ИИ для визуализации архитектуры не спасёт: разработчики с нейросетью работали на 19% дольше

Автор разбора спорит с привычной картиной, где нейросеть пишет микросервис (небольшую самостоятельную программу) за три минуты. По его опыту, узким местом в крупной компании никогда не было написание кода. Тормозит встраивание новой логики в старые системы с их ограничениями по информационной безопасности и требованиями регуляторов.

Что измеряли исследователи?

Организация METR провела рандомизированный тест, то есть распределила условия случайно, чтобы результат не зависел от подбора участников. Опытным разработчикам дали задачи на зрелых, сложных базах кода. Это старые программы, которые годами обрастали логикой, а не учебные примеры.

Сравнивали две вещи: сколько времени реально ушло на работу и насколько быстрее себя чувствовали сами инженеры. Деталь существенная: проверяли именно ту среду, в которой живёт большинство корпоративных систем, включая банковские.

Вторую опору разбора составляют данные GitClear о качестве кода. Третью дают отчёты DORA (исследовательская программа DevOps Research and Assessment) о скорости и стабильности выпуска обновлений.

Что обнаружили?

• С ИИ на задачи ушло на 19% больше времени, чем без него.
• При этом сами участники были уверены, что ускорились на 20%. Разрыв восприятия составил 39 пунктов.
• По данным GitClear, доля свежего кода, который переписывают вскоре после сохранения, выросла с 3,3% до 7,1%. Объём скопированного кода превысил объём переработанного.
• DORA фиксирует ту же картину: пропускная способность команд растёт, а стабильность поставок падает.

Механику автор объясняет так. Нейросеть снимает «страх чистого листа», человек мгновенно получает готовый кусок и радуется скорости. Дальше начинается встраивание: код выглядит правильным, но не учитывает скрытых связей со старыми системами и ломается при запуске.

Вывод автора: людям на проверке кода больше нельзя доверять как главному фильтру. Он переносит вес на автоматические проверки, которые физически не пропустят ошибочный код. Это ограничители, записанные в виде программ (guardrails-as-code), и правила, которые следят за соблюдением архитектуры.

Что это значит для вас?

Главный урок шире программирования: ощущение скорости от нейросети может расходиться с реальностью почти на 40 пунктов. Ниже то, что из этого следует для разных читателей.

Автору Дзена. Засеките честно, сколько уходит на статью с ИИ: от первого промпта до текста, где проверен каждый факт. Галлюцинации (когда ИИ уверенно выдумывает то, чего не было) выглядят так же гладко, как сгенерированный код, и съедают время на проверке.

Маркетологу. Дешёвое производство контента не означает экономию. Закладывайте в план время на вычитку и правки, иначе выигрыш на черновике уйдёт на исправления.

Предпринимателю в РФ. У нас свои правила. Банк России в документе 3-МР (пункт 2.5) рекомендует обязательное подтверждение операции сотрудником, если ИИ работает в критичных процессах вроде платежей, а риски информационной безопасности высокие.

Закон об ИИ (243-ФЗ) закрепил понятия «суверенных» и «национальных» моделей, хотя конкретные ограничения пока не детализированы. Поэтому автор заранее ставит промежуточный слой над моделями, чтобы при смене требований переключиться на другую нейросеть без остановки бизнеса.

Из доступных в РФ аналогов, YandexGPT и GigaChat. Держите процесс так, чтобы замена одной модели на другую не ломала всю работу.

По данным METR, GitClear и DORA в разборе руководителя архитектурной функции банка