Как менялось отношение людей к ИИ в разработке

Фаза первая. Эйфория (2023-й — начало 2024-го)

Запуск GitHub Copilot и затем ChatGPT сопровождался эффектными демонстрациями: модель писала рабочий код за секунды, и из этого делался прямой вывод о судьбе индустрии. Каноничный документ эпохи — эксперимент GitHub и MIT 2023 года, показавший, что разработчики с Copilot выполнили задачу на 55,8% быстрее. Цифра облетела все издания. Почти нигде не уточнялось, что задача была в стерильных условиях — написать HTTP-сервер с нуля, ровно тот тип кода, на котором модель обучалась и который не имеет ничего общего с работой в реальных условиях, где помимо написания кода есть разные стейкхолдеры, сложившиеся процессы, наследство старой системы, требования законодательства и разных стандартов безопасности.

К весне 2024 года гендиректора крупнейших технологических компаний начали публично называть доли ИИ-кода как метрику прогресса. Это превратило техническую тему в новостную: каждый процент стал заголовком. Пресса транслировала эти заявления как факты производительности, хотя это были декларации и измеряли они совершенно разные вещи: «сгенерировано» не равно «дошло до прода» и тем более не равно «принесло пользу». Эйфория продолжала расти.

Фаза вторая. Отрезвление данными (2024–2025)

Перелом наступил, когда на смену демонстрациям пришли замеры. Осенью 2024 года вышел Accelerate State of DevOps Report — ежегодное исследование Google, отраслевой стандарт измерения инженерных процессов. Его вывод впервые прозвучал контринтуитивно: рост внедрения ИИ на 25% сопровождался снижением стабильности поставки софта на 7,2%. Продуктивность отдельного разработчика и скорость работы всей организации, как выяснилось, не одно и то же.

Экономика образования Как ИИ меняет карьеру, компании и саму логику роста специалистов

Решающим стал июль 2025 года и эксперимент лаборатории METR — первое строгое рандомизированное контролируемое исследование на реальных задачах. Опытные разработчики, работавшие в собственных репозиториях, с ИИ стали на 19% медленнее. Но сильнее всего прессу зацепила не сама цифра, а разрыв: те же разработчики были уверены, что ускорились на 20%. Появилось доказательство, что субъективное ощущение продуктивности систематически расходится с реальностью почти на 40 процентных пунктов. Это подорвало доверие ко всем опросам, где разработчики «сообщали» об ускорении.

Дальше отрезвляющие данные пошли потоком. GitClear на массиве в 211 млн строк показал восьмикратный рост дублирования кода и падение доли рефакторинга. Veracode протестировал код более 100 моделей и обнаружил уязвимость в 45% случаев. Apiiro зафиксировал десятикратный рост числа уязвимостей. А затем появились громкие инциденты, когда ИИ-агент во время заморозки кода удалил рабочую базу данных компании и затем сообщил, что откат невозможен.

Кульминацией фазы стал августовский доклад MIT 2025 года с тезисом, который обошел деловые издания мира: 95% корпоративных пилотов генеративного ИИ не дают измеримого эффекта на прибыль. Маятник качнулся в противоположную сторону — от «ИИ отменит программистов» к «ИИ не работает». Но и этот вывод был о том же ложном допущении, только с обратным знаком: компании раздавали разработчикам копайлоты, ускоряли написание кода — то есть постепенно улучшали один узкий участок конвейера — и не понимали, почему результат не виден. Ответ был прост: они оптимизировали не то место.

Фаза третья. Зрелость (2026)

Сейчас, в 2026 году тон мировой прессы меняется в третий раз и это самый важный сдвиг. От бинарного вопроса «Работает или нет?» серьезные издания перешли к вопросу «При каких условиях работает?». И впервые заговорили не о модели, а о слое вокруг нее — о системе, которая превращает генерацию кода в готовый продукт.

Как изменилась повестка

• Мартин Фаулер, один из самых уважаемых инженерных авторитетов мира, ввел формулу «агент = модель + обвязка», и именно обвязка, то есть вся инженерная система вокруг модели, определяет результат.
• Андрей Карпати, ранее возглавлявший ИИ в Tesla, зафиксировал смещение от «инженерии запросов» к «инженерии контекста».
• Аналитики Gartner повторили это слово в слово. Harvard Business Review и MIT Sloan написали о скрытых издержках и техническом долге.

Появился консенсус, которого раньше не было: дело не в модели, а в производственной системе вокруг нее. Модель — это коммодити; ценность создает слой.

Индустрия 4.0 Как ИИ-агенты переходят к мультиагентным системам: исследование

Главный вывод для отрасли в 2026-м

Если ChatGPT изменил интерфейс взаимодействия человека с компьютером, то следующая революция изменит сам способ создания цифровых продуктов. В отрасли постепенно формируется понимание, что конкурентное преимущество создают не сами модели, а организационные и инженерные системы вокруг них. Именно это называется «интеллектуальным слоем производства софта». Это не еще один помощник, встроенный в стадию написания кода. Это слой, который перестраивает весь цикл поставки от требования и спецификации через генерацию к тесту, ревью, проверке безопасности и публикации в прод. В этом слое работают вместе люди и агенты: агенты берут на себя объем и рутину, человек становится архитектором и оркестратором, а проверка качества встроена в каждый шаг. Разница принципиальная.

Прогноз на ближайшие годы

Впервые за три года появилась обоснованная надежда, что ситуация меняется по-настоящему. Причем меняет ее не очередной скачок модели, а рост силы самого интеллектуального слоя: связки людей и агентов, подключенных к ИИ.

Доказательства уже есть. Тот самый отчет DORA, который в 2024 году фиксировал падение стабильности, в версии 2025 года впервые показал обратное: связь внедрения ИИ с производительностью поставки стала положительной. Авторы прямо формулируют вывод: наибольшую отдачу дает не инструмент, а организационная система вокруг него — качество внутренней платформы, ясность процессов, слаженность команд; без этого ИИ создает лишь локальные островки продуктивности, тонущие в общем хаосе. Появились и устойчивые кейсы: автономные агенты, чьи изменения год назад принимались в каждом третьем случае, теперь проходят в продакшен в двух из трех, потому что вокруг них выстроена верификация. Команды, перестроившие конвейер, получают рост скорости без роста техдолга.

Индустрия 4.0 ИИ становится дороже сотрудников: бизнес пересматривает расходы

Наиболее вероятные сценарии на 2026–2027 годы

Сценарий 1. Ускоренное взросление. Если надежность агентных систем продолжит расти нынешними темпами, компании будут все быстрее переносить ИИ из экспериментальных пилотов в производственный контур. Основные инвестиции сместятся с самих моделей на инженерную инфраструктуру вокруг них: механизмы верификации, управление контекстом, интеллектуальные слои и агентные платформы. Постепенно именно они станут новым отраслевым стандартом разработки, как когда-то им стали CI/CD или облачные платформы.

Сценарий 2. Дорогой урок. Если надежность агентных систем будет расти медленнее, рынок пройдет через новую волну крупных инцидентов, связанных с техническим долгом, ошибками ИИ и неуправляемой генерацией кода. Но и этот сценарий вряд ли приведет к отказу от ИИ. Скорее наоборот: именно стоимость этих ошибок заставит компании быстрее инвестировать в инженерные платформы, механизмы проверки и интеллектуальные слои. Неудачные проекты станут не причиной остановки ИИ-трансформации, а причиной сделать ее гораздо более зрелой.

Объединяет оба сценария одно: обратного пути уже нет. За последние три года крупнейшие технологические компании инвестировали в генеративный ИИ десятки миллиардов долларов, и теперь вопрос заключается уже не в том, использовать ли его. Вопрос в том, какая производственная система позволит сделать его экономически эффективным. Поэтому следующая конкуренция развернется не между языковыми моделями, а между компаниями, которые быстрее научатся строить вокруг них работающий интеллектуальный слой.