Последнее исследование Anthropic показывает, что разработчики, полагающиеся на ИИ при генерации кода, набирают на 17% меньше баллов в тестах на понимание концепций и не завершают задачи быстрее своих коллег, использующих документацию и поиск в интернете. Результаты подчеркивают: хотя ИИ может за считанные секунды выдать рабочий код, он не снижает стоимость подлинного инженерного мастерства.

Что стоят за этими цифрами

Эксперимент разделил разработчиков на две группы. Одна группа получила неограниченный доступ к инструменту генерации кода на базе ИИ; другая решала те же задачи, используя только официальную документацию и поиск в интернете. После выполнения заданий участники прошли тест на знание основополагающих принципов. Средний балл группы с ИИ оказался на 17% ниже, при этом ни одна из групп не показала измеримого преимущества в скорости.

На практике «vibe coding» — когда вы просите ИИ создать фрагмент кода и внедряете его без глубокой проверки — не повышает продуктивность. Он лишь маскирует пробелы в знаниях, которые позже вырываются наружу в виде багов, проблем с поддержкой или дорогостоящих переписываний.

Контекст за цифрами

Исследование Anthropic показывает, что потенциал технологии не реализован полностью. Участники, которые использовали ИИ на каждом этапе — копировали предложения, подправляли имена переменных и шли дальше — усвоили меньше всего информации о предметной области. Разработчики, которые относились к инструменту как к партнеру — задавали точные, узкие вопросы и затем анализировали полученный код — сохранили больше концептуальных знаний.

Это различие отражает более широкое наблюдение в индустрии: промпт-инженеры могут выдать функцию за считанные минуты, но системный инженер движется быстрее по мере роста сложности. Он предвидит, что может сломаться и что не будет масштабироваться. Его скорость — это результат способности принимать взвешенные решения, а не неэффективности.

Кто выигрывает, а кто проигрывает

Инженеры, сохраняющие критическое мышление Инженеры, которые понимают архитектуру, знают, где структуры должны быть жесткими, а где гибкими, и могут переписывать компоненты, не нарушая работу системы, в долгосрочной перспективе экономят деньги организациям. Их навыки защищают от скрытого технического долга, который часто сопровождает сгенерированный ИИ код, выглядящий чистым, но лишенный явного намерения автора.

Специалисты по промптам Те, кто относится к ИИ как к волшебной палочке, могут быстро создавать прототипы или исправлять изолированные баги. В краткосрочной перспективе они кажутся продуктивными, но по мере расширения кодовой базы скрытые допущения в фрагментах кода, созданных ИИ, становятся обузой. Отладка превращается в поиск первоначального замысла, что раздувает затраты на поддержку.

Организация Компании, чрезмерно полагающиеся на разработку исключительно с помощью ИИ, рискуют столкнуться с более высокими расходами в будущем: больше времени будет уходить на отладку, рефакторинг и онбординг новых инженеров, которым придется расшифровывать непрозрачный код. Компании, сочетающие помощь ИИ с дисциплинированными инженерными практиками, получают преимущества в скорости, сохраняя при этом долгосрочную стабильность.

Детали, которые упускают большинство отчетов

  • Влияние на обучение: 17-процентный разрыв был зафиксирован в тесте, проверяющем понимание, а не просто запоминание синтаксиса. Это указывает на реальную эрозию ментальных моделей, а не на поверхностные знания.
  • Время выполнения задач: Несмотря на соблазн мгновенного получения кода, исследование не выявило статистически значимой разницы в том, сколько времени каждая группа затратила на выполнение задания. Прирост скорости был иллюзорным.
  • Метод имеет значение: Исследование выявило спектр использования ИИ. Полная зависимость от ИИ давала худшие результаты в обучении, тогда как избирательные, исследовательские промпты приносили лучшие результаты. Заголовки, провозглашающие, что «ИИ ускоряет программирование», часто упускают этот нюанс.

Контраргумент: ИИ не бесполезен

Исследование не отрицает наличие нишевых преимуществ; оно лишь предостерегает от попыток распространить их на весь процесс разработки программного обеспечения. Когда задача касается проектирования систем, настройки производительности или вопросов безопасности, человеческое суждение остается незаменимым.

Итог

ИИ может дать вам скейтборд, но без знаний о тормозах и управлении вы разобьетесь на первом же повороте. Технология снижает порог входа в написание кода, однако дефицит по-прежнему ощущается в инженерах, способных рассуждать о системах, предвидеть сбои и поддерживать жизнеспособность ПО по мере его роста. Инвестиции в это умение, а не надежда на то, что промпт его заменит, остаются самым разумным способом контроля долгосрочных затрат.