Нейросеть ускоряет программирование, но не понимание: код дешевеет, долг растёт

Спор о том, помогает нейросеть программированию или вредит, идёт давно. Но в последние месяцы он сместился с вопроса «умеет ли ИИ писать код» к вопросу «понимаем ли мы, что этот код делает». Разработчик и автор оригинального эссе фиксирует простую мысль: код перестал быть единственным местом, где живёт правда о системе. А значит, ускорять только его производство недостаточно.

Репозиторий хранит изменения, но не смысл

Привычная модель выглядит так: открыл репозиторий, прочитал код, понял систему. Если что-то неясно, читай внимательнее.

LLM (большие языковые модели, на которых работают Copilot, Cursor и другие ассистенты) сломали эту модель не потому, что пишут плохой код. А потому, что пишут его слишком быстро. Раньше сам процесс ручного набора давал разработчику время погрузиться в контекст. Теперь контекст не успевает сформироваться.

GitHub и GitLab фиксируют что изменилось, кто это сделал и когда. Но не фиксируют почему. Какой инцидент привёл к этому решению, какие ограничения учтены, какие правила команда держит в голове. Автор эссе разделяет два понятия:

• Source of change (источник изменений): дифф, коммит, мёрж-реквест. Это хранят репозитории.
• Source of truth (источник истины): инциденты, постмортемы (разборы сбоев после факта), обсуждения на ревью, документация, даже переписка в мессенджере.

Между первым и вторым зияет разрыв. Нейросеть для программирования этот разрыв не создала, но сделала его болезненно заметным.

Аргументы за: генерация кода освобождает время для главного

Сторонники активного использования ИИ-ассистентов приводят логичный довод: если рутину (шаблоны, бойлерплейт, стандартные эндпоинты) берёт на себя модель, разработчик может сосредоточиться на архитектуре и смысле.

• Код, который раньше писали часами, появляется за минуты.
• Автодополнение снижает порог входа для новичков.
• Быстрая генерация помогает проверять гипотезы: набросал прототип, увидел, работает ли идея.

В этой логике нейросеть для программирования становится черновиком, а человек остаётся редактором, который отвечает за смысл.

Аргументы против: скорость без понимания создаёт долг

Оппоненты указывают на практику, а не на теорию.

• Команды принимают сгенерированный код без глубокого ревью, потому что «ИИ же написал, наверное, правильно».
• Документация и постмортемы и до ИИ считались вторичными. Теперь, когда кода стало больше, разрыв между объёмом артефактов и объёмом объяснений растёт ещё быстрее.
• Галлюцинация (когда модель уверенно выдумывает несуществующий API или библиотеку) в сгенерированном коде обнаруживается не при написании, а в продакшене, когда цена ошибки уже высока.

Главный вопрос разработки, как утверждает автор эссе, звучит не «как написать метод», а «что сломается через неделю» и «откуда взялось это правило». Генерация кода на эти вопросы не отвечает.

Если мы всё ещё считаем код единственным источником правды, то AI просто ускоряет производство артефактов, смысл которых потом снова придётся собирать вручную. И тогда code generation превращается в дорогую игрушку. : Автор оригинального эссе

Что делать с этим прямо сейчас, по ролям?

Разработчику и техлиду. Каждый сгенерированный фрагмент нуждается не в проверке стиля, а в проверке смысла: зачем он здесь, какой инцидент или правило за ним стоит, что он сломает. Если ответа нет, код не готов к мёржу, даже если проходит тесты.

Автору Дзена и контент-маркетологу. Аналогия прямая: нейросеть генерирует текст так же быстро, как код. Но если автор не понимает, зачем конкретный абзац существует и как он работает на задачу, текст превращается в тот же «технический долг». Генерировать черновик можно, принимать без ревью смысла нельзя.

Предпринимателю в РФ. В российских командах, где разработка часто идёт в режиме быстрых итераций и нехватки документации, проблема острее. Постмортемы пишутся редко, знания живут в головах двух-трёх человек. Когда к этому добавляется поток сгенерированного кода, разрыв между скоростью написания и пониманием системы становится критичным. Начните с простого: фиксируйте «почему», а не только «что» в каждом мёрж-реквесте.

Ближайший год покажет, какие команды смогут встроить фиксацию контекста (инциденты, причины решений, ограничения) прямо в процесс работы с ИИ-ассистентами, а какие утонут в растущем объёме кода, который некому объяснить. Разделение пройдёт не по линии «используют нейросеть или нет», а по линии «понимают свою систему или только генерируют её».