Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизРазбор · На радарHabr AI→ оригинал

ИИ применяют 83% команд, но в рабочие системы его код выпускают лишь 24%

Код с ИИ появляется за считаные минуты, но после этого нужны ревью, правки, тесты и выпуск. По опросу SimpleOne, ИИ применяют 83% команд, а выпускают созданные с ним изменения в рабочие системы только 24%. Пример: доработка в 16 часов с ИИ занимает 11,5 часа (экономия около 28%), а при неверно понятых требованиях — уже 15,5 часа. Поэтому считайте пользу по принятой доработке целиком, а не по скорости генерации.

AI-обработка оригинала Habr AI; редакция Hamidun News
ИИ применяют 83% команд, но в рабочие системы его код выпускают лишь 24%
Источник: Habr AI. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникHabr AI ↗
Главный редактор
Ключевой факт #1Опрошен 71 специалист; утечку кода и данных главным риском назвали 68%
Дашборд для поддержки17 часов, 42 задачи, 786 330 токенов на подписке $20
Ключевой факт #3Тесты доверили бы агентам 61% опрошенных, а помогает ИИ с ними сейчас лишь 26%

Нейросеть пишет код за полчаса, но это ещё не значит, что доработка быстрее попадёт к пользователям. По опросу компании SimpleOne, ИИ уже применяют 83% команд разработки, однако только 24% сообщили, что выпускают созданные с его помощью изменения в рабочие системы, то есть в продакшен. Остальные застревают на проверке, исправлениях и тестах. Представьте задачу, которую раньше делали 16 часов: ИИ сгенерировал код за 30 минут, а потом разработчики четыре часа ревьюили его и ещё пять часов правили. Если вы внедряете ИИ в команде, эти цифры стоит примерить на свои процессы: считать надо не скорость появления кода, а время до релиза.

Что показал опрос

В исследовании SimpleOne ответили 71 человек: 46% руководителей разработки, 24% разработчиков, 15% аналитиков и 15% других ролей. 71% респондентов работают в компаниях больше 1000 человек. Выборка небольшая, а опрос провёл вендор со своей платформой, поэтому это скорее ориентир, чем статистика по рынку.

У 41% опрошенных отдельные сотрудники экспериментируют с ИИ по своей инициативе, ещё 18% проводят командные пилоты. О регулярном использовании, когда результат уходит в продакшен, сообщили те самые 24%. Ещё 23% не смогли сказать, какая доля созданного с ИИ кода и конфигураций доходит до продакшена. Возможно, такие изменения выпускают, но отдельно их никто не отслеживает, и тогда руководителю нечем доказать пользу инструмента.

Главным препятствием риск утечки кода или данных назвали 68%, требования регуляторов — 23%. Качество результата беспокоит 48%. Почти половина (48%) ждёт ускорения минимум в полтора раза, ещё 31% не могут оценить эффект.

Как выигрыш исчезает

Авторы приводят простой расчёт. Обычная доработка — 16 часов. С ИИ: два часа на описание задачи, полчаса на генерацию, четыре часа на ревью и пять на исправления. Итого 11,5 часа, экономия 4,5 часа, или около 28%.

Теперь допустим, что агент неверно понял требования. Исправления занимают девять часов вместо пяти, итог — 15,5 часа. Генерация по-прежнему длится полчаса, а выигрыш почти пропал. К этому нужно добавить расходы на модель.

Отдельная ловушка — тесты. Если агент пишет и реализацию, и тесты по одному описанию, он может одинаково ошибиться в обоих местах. Пример: руководитель поддержки просит показать долю задач, решённых в срок. Агент считает все закрытые обращения, включая отменённые и отклонённые, пишет под этот расчёт тест и успешно его проходит. На экране появляется цифра, которая не соответствует правилам службы. Поэтому критерии приёмки согласовывают до генерации: владелец процесса решает, какие статусы считать решёнными, а инженер сверяет расчёт с эталонным набором записей.

Кейс: дашборд за 17 часов и $20

На вебинаре SimpleGen владелец продукта показал, как агенты довели задачу от требований до установки на тестовый стенд. Нужен был дашборд для руководителя поддержки: фильтры по периоду, группе и типу задач, поток обращений, скорость обработки, узкие места и целевые значения с подсветкой нарушений. Многочасовую генерацию выполнили заранее.

  • Агент задал автору 28 уточняющих вопросов и нашёл расхождение со стендом: в постановке три таблицы задач, а на стенде десять таблиц-наследников.
  • Второй агент проверял спецификацию; потребовалось 11 итераций и 5,5 часа.
  • Планирование заняло ещё полтора часа: 11 фаз и 42 задачи с зависимостями.
  • Стенд дважды вернул ошибку из-за длинной русскоязычной подсказки, а повторное создание автоматически созданной формы пришлось разрешать синхронизацией стенда с репозиторием.
  • Код-ревью нашло неверное значение по умолчанию, недостаточные права доступа к отчёту и ошибочную подпись.
  • В браузере агент выполнил 25 из 28 шагов сценария за семь минут; три шага требовали авторизации, которую по внутренним правилам он не выполняет. Нашлись пустой блок и невидимые подсказки.

Всего ушло около 17 часов вместе с согласованиями и паузами. Пакет установили на чистый стенд без конфликтов, ошибок и предупреждений. В Claude Code израсходовали 786 330 токенов, и всё уложилось в месячную подписку за $20 с моделью Opus 5. Через API исходящие токены обошлись бы в $19,66, но входящие добавили бы сумму, зависящую от объёма контекста.

Что делать на практике

Разрыв между практикой и желаниями заметнее всего в тестах: сейчас ИИ помогает с ними 26% участников, а агентам их доверили бы 61%. В разборе багов это 28% и 54%, в код-ревью — 26% и 46%. Код пишет ИИ у 60%, а отдали бы агенту 46%. На всех этапах жизненного цикла ИИ используют только 23%.

Возьмите последнюю доработку с ИИ и запишите время на постановку, генерацию, ревью, исправления и выпуск. Возможно, код появился за полчаса, а дни ушли на уточнения и проверку. Именно туда и стоит подключать следующего агента, заранее определив, какие репозитории, стенды и данные ему доступны. Помните и об ограничениях: кейс показал сам вендор, а 17 часов не сравнивали с ручной разработкой.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что показал опрос?

В исследовании SimpleOne ответили 71 человек: 46% руководителей разработки, 24% разработчиков, 15% аналитиков и 15% других ролей. 71% респондентов работают в компаниях больше 1000 человек. Выборка небольшая, а опрос провёл вендор со своей платформой, поэтому это скорее ориентир, чем статистика по рынку. У 41% опрошенных отдельные сотрудники экспериментируют с ИИ по своей инициативе, ещё 18% проводят командные пилоты. О регулярном использовании, когда результат уходит в продакшен, сообщили те самые 24%.

Что известно по теме: как выигрыш исчезает?

Авторы приводят простой расчёт. Обычная доработка — 16 часов. С ИИ: два часа на описание задачи, полчаса на генерацию, четыре часа на ревью и пять на исправления. Итого 11,5 часа, экономия 4,5 часа, или около 28%. Теперь допустим, что агент неверно понял требования. Исправления занимают девять часов вместо пяти, итог — 15,5 часа. Генерация по-прежнему длится полчаса, а выигрыш почти пропал. К этому нужно добавить расходы на модель. Отдельная ловушка — тесты.

Что известно по теме: кейс: дашборд за 17 часов и $20?

На вебинаре SimpleGen владелец продукта показал, как агенты довели задачу от требований до установки на тестовый стенд. Нужен был дашборд для руководителя поддержки: фильтры по периоду, группе и типу задач, поток обращений, скорость обработки, узкие места и целевые значения с подсветкой нарушений. Многочасовую генерацию выполнили заранее. Агент задал автору 28 уточняющих вопросов и нашёл расхождение со стендом: в постановке три таблицы задач, а на стенде десять таблиц-наследников.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…