Штучний інтелект у розробці: чому зростання витрат у 28 разів не збільшує швидкість релізів
Інструменти штучного інтелекту прискорюють роботу окремих програмістів, але загальна продуктивність інженерних організацій залишається на попередньому рівні або навіть знижується. Згідно з дослідженнями компаній DX, LinearB та LeadDev, головними бар’єрами є застарілі процеси, розростання коду та зсув у системі вимірювання ефективності.
Ключові висновки та розрив між витратами й віддачею
- Парадокс інвестицій: інвестиції в ШІ-інструменти для розробки зросли у 28 разів, проте швидкість випуску програмного забезпечення не показує експоненційного зростання.
- Аномалія DXI (Developer Experience Index): спрощення написання коду не призвело до впевненості у його надійності. Підтримуваність коду зросла, але впевненість у релізах упала в негативну зону — розробники стали більше боятися, що випуск зламає продакшн.
- Розростання pull requests (PR): за останній рік середній розмір PR збільшився з 42 до 72 строк коду. Невміння розбивати завдання на дрібні кроки погіршує якість перевірок та документації.
- Відсутність метрик: близько 69% компаній взагалі не вимірюють вплив ШІ на безпеку, продуктивність та навички команд, а більшість повідомлень про успіхи ґрунтуються на суб’єктивному оптимізмі.
Чому великі компанії програють стартапам у впровадженні ШІ
Експерти наголошують на системній проблемі: великий бізнес намагається впровадити штучний інтелект у застарілі організаційні структури.
У той час як малі команди та стартапи з кількох людей можуть за допомогою ШІ-агентів замінити десятки розробників без витрат на складну координацію, великі організації зіштовхуються з «проблемою оновлення». Наявні процеси створювалися у часи, коли написання коду було дорогим. Спроба вбудувати дешеву генерацію коду в застарілі бюрократичні ланцюжки комунікацій неефективна — такі структури потрібно перебудовувати з нуля.
Порівняльний аналіз успішності впровадження ШІ (за даними LinearB та LeadDev)
| Параметр | Елітні організації (Топ-10%) | Організації з низькою ефективністю |
| Середній розмір PR | Менше 100 рядків коду | Понад 228 рядків коду |
| Підхід до розробки | Поетапні дрібні зміни (Incremental) | Масивні генерації коду ІІ-агентами |
| Вимірювання ефекту | Оцінка ризиків, безпеки та швидкості | Відсутність метрик (лише 31% відстежує дані) |
| Результативність ШІ | Реальне зростання продуктивності | Високі накладні витрати на перевірку та PR |
Раніше ми писали, що робітники Microsoft і Meta різко збільшили витрати на штучний інтелект через явище «tokenmaxxing».
.
