалистом занимают ещё несколько часов. На этом фоне меняются и требования к разработчикам: 39% опрошенных считают, что новичкам стало сложнее войти в профессию. При этом эксперты отмечают и риски безопасности — от передачи корпоративного кода внешним сервисам до ситуации, когда разработчики начинают перекладывать на ИИ ответственность за критические решения. Поэтому дальнейший эффект от нейросетей будет зависеть уже не столько от скорости генерации, сколько от того, насколько компании выстроят процессы проверки, тестирования и контроля результата.
Читайте ещё материалы по теме:
Не пропускайте наши новостиДобавьте сайт в предпочитаемые источники, чтобы видеть нас чащеДобавить в Google

















