Про AI Productivity Paradox, или почему AI-ассистенты не ускорили ваши релизы

Покопался в свежих исследованиях про эффект, который сейчас ловят почти все команды: разработчики с AI закрывают заметно больше задач, а релизы быстрее не выходят. Эффект уже назвали AI Productivity Paradox, и цифры везде похожие. У MIT и Wharton агенты пишут в семь раз больше кода, а релизов от этого — плюс двадцать процентов. У GitLab 78% разработчиков говорят, что кодят быстрее, и одновременно 79% признают, что поставка не ускорилась.

Главная мысль всех этих работ: ускорять написание кода бессмысленно, пока всё, что после него, осталось прежним. Объяснения сходятся к четырём причинам.

1️⃣ Написание кода никогда не было узким местом
Это примерно треть пути до продакшена. Остальное — ревью, тесты, интеграция, выкатка, поддержка — как требовало людей, так и требует. Фред Брукс написал об этом ещё сорок лет назад: серебряной пули нет, ускорение одного этапа не ускоряет систему.

2️⃣ Конвейер после кода не рассчитан на такой объём
Ревью и QA строились под скорость человеческих рук. Теперь PR висят в ревью в разы дольше, всё больше мержится без ревью вообще, инцидентов после выкаток — в разы больше. Каждая третья команда признаётся, что боится выкатывать свой AI-код в прод.

3️⃣ Ощущение скорости обманывает
В контролируемом эксперименте METR опытные разработчики были уверены, что AI ускорил их на 20%. Замер показал: на 19% медленнее. Генерация выглядит как прогресс, а часы на проверку и доводку чужого кода мозг не записывает.

4️⃣ Копится comprehension debt — долг понимания
Код смерджили, тесты зелёные, а через три дня никто не может объяснить, как он работает. Когда он упадёт в проде, чинить будет тот, кто видит его впервые.

Для руководителей главный вывод такой: писать код стало почти бесплатно, а всё, что после — понять, проверить, выкатить и поддержать, — подорожало. Значит, и вкладываться нужно туда. Я вижу три направления:

— Spec-driven development. Самое дорогое теперь — чётко сказать, что вы хотите получить: критерии приёмки, способ проверки, запреты. Плохая спека просто быстрее производит неправильный код.
— DDD. Код с ясными границами ответственности проверять в разы дешевле, чем логику, размазанную по системе. А в захламлённой базе модель видит техдолг как образец и копирует его — это уже прозвали generative debt.
— Supervisory engineering. Работа инженера сдвигается от «писать» к «проверять»: поставить агенту задачу, посмотреть результат, вовремя вмешаться. Под эту работу нет даже строчки в матрице грейдов, хотя именно она теперь решает, сколько команда выпускает.

И ещё остаётся вопрос, на который у индустрии нет ответа, — джуны. Их ценили за скорость роста, а AI закрывает задачи за них и стирает этот сигнал. При этом сеньоры-ревьюеры вырастают только из джунов, которым дали пройти путь. Режете джунов сегодня — некому ревьюить через пять лет.

#AI #AI4SDLC #Engineering #Management #Processes