«Зачем платить разработчику, если ИИ пишет код?» — вопрос, который всё чаще слышат те, кто заказывает разработку. Справедливый. ИИ-инструменты для кода действительно впечатляют, ими пользуются каждый день. Вот только стоит вопрос на неверной картинке — будто программист это тот, кто набирает строчки. Картинка дорогая.
Две цифры, которые редко ставят рядом
84% разработчиков используют или планируют использовать ИИ-инструменты. При этом не доверяют точности того, что выдаёт модель, 46%, а доверяют — 33%. Это Stack Overflow Developer Survey 2025: люди не отказываются от инструмента и не верят ему. Одновременно.
Вторая история жёстче. В рандомизированном исследовании METR (2025) опытные разработчики open-source работали над своими же большими проектами. С доступом к ИИ они стали на 19% медленнее. А им казалось, что ускорились процентов на 20. Прогноз перед началом был ещё оптимистичнее — плюс 24%.
Оговорки у результата честные: инструменты начала 2025 года, зрелые кодовые базы, эксперты, которые свой код знают наизусть. На маленьких проектах и у новичков картина другая. Вывод из цифры всё равно остаётся: написание кода никогда не было самой медленной частью работы. Медленная часть — понять, что именно надо построить, и потом проверить, что построено правильно.
Ощущение скорости и скорость — разные вещи. Модель отвечает мгновенно, правка выглядит готовой, время как будто экономится. Пока не выяснится, что сэкономленное ушло на разбор последствий.
Программист никогда не был машинисткой
Пример из практики: офлайн-приложение для мелких магазинов — склад и долговая книжка. Самые тяжёлые решения там не имели отношения к набору текста.
- Просить доступ к СМС владельца магазина, чтобы автоматически ловить мобильные платежи? Так проще. И это катастрофа для приватности. Выбрали другой путь: человек сам делится текстом платежа.
- Хранить деньги в десятичных дробях или в целых «копейках»? Один из вариантов даёт ошибки округления, которые вылезут в конце месяца. И заметит их бухгалтер, а не тесты.
- Что будет, если два телефона в одном магазине продадут последний мешок сахара одновременно, а интернета нет ни у одного?
ИИ напишет код под любой из этих вариантов, причём с одинаковой уверенностью — и когда прав, и когда ошибается. Он не скажет: «стоп, вопрос поставлен неверно». Это не его работа. Его работа — выдать ответ, который выглядит как ответ. Отсюда и главный навык при работе с моделями: перепроверять их там, где они врут уверенно.
Кто выигрывает от ИИ
Не самый быстрый наборщик. Не тот, кто из принципа не открывает ассистента. И не тот, кто вставляет в проект всё, что вернула модель.
- Держит задачу на себе. Разговаривает с владельцем магазина, студентом, медсестрой. Понимает, какая ошибка ударит по живому человеку, а какая просто некрасива.
- Сначала проектирует, потом генерирует. Модель данных, границы, сценарии отказа — руками и головой. И только после этого ИИ заливает стены.
- Читает больше, чем пишет. Смотрит на вывод модели как ревьюер на код джуна: построчно, с тестами. Скучно. Зато дешевле, чем разбирать последствия в проде.
- Умеет говорить «нет». Фиче, разрешению, зависимости, костылю.
- Остаётся ответственным. Когда всё падает в два часа ночи, кому-то придётся это понять и починить. Модель на дежурство не выходит.
Когда хватит ИИ, а когда нужен человек
Граница проходит не по сложности кода, а по цене ошибки.
| Что за проект | ИИ справится сам | Что понадобится от человека | Чем рискуете |
|---|---|---|---|
| Прототип, чтобы проверить идею | Да, и это лучший способ узнать границы инструмента | Ничем особенным — только временем | Почти ничем |
| Демо для показа, калькулятор на сайте | Скорее да | Проверка логики и текстов | Неловким багом на показе |
| Внутренний инструмент на пару человек | Да, если есть кому проверить | Простая модель данных | Техдолгом, который чинит один человек |
| Продукт, который хранит деньги клиентов | Нет | Модель данных, сценарии сбоя, ревью | Потерянными деньгами и репутацией |
| Медицина, персональные данные, документы | Нет | Приватность, проверка, кто-то с именем и ответственностью | Утечкой и разговором не по адресу |
| Учебный проект | Да, с оговоркой | Привычка перепроверять | Привычкой не проверять |
Чек-лист перед стартом
Четыре вопроса, которые стоит задать себе до того, как отдавать задачу модели или подрядчику.
- Кто пострадает, если это сломается? Если ответ «никто» — берите ИИ и делайте быстро.
- Кто сможет объяснить этот код через полгода? Если ответа нет, код вам не принадлежит.
- Сколько времени вы заложили на проверку результата? В опросе 84% пользуются ИИ, а 46% не доверяют ему — значит, часы на ревью надо планировать сразу, а не «если что».
- Какие данные приложение трогает? СМС, платежи, контакты, история клиентов: каждое лишнее разрешение — обещание, которое придётся держать.
Типичные ошибки
- Отдавать постановку целиком. Модель придумает структуру данных сама, и она окажется не той, которая нужна через месяц.
- Верить слову «готово». Код, который не запускали, не работает. Вопрос только в том, где именно.
- Не считать время на разбор. Ускорение от генерации съедается отладкой, если потом никто не читает код построчно.
- Мешать две разные задачи. «Сделай, чтобы работало» и «сделай, чтобы было безопасно» — разные задачи с разной ценой ошибки.
Короткий ответ
Выбирать между ИИ и программистом — вопрос из прошлого десятилетия. Сейчас выбор другой: программист, который умеет работать с ИИ, или отсутствие проверки. Прототип на чистом ИИ — нормальный способ проверить идею за вечер и понять, где инструмент врёт. Всё, чем люди будут доверять свои деньги, здоровье, данные или работу, требует человека, который понимает каждый блок и отвечает за него — в том числе в два часа ночи.
Хороший код в эту эпоху пишет не модель и не человек в одиночку. Его пишет тот, кто точно знает, чего хочет, держит ИИ как неутомимого ассистента и не выпускает наружу то, чего не понимает.
Комментарии (1)
Войдите, чтобы комментировать.