Программист с ИИ пишет код за день вместо недели: тестировщиков нужно по двое на каждого

Раньше главным ограничением была скорость написания кода, и компании нанимали программистов. Теперь код пишет кодинг-агент (ИИ-агент, который сам пишет и правит программный код по заданию человека), а очередь выстраивается к тем, кто код проверяет. Автор разбираемой колонки по своему опыту работы в командах разработки задаёт простой вопрос: почему бюджеты по-прежнему идут на программистов, а не на проверку?

Почему быстрый код не ускоряет релиз?

По словам автора, программист с кодинг-агентом за день выдаёт объём кода и функций, на который раньше уходила неделя или даже месяц. Но всё, что программист сделал вместе с LLM (большой языковой моделью, нейросетью, которая пишет текст и код), не попадёт в продакшен, то есть в рабочую версию для пользователей, пока это не проверит тестировщик.

Отсюда пересчёт пропорций. Раньше считалось нормой полтестировщика на одного программиста, в идеале один на одного. Если программист выдаёт в 3, а то и в 5 раз больше результата, то, по оценке автора, даже по минимуму нужно два тестировщика на программиста.

Обратите внимание: это расчёт одного практика, а не исследование. Опрошенных компаний и замеров в колонке нет, и это стоит держать в голове, читая дальше.

Почему стоит нанимать больше тестировщиков, а не программистов?

Сторона автора опирается на три довода:

• Неравная отдача программистов. По его наблюдению, в командах 20% программистов пишут 80% кода, остальные 80% дают лишь 20%.
• Дорогой рост штата. Чтобы нарастить объём работ, компании нанимают программистов: расходы растут в 2 или 3 раза, а объём работ в лучшем случае на 50%. Результативных специалистов найти сложно, поэтому берут кого есть, «лишь бы дыру заткнуть».
• Дешёвая альтернатива. Автор предлагает добавить от 20 до 100 долларов к зарплатам программистов и тестировщиков на ИИ-инструменты, сократить хотя бы 30% программистов и перевести бюджет на тестирование. По его словам, ещё и деньги останутся.

Отдельно автор удивляется, что тестировщики сами почти не пользуются кодинг-агентами. Он описывает сценарий: тестировщик получает доступ к свежему коду проекта и подключает тикет-систему (сервис учёта задач и найденных ошибок) через MCP, протокол, по которому ИИ-агент подключается к сторонним сервисам.

Дальше тестировщик просит агента оформить тикет по правилам, сверившись с кодом, и прикладывает скриншоты. Агент же может писать и поддерживать автотесты интерфейса, то есть программы, которые сами прокликивают экраны. Автор отмечает, что вручную их писать тяжело и долго и мало кто за это берётся.

Почему некоторые компании отдают проверку ИИ целиком?

Противоположная сторона тоже есть, и её довод сильный. Автор приводит переписку с сотрудником, по его словам, одной из крупнейших продуктовых компаний с онлайн-сервисом. Там агент сам открыл макеты в Фигме (сервисе для проектирования интерфейсов), запустил приложение на эмуляторе, проверил, исправил ошибки, оформил мерж-реквест (запрос на включение правок в общий код) со скриншотами и перевёл задачи в Jira в статус «готово».

Логика этой компании понятна: если агент закрывает весь цикл, отдельный проверяющий выглядит лишним звеном. Там сократили и программистов, и тестировщиков, а задачу теперь тестирует тот, кто её делает.

Цену такого решения автор знает с чужих слов: качество того, что уходит в продакшен, упало, «но вроде пока терпят». Название компании и цифры падения в колонке не приводятся.

Задача программиста доказать, что работает, а задача тестировщика доказать, что не работает. : Автор колонки

Что делать с этим прямо сейчас, по ролям

Автору Дзена. Ваша ситуация зеркальная: нейросеть пишет черновик за минуты, а узким местом становится проверка фактов. Разделите роли. Отдельным промптом попросите ИИ найти в тексте ошибки, натяжки и непроверенные цифры, а не похвалить его.

Маркетологу. Если подрядчик хвастается, что «с ИИ делает втрое быстрее», спросите, кто и как проверяет результат. Скорость без контроля качества переносит расходы с производства на исправление ошибок и потерю доверия клиентов.

Предпринимателю в РФ и СНГ. Прежде чем сокращать людей, посчитайте, где у вас очередь: на создании или на проверке. Из доступных в РФ языковых моделей есть YandexGPT и GigaChat. Подходят ли они для ваших задач с кодом, проверяйте на собственном проекте, а не по рекламе.

Я жду, что компании, убравшие проверку, будут держаться до первого заметного сбоя у пользователей, а потом начнут возвращать тестировщиков, но уже в новой роли. Вручную нажимать кнопки им больше не придётся: они будут ставить задачи собственным ИИ-агентам и отвечать за то, чтобы ошибку нашли раньше клиента. Выиграет тот, кто перестроит проверку до инцидента, а не после.