Незыблемый факт: AI уже очень хорош в маленьких задачах.
Написать плагин, скрипт, небольшую tool'у, UI для UnityEditor окна, вытащить текст из аудио, накидать интеграцию с Google Sheets — вот здесь он реально экономит время.
У меня таких историй уже пачка:
— история буфера обмена на macOS
— парсинг локализаций из Google Sheets в MySQL
— извлечение текста из аудиозаписей
— терминальный чат для тестирования внутриигрового чата
— интеграция BenchmarkDotNet в Unity
И тут спорить бессмысленно: да, это ускоряет. Многие мелкие автоматизации можно сделать буквально за 1 промпт.
Когда раньше, я даже не брался за это, т.к. на отладку и написание могло уйти полдня-день.
🔸Проблема - большой production
Когда я работал в Playtika, уже тогда менеджмент пытался понять, как ускорить процессы разработки через AI.
Но модели упирались в контекст. Они могли решить локальную задачу, но плохо держали систему целиком.
Сейчас модели стали намного сильнее. Контекст вырос. Opus уже технически способен написать кусок фичи почти полностью.
Но я всё равно не готов просто взять и запушить это в большой production-проект.
Почему?
Потому что в проекте на сотни тысяч строк AI все равно не хватит контекста, чтобы изучить и прочитать все что есть, из-за этого:
🔹Генерируется функционал, который уже есть в проекте
🔹Системы используются не правильно или не полностью
🔹Агент может посчитать, что функция в другой системе написана не правильно и "исправить".
И кажется что сделано много, так много кода и анализа никто бы из нас быстро не делал.
Но из-за того что это нужно потом вычитать внимательно, проверить и/или переписать, общее время на разработку может только увеличится.
🔸И это не только мое наблюдение
METR проверили это на 16 опытных open-source разработчиках, которые в среднем 5 лет работали на своих репозиториях.
Результат: с AI они стали медленнее на 19% 🤯
При этом ожидания до начала эксперимента были: ускорение на 24%
А после, разрабы думали что AI их ускорил на 20%.
Т.е. человек делает больше и из этого создается эффект ускорения.
И эти результаты нужно поправлять за Echoes of AI, где:
на чужой кодобазе среднего размера AI действительно ускорял — медианное время падало на 30.7%.
Т.е. получается примерно такой парадокс:
🔹 Если проект маленький или среднего размера, то с AI можно в среднем получать +30% к продуктивности
🔹 Если проект большой или огромный, то важно выделять места, где AI может быть полезен, но не отдавать все ему на откуп.
Несоблюдние баланса = +20% к времени выполнения задачи.
Этот вывод я и сам ощущаю, когда иной раз проще самому написать, чем промптить, а потом ходить и все переписывать.
Это может показаться бредом, если опираться на новостной фон и хайпа вокруг AI.
Но это отлично согласовывается даже с тем, что я писал еще до AI хайпа:
Природа разработки ПО - это перенос информации из мира реального в мир абстрактный. Где человек играет ключевую и незаменимую роль.
А скорость переноса ограничена особенностями мозга и ростом синаптических связей. Что ограничено естественным жизненным циклом организма. И это естественное ограничение продуктивности.
И даже когда скорость написания кода стремится к бесконечности, проекты НЕ стало разрабатывать быстрее или дешевле.
🔸Функция снижения AI-продуктивности
Точных цифр нет, но если накидать порядок величин, но вот моё предположение.
Будет интересно вернуться к нему через пару лет 😬
Пусть:
x — текущий размер проекта в kLOC,
y — прирост продуктивности в %,
Smin — kLOC-min, минимальный размер проекта, когда появляется сложность,
Smax — максимальный размер проекта, когда эффект от AI = 0
Тогда формула снижения влияния AI на продуктивность будет выглядеть примерно так:
y ≈ Smin · ln(Smax / x)kLOC | эффект
------+-------
5 | +23%
50 | +12%
500 | 0%
🔻Проще запомнить: продуктивность падает примерно на ~3-5% на каждое удвоение размера проекта.
Ставь 👍 если тебе заходит такого рода контент!
Ты знаешь кому переслать эту статью 💪
#ai@UniArchitect