Прошёл еще один год, а значит время «подводить итоги». Однако вот сижу я сейчас и думаю: это сообщение, вероятно, смог бы написать за меня OpenAI Codex (или Claude Code моей жены). И неподготовленный взгляд, опять же, вероятно, даже не заметит подмену. Однако сии строки я набираю сам, со всеми ошибками и опечатками. И вот почему.
За год LLM окончательно завершили технологическую «революцию», закрепившись в мире разработки, перестав быть экзотикой и стал очередным жестким требованием работодателей. Бессмысленно отрицать, что большие языковые модели заменили нам исследование, прототипы, поиск в Гугле и на SO. Настройку и развертку. Исследование логов. Написание ADR. У многих даже ручной кодинг отвалился. Да че уж говорить, моя команда по выводу продуктов в Open Source из маркетинговой истории «смотрите как у нас круто» превратилась в прагматичную историю «можете натравить на наш API/SDK ваших агентов и они соберут вам всё за пару вечеров». Скорость и объем итераций возросли в разы.
Однако у всего этого есть и обратная сторона. Я не буду говорить про выгорание от попыток вразумить «электронного дебила» через набор текстовых файлов. Я не буду говорить про кратно возросшую нагрузку из-за потока MR на code-review. Я не буду говорить, что новички в профессии уже не стесняются говорить о том, что «ну за меня код GLM/DeepSeek пишет, сам я тока
Нет, моя мысль более приземленная. За три года, которые я взаимодействую с языковыми моделями, я пришёл к однозначному выводу — LLM это невероятно крутой Т9. Я понимаю, что многие из вас, кто работают с моделями (или работает над ними), сейчас оскорбились, но моя цель не принизить успех технологии. Отнюдь — как я уже говорил, реальный импакт уже есть и он уже ощущается всеми. Но и замечать очевидные минусы становится всё сложнее.
Минус первый — пустословность моделей. Именно пустословность, а не многословность, тк все мы знаем про Caveman Skill и прочие различные методики сокращения числа потребляемых токенов. Нет, речь именно про смысловую нагрузку в тексте, который генерирует модель, неком числе коэффициенте полезной информации на слово. Из-за того, что каждый второй сейчас выкладывает тексты «причесанные LLM» я обратил внимание, что не могу больше читать и осознавать такие тексты. Из-за их огромного числа, мозг перестал их воспринимать. Как рекламу — она вроде есть, но мозг научился её фильтровать настолько хорошо, что мы даже не обращаем внимание на баннеры слева и справа потребляемого контента. И из минуса следует логичный вопрос: для кого написаны эти километры «причесанного LLM» текста? Кто их будет читать?
Минус второй — мы думали (думаем?) что это заменитель, а это мультипликатор, знаний и ума. В индустрии всё еще теплится идея, что модели смогут заменить «мешков с костями» как полноценные автономные сотрудники. Не буду касаться вопроса ответственности, зайду с другой стороны: на днях общаясь с Claude Opus 5 я обратил внимание, что имена и факты не сходятся. При этом текст был лаконичный и набор утверждений были последовательным. Нигде модель не путалась, не мешала следствия и не выглядела как шизофреник. Однако одно неправильное утверждение вызвало у меня вопрос «а откуда ты взяла XY?». На что модель честно ответила — я это придумала! Как и 50% всех фактов, которые она мне до этого любезно разложила. И хуже здесь не сама галлюцинация (которые нам всё обещают победить, но никак не побеждают), а тот факт, что модель смогла вывести идеально выстроенную систему из неё. Если бы я не знал о конкретном несоответствии, я бы даже не подумал, что что-то пошло не так. Настолько был убедительный текст.