ИИ ускоряет разработку на 35-40% на новом коде и всего на 10% на легаси

Первый год после внедрения большинство команд просто проседает в производительности. Это главные цифры из свежего отчета DORA по экономике ИИ-разработки.

DORA выпустила первую внятную методичку по расчету ROI от внедрения ИИ в разработку и онлайн-калькулятор в придачу. Главный посыл идет вразрез с продающей риторикой вендоров: ИИ сам по себе ничего не ускоряет, он только усиливает то, что уже есть. Если у команды зрелая платформа и нормальные процессы, отдача приходит быстро. Если деплой все еще ручной, тесты хрупкие, а контекста модели взять негде, ИИ просто разгоняет накопление техдолга.

Если нарисовать график производительности команды до и после внедрения ИИ, получится буква J: сначала несколько месяцев просадки ниже исходного уровня, потом резкий выход вверх. Эту траекторию у DORA и называют J-кривой.

В типовом расчете провал составляет 15% производительности на три месяца. Объяснение бытовое: люди разбираются с инструментом, ревью съедает больше времени, чем раньше, а конвейер не тянет внезапно выросший поток коммитов. На этом этапе руководители часто решают, что инструмент не работает, и закрывают бюджет. Так и хоронят вполне окупаемые внедрения.

DORA подтвердила цифрами и второе неприятное наблюдение: после внедрения ИИ деплои начинают чаще ломаться, а не реже. Объем кода растет быстрее, чем способность ревью и пайплайнов его переварить. Привычное трение в работе разработчика никуда не делось, оно просто сдвинулось. Раньше время уходило на написание рутины, теперь оно уходит на проверку того, что нагенерил ИИ. Авторы отчета называют это «налогом на верификацию».

Финансовая часть построена вокруг онлайн-калькулятора. На входе размер штата, средняя стоимость инженера в год, расходы на лицензии и обучение, ожидаемые глубина и длительность J-кривой.

На выходе совокупные затраты первого года, ожидаемый возврат, ROI и срок окупаемости. Горизонт намеренно ограничен одним годом: он самый сложный из-за просадки, дальше цифры можно экстраполировать самим. Внутри есть переключение между консервативным, базовым и оптимистичным сценариями, а отдельные источники ценности можно обнулить, если CFO будет придираться к «мягким» статьям вроде дополнительной выручки от ускоренного выпуска фич.

 На стандартном примере команды из 500 инженеров калькулятор выдает 39% ROI за первый год при окупаемости около восьми месяцев. Любопытнее процентов выглядит структура затрат: стоимость inference за последние два года упала в 280 раз, и основные деньги теперь не на токенах, а на governance: верификации сгенерированного, переделке пайплайнов, обучении людей. Кто пытается ужать бюджет за счет дешевых моделей, тот ужимает не ту часть.