Несколько лет назад ИИ в редакторе дописывал строку и предлагал название функции. Сейчас агент может прочитать репозиторий, изменить несколько файлов, запустить тесты и подготовить коммит. Разработчик всё чаще ставит задачу и проверяет результат, а не пишет каждую строку сам.
Это звучит как простая экономия времени. На деле изменился весь рабочий цикл. Код стало дешевле производить, но дороже проверять. Хорошее описание задачи, тесты и понятная архитектура теперь сильнее влияют на скорость команды.
От подсказки к исполнению задачи
Первое поколение инструментов продолжало код в открытом файле. Разработчик сохранял полный контроль над каждым шагом и принимал короткие предложения.
Современный агент работает с задачей целиком. Он ищет связанные файлы, читает документацию, предлагает план, вносит изменения и запускает команды. В анализе 400 тысяч сессий Claude Code исследователи Anthropic увидели устойчивое разделение труда. Человек чаще решает, что нужно сделать, а агент выбирает способ реализации.
Разница существенная. Раньше единицей работы была строка или функция. Теперь ей может быть исправленный баг, новый экран или миграция API.
Узкое место переместилось
Когда код пишется медленно, команда экономит на реализации. Когда агент генерирует сотни строк за несколько минут, дефицитным становится внимание человека.
Нужно проверить, правильно ли понята задача. Затем прочитать изменение, оценить архитектуру, запустить тесты и заметить случай, о котором модель не подумала. Если агент написал слишком много, ревью занимает дольше ручной реализации.
Поэтому хороший запрос к агенту похож на нормальную инженерную задачу. В нём есть ожидаемое поведение, ограничения, примеры и способ проверки. Фраза "добавь авторизацию" оставляет слишком много решений модели. Требование "закрой маршрут для анонимного пользователя, сохрани публичный доступ к странице входа и добавь тест на редирект" уже можно проверить.
ИИ ускоряет не каждую задачу
Разговор о производительности часто сводят к одной цифре, хотя результат зависит от контекста.
В эксперименте GitHub 95 профессиональных разработчиков писали HTTP-сервер на JavaScript. Участники с Copilot завершили задачу на 55% быстрее. Задание было изолированным, а результат проверялся тестами.
Исследование METR дало обратный результат. Опытные разработчики решали реальные задачи в знакомых им открытых проектах и с инструментами начала 2025 года потратили на 19% больше времени. Они читали предложения модели, исправляли их и тратили время на запросы, хотя ожидали ускорения.
В феврале 2026 года METR остановила прежний дизайн следующего эксперимента. Разработчики всё чаще отказывались участвовать, если могли попасть в группу без ИИ. Авторы считают, что новые инструменты, вероятно, полезнее ранних, но собранные данные уже не дают надёжной оценки.
Здесь нет противоречия. Агент хорошо ускоряет задачу с ясным результатом и быстрой проверкой. Он может мешать, если разработчик и без него отлично знает код, а проверка чужого решения занимает больше времени, чем собственная реализация.
Тесты стали частью постановки задачи
Раньше тесты в основном защищали код после написания. Для агента они ещё и объясняют, что считать готовым результатом.
Если в проекте есть быстрый набор тестов, линтер и проверка типов, агент получает обратную связь без участия человека. Он видит ошибку, исправляет код и повторяет команду. Без таких проверок модель может закончить работу после первого правдоподобного варианта.
Тесты не доказывают, что решение хорошее. Они проверяют только записанные условия. Но разница между репозиторием с понятными командами проверки и проектом, который запускается только на ноутбуке одного сотрудника, стала гораздо заметнее.
Документация превратилась в рабочий контекст
Устаревшая документация раньше раздражала новичка. Теперь она ещё и направляет агента к неверному решению.
Короткий файл с архитектурными правилами, командами запуска и ограничениями проекта экономит десятки уточнений. То же относится к понятным названиям, небольшим модулям и явным контрактам между компонентами.
Исследование DORA 2025 описывает ИИ как усилитель организации. В команде с хорошими тестами, внутренней платформой и ясными процессами он ускоряет работу. В запутанном проекте он быстрее производит изменения, которые сложно проверить и выпустить.
Читать код стало важнее, чем печатать
Разработчик с ИИ пишет меньше механического кода, но читает больше. Нужно быстро понять незнакомое изменение, найти скрытое допущение и решить, соответствует ли реализация устройству системы.
Это меняет ценность навыков. Скорость набора кода почти ничего не говорит о результате. Важнее знание предметной области, умение разбить задачу и способность заметить ошибку в убедительно написанном решении.
Данные Anthropic тоже указывают на роль экспертизы. Пользователи с глубоким знанием предмета чаще успешно завершали сессии и могли поручить агенту больше работы одной инструкцией. ИИ снизил стоимость реализации, но не отменил понимание задачи.
Прототип стал дешевле, продукт нет
Агент может собрать рабочий интерфейс за вечер. Это полезно для проверки идеи и разговора с пользователями. Проблемы начинаются, когда прототип принимают за готовый продукт.
Продакшен требует миграций данных, наблюдаемости, доступности интерфейса, контроля прав и понятного поведения при сбоях. Эти требования редко помещаются в первый запрос. Модель охотно закрывает счастливый сценарий и может не заметить, что повторный платёж, истёкшая сессия или частично выполненная операция ломают систему.
ИИ сильно сократил путь до демонстрации. Путь от демонстрации до надёжного сервиса изменился меньше.
Как команде перестроить процесс
Начать можно без новой должности и сложной системы правил.
- Давайте агенту небольшую задачу с наблюдаемым результатом.
- Записывайте критерии готовности до генерации кода.
- Просите сначала изучить проект и предложить план.
- Указывайте команды тестов, линтера и проверки типов.
- Проверяйте diff и фактическое поведение, а не объяснение агента.
- Не смешивайте рефакторинг с изменением функции в одном большом коммите.
- Измеряйте время до выпуска, число возвратов на доработку и сбои после релиза.
Последний пункт часто упускают. Ощущение скорости обманчиво. Агент отвечает сразу, поэтому работа кажется быстрой даже тогда, когда ревью и исправления съедают весь выигрыш.
Границы доступа важнее хорошего промта
Агент запускает команды и читает файлы от имени пользователя. Значит, ему не нужны постоянные ключи от продакшена, доступ ко всем секретам или право публиковать изменения без подтверждения.
Безопасная настройка начинается с минимальных прав. Чувствительные команды подтверждает человек, действия записываются в журнал, а зависимости проходят обычную проверку. Промт не заменяет разрешения операционной системы и правила CI.
Что в итоге изменилось
Разработка ПО всё меньше похожа на последовательное написание строк. Она становится управлением циклом обратной связи. Сформулировать задачу, дать агенту нужный контекст, получить изменение, проверить его и решить, что делать дальше.
Сам код никуда не исчез. Просто его производство перестало быть главным ограничением. Теперь скорость команды определяется тем, насколько хорошо она понимает продукт и как быстро отличает рабочее решение от правдоподобного.
ИИ снизил порог входа, но не сделал разработку простой. Если вы не разбираетесь в архитектуре, безопасности и проверке кода, трудно понять, где агент ошибся и готов ли продукт к реальной нагрузке. В таком случае лучше поручить работу профессионалам. Расскажите команде SmartSeven о своей задаче, и мы предложим подходящий план разработки.
