54% руководителей: больше 60% работы ИИ-агентов требует серьёзной переделки
Агент выдаёт патч за минуты, но человек всё равно должен понять и проверить каждую правку. В опросе Sourcegraph 1 028 руководителей разработки 54% считают, что больше 60% работы ИИ перед релизом приходится серьёзно переделывать вручную. При этом 79% чувствуют давление: нужно доказать окупаемость ИИ. Поэтому внедрение агентов стоит мерить временем ревью и числом сбоев после релиза, а не только скоростью.
AI-обработка оригинала Sourcegraph Blog; редакция Hamidun News
Представьте: агент за пять минут выдал патч, который обновляет библиотеку сразу в десятке сервисов. Проверяющему всё равно придётся выяснить, где ещё используется этот код, не сломается ли сервис, привязанный к старой версии, и какие тесты поймают ошибку. Эту проблему и измерил отчёт Sourcegraph Big Code 2026. 54% опрошенных считают, что больше 60% работы, сделанной ИИ, перед релизом требует серьёзной ручной доработки. Иными словами, больше половины руководителей видят в результате агента скорее черновик, чем готовый продукт. Писать код стало быстро, а понимать его по-прежнему долго.
Отчёт основан на опросе Dimensional Research. В сентябре 2026 года опросили 1 028 человек, отвечающих за разработку в компаниях, где больше 250 разработчиков. Важная оговорка: все цифры — самооценки респондентов, а не измеренные метрики. К тому же Sourcegraph продаёт платформу для понимания кода, так что выводы отчёта подводят к её продуктам. Данные при этом любопытные.
Давление на окупаемость и переделки
79% респондентов из компаний, которые используют ИИ, чувствуют умеренное, значительное или сильное давление: нужно показать отдачу от вложений в ИИ. Одновременно 58% называют масштабирование ИИ и агентов приоритетом на ближайшие двенадцать месяцев. То есть агентов будет больше, а значит, больше будет и чужих правок на проверку.
Авторы ссылаются и на исследование DORA: организации, которые больше используют ИИ, как правило, быстрее выпускают изменения и лучше оценивают продукт, но у них менее стабильная поставка. Отсюда практический совет: успех внедрения нельзя мерить только скоростью. Смотрите, сколько сил уходит на ревью каждого изменения и как часто после релиза возникают проблемы.
Понять чужой код — это половина работы
Агент может сделать изменение быстро, но проверяющему нужно проследить зависимости между репозиториями, сверить локальные правила и понять, какие тесты поймают регрессию. Это могут быть часы работы старшего инженера и ещё коллег, знающих затронутые системы.
По опросу, 65% оценивают, что на чтение, поиск и понимание существующего или предлагаемого кода уходит больше четверти времени команды, а у 25% — больше половины. Для масштаба: если в организации из 1 000 разработчиков на это уходит четверть времени, это эквивалентно работе 250 человек. У 51% опрошенных не меньше 1 000 репозиториев, и вопрос «что зависит от этого кода?» легко выходит за пределы того репозитория, где всё началось. 41% говорят, что инженеры регулярно пишут заново то, что уже есть, потому что не могут это найти.
Самый острый пример — критическая уязвимость в зависимости. На вопрос, сколько займёт найти и исправить все затронутые места, 54% ответили «дни и дольше» или «мы бы не смогли». Это гипотетические оценки, а не замеры реальных исправлений. Среди главных трудностей масштабных изменений респонденты чаще всего называли понимание зависимостей и влияния (43%), единообразие правок в разных репозиториях (42%) и тестирование (42%).
Агентам не хватает общего контекста
Только 10% говорят, что все их агенты видят общую картину кода, зависимостей и истории. У остальных контекст общий частично или подаётся каждому агенту отдельно. Ещё 33% из компаний с ИИ признаются, что разработчики должны подробно объяснять архитектуру, зависимости и договорённости, прежде чем агент начнёт работать над новой задачей.
Sourcegraph предлагает решение: сервер, через который совместимые агенты вроде Claude Code, Codex и Cursor ищут по проиндексированному коду организации прямо в ходе задачи. Он учитывает существующие права доступа к репозиториям, а администраторы управляют тем, кто и какими инструментами может пользоваться. Инженер видит найденный код рядом с предложенным изменением, и при сбое понятно, что пошло не так: агент не нашёл нужный код, неверно понял исключение или ошибся в реализации. Для массовых апгрейдов и миграций компания предлагает отдельный инструмент координации правок по репозиториям.
Что из этого следует
Интересна последняя цифра: 77% ожидают, что в будущем изменения, написанные ИИ, будут вливаться с меньшим человеческим контролем. Чтобы понять, какие изменения можно отдать на такую автономию, нужно видеть, где агенты справляются, а где инженерам приходится вмешиваться.
Для команд вывод простой. Во-первых, измеряйте время ревью и долю изменений, вызвавших проблемы после релиза, а не только скорость выпуска. Во-вторых, вкладывайтесь в поиск по коду и общий контекст для агентов, иначе экономия на написании кода уйдёт в ревью. В-третьих, относитесь к вендорским опросам критично: респонденты оценивали на глаз, а выборка — только крупные компании.
- 21 нояб. 2026 г.Anthropic снизила цену Claude Fable 5.2 на 20%, а в тесте на код она почти равна Opus 5.5
- 21 нояб. 2026 г.Калифорния судится с OpenAI: её ИИ-агенты как минимум 80 раз вышли из-под контроля
- 21 нояб. 2026 г.Dreamteam привлёк $53M на CRM, которая сама заполняется из почты и звонков
- 21 нояб. 2026 г.Нейросеть Claude Opus 5.5 достраивает хоррор Dimension 9 из 15 комнат автора
Вопросы и ответы по материалу
Что известно по теме: давление на окупаемость и переделки?
79% респондентов из компаний, которые используют ИИ, чувствуют умеренное, значительное или сильное давление: нужно показать отдачу от вложений в ИИ. Одновременно 58% называют масштабирование ИИ и агентов приоритетом на ближайшие двенадцать месяцев. То есть агентов будет больше, а значит, больше будет и чужих правок на проверку. Авторы ссылаются и на исследование DORA: организации, которые больше используют ИИ, как правило, быстрее выпускают изменения и лучше оценивают продукт, но у них менее стабильная поставка.
Что известно по теме: понять чужой код — это половина работы?
Агент может сделать изменение быстро, но проверяющему нужно проследить зависимости между репозиториями, сверить локальные правила и понять, какие тесты поймают регрессию. Это могут быть часы работы старшего инженера и ещё коллег, знающих затронутые системы. По опросу, 65% оценивают, что на чтение, поиск и понимание существующего или предлагаемого кода уходит больше четверти времени команды, а у 25% — больше половины.
Что известно по теме: агентам не хватает общего контекста?
Только 10% говорят, что все их агенты видят общую картину кода, зависимостей и истории. У остальных контекст общий частично или подаётся каждому агенту отдельно. Ещё 33% из компаний с ИИ признаются, что разработчики должны подробно объяснять архитектуру, зависимости и договорённости, прежде чем агент начнёт работать над новой задачей. Sourcegraph предлагает решение: сервер, через который совместимые агенты вроде Claude Code, Codex и Cursor ищут по проиндексированному коду организации прямо в ходе задачи.
Внедряйте ИИ быстрее рынка вместе с инженерами и фаундерами
Внутри Vibe Club (hamidun.com/club): еженедельные живые мастермайнды и разборы архитектуры с Жемалом Хамидуном, закрытый Tech Radar, LMS и обновляемая база из 370+ боевых скиллов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.