Технический долг никуда не делся: вместо зарплат вы платите за него токенами

Идея, что ИИ-агенты заменят пятерых разработчиков и обойдутся дешевле, звучит заманчиво. На коротком отрезке так и есть: модель выдаёт код за секунды, скорость поставки растёт. Но автор оригинального разбора, опираясь на личные наблюдения за последние месяцы, фиксирует закономерность: технический долг (накопленные архитектурные компромиссы, которые замедляют любое изменение в системе) не сокращается. Меняется только валюта платежа.

Раньше цикл выглядел так: технический долг снижал скорость, компания нанимала больше людей (часто джуниоров, чтобы дешевле), коммуникации усложнялись, регрессии (поломки ранее работавших функций) множились, долг рос ещё быстрее. Сегодня вместо найма компания увеличивает контекстное окно модели, запускает дополнительные агентные циклы (повторные обращения ИИ-агента к коду), переключается на более мощную модель или просто повторяет генерацию несколько раз. Со стороны производительность выглядит высокой, но стоимость каждой следующей задачи тихо растёт.

Почему расходы на токены разгоняются?

Автор выделяет четыре причины.

• Контекст дорожает. Чем сложнее проект, тем больше файлов, зависимостей и бизнес-логики нужно передать модели. Стоимость задачи растёт не из-за её сложности, а из-за стоимости понимания системы.
• Качество понимания падает. Языковые модели отлично справляются с хорошо структурированным кодом. В реальных корпоративных проектах с циклическими зависимостями и неявными побочными эффектами модель тратит больше вычислений и чаще ошибается.
• Проверка съедает выигрыш. Код написан за секунды, но его нужно проверить, протестировать и безопасно интегрировать. Если архитектура плохая, стоимость верификации растёт быстрее, чем скорость генерации. Именно поэтому быстрое написание кода не равно быстрой поставке изменений в продакшен.
• Регрессии ускоряются. Если система плохо разбита на модули и слабо покрыта тестами, ИИ-агент производит регрессии даже быстрее человека, потому что генерирует больше кода за единицу времени.

Ключевая мысль автора: главный дефицит эпохи ИИ не скорость генерации кода, а архитектурная энтропия (нарастающий хаос в структуре проекта). Если архитектура стала слишком сложной для человека, постепенно она станет слишком сложной и для модели. В этот момент стоимость каждой новой задачи начинает расти не линейно, а экспоненциально, и неважно, чем вы платите: зарплатами или миллионами сожжённых токенов.

Что понадобится

• Доступ к любой языковой модели, которую вы используете в разработке или при создании контента (ChatGPT, Claude, GigaChat, YandexGPT).
• Таблица или простой текстовый документ для фиксации расходов на токены по задачам.
• 30 минут на аудит одного проекта.

Как замедлить рост технического долга при работе с ИИ?

1. Замерьте текущую стоимость задачи. Возьмите три последние задачи, которые вы решали с помощью языковой модели. Запишите, сколько токенов (или рублей за API) ушло на каждую. Если пользуетесь чатом без API, фиксируйте число итераций: сколько раз пришлось переформулировать промпт (запрос к модели), прежде чем результат оказался рабочим.

2. Найдите точку роста. Сравните простую задачу (написать функцию с нуля) и задачу в существующем проекте (изменить поведение внутри сложной системы). Разница в стоимости покажет, сколько вы уже платите за технический долг токенами.

3. Упростите контекст до передачи модели. Перед тем как отправить задачу ИИ-агенту, вынесите бизнес-логику в отдельный файл-справку. Чем меньше «мусорного» контекста попадёт в промпт, тем дешевле генерация и выше качество ответа.

4. Разбейте монолит на модули до генерации. Если ваш проект это один большой файл или тесно связанные сервисы, потратьте час на выделение автономных блоков. Модель работает точнее с изолированным модулем, чем с кашей из зависимостей.

5. Добавьте тесты до, а не после генерации. Напишите или сгенерируйте тесты на текущее поведение, и только потом просите модель менять код. Это отсекает регрессии на входе, а не на этапе ручной проверки.

6. Ведите журнал стоимости. Раз в неделю записывайте среднюю стоимость задачи в токенах. Если кривая идёт вверх, это сигнал: технический долг растёт, пора чистить архитектуру, а не увеличивать лимиты API.

Что делать с этим прямо сейчас, по ролям?

Авторам Дзена и копирайтерам. Если вы автоматизировали создание контента через ИИ, следите за длиной промптов. Разбухший системный промпт с десятком примеров, это ваш технический долг: он съедает токены и снижает точность. Держите инструкцию компактной, примеры подавайте по одному.

Маркетологам. Когда агентная автоматизация (цепочки ИИ-агентов для рассылок, аналитики, отчётов) начинает стоить дороже, не наращивайте бюджет на API. Упрощайте процесс: меньше шагов, чище данные на входе, короче контекст.

Предпринимателям в РФ и СНГ. Из доступных в России инструментов для генерации кода и контента работают YandexGPT и GigaChat. Закономерность та же: технический долг растёт независимо от провайдера. Заведите простую таблицу расходов на токены по проектам и пересматривайте её раз в неделю.

Конкурентное преимущество в ближайшие годы получат не те, кто генерирует код или контент быстрее всех, а те, кто удерживает архитектуру достаточно простой, чтобы её одинаково хорошо понимали и человек, и модель.