В последние годы искусственный интеллект (ИИ) прочно входит в повседневную жизнь программистов, открывая новые горизонты для оптимизации работы и повышения эффективности. Особое внимание вызывает влияние новейших ИИ-инструментов, появившихся в начале 2025 года, на продуктивность опытных разработчиков, работающих над открытыми проектами. Несмотря на бурное развитие технологий и активное продвижение ИИ на рынок, остается вопрос: действительно ли эти инструменты ускоряют работу профессионалов или же их эффект менее однозначен? В попытке ответить на этот вопрос группа исследователей опубликовала результаты уникального рандомизированного контролируемого эксперимента, в котором принимали участие опытные разработчики. В период с февраля по июнь 2025 года 16 разработчиков с помощью ИИ-инструментов выполняли 246 задач в зрелых open-source проектах, где каждый из них был экспертом с пятилетним средним стажем по конкретному коду. Исследование выделялось тем, что задачи случайным образом распределялись между условиями с разрешением и без разрешения на использование ИИ.
Среди применяемых ассистентов были популярный редактор Cursor Pro и языковые модели Claude 3.5 и Claude 3.7 Sonnet. Прежде чем приступить к выполнению задач, сами разработчики прогнозировали, что использование ИИ сократит время работы примерно на четверть — показатель в 24%. После завершения эксперимента их оценки уменьшились, но оставались позитивными — они считали, что выиграли во времени около 20%.
Однако реальность оказалась совсем иной: анализ данных показал рост затраченного времени на 19%, то есть ИИ инструменты замедляли, а не ускоряли разработчиков. Этот результат оказался не только контрастным с ожиданиями самих разработчиков, но и противоречил прогнозам экспертов в области экономики и машинного обучения, которые предсказывали сокращение времени примерно на 38-39%. Почему же технология, призванная экономить время, оборачивалась обратным эффектом? В исследовании была предпринята попытка выяснить возможные причины подобной замедленности, проанализировав около 20 различных факторов, которые теоретически могли повлиять на исход эксперимента. Среди них рассматривались размер и качество проектов, стандарты кодирования, уровень подготовки к работе с ИИ-инструментами, особенности пользовательского интерфейса, а также возможные эффекты, связанные с самим экспериментальным дизайном. Несмотря на то, что полностью исключить влияние экспериментальных артефактов не удалось, результаты оказались достаточно надежными, чтобы говорить о выявленном негативном влиянии ИИ на результативность разработчиков в конкретных условиях.
Интересно отметить, что многие присутствующие замедления причины связаны с необходимостью адаптации к новым инструментам, их обучением и проверкой предложенного ИИ кода и рекомендаций, что могло требовать дополнительного времени. Также разработчики часто оказывались в ситуации, когда нужно было тщательно проверять и корректировать сгенерированный код, что снижало общую скорость работы, несмотря на потенциальное сокращение рутинных операций. Эта работа имеет огромное значение для сообщества разработчиков, компаний-разработчиков ИИ и исследователей, поскольку проливает свет на сложность применения ИИ в реальных профессиональных условиях. Результаты подчеркивают, что внедрение новых технологий требует не только технической доработки, но и учёта человеческого фактора, организационных моментов, а также длительного периода адаптации. Противоречия между ожиданиями и реальностью свидетельствуют о необходимости более глубокого изучения взаимодействия ИИ и специалистов, а также о том, что слепое доверие к новым технологиям без детального анализа их влияния способно привести к снижению производительности.
Помимо экспертных оценок и анализа самого эксперимента, работа также предлагает взгляд на пути улучшения ИИ-инструментов с учётом обратной связи от опытных пользователей. Для повышения эффективности требуется улучшение качества рекомендаций, повышение адаптивности интерфейсов и сокращение времени верификации кода. Представленное исследование поднимает важные вопросы о роли ИИ в профессиональной среде, о том, как сочетать силу машинного обучения с мудростью человеческого опыта и как разрабатывать технологии, которые действительно помогают, а не мешают работать. Для разработчиков и руководителей проектов понимание подобных нюансов поможет более осознанно интегрировать новые инструменты в процесс работы и минимизировать потенциальные потери во времени и ресурсах, что особенно важно для высококвалифицированных специалистов. В целом результаты эксперимента подтверждают, что технологии не всегда гарантируют мгновенное повышение продуктивности, особенно когда речь идет о сложных и опытных задачах, требующих глубокой экспертизы и интеллектуального контроля.
Опытные специалисты, применяющие новые технологии, часто сталкиваются с необходимостью выстраивания нового баланса между скоростью и качеством работы, а разработчики ИИ должны учитывать эти аспекты в дальнейших релизах своих продуктов. В заключение стоит отметить, что дальнейшие исследования и улучшение инструментов ИИ непременно повысят их ценность для сообщества разработчиков в будущем. Результаты данного эксперимента — это важный этап на пути к более продуманной и эффективной интеграции искусственного интеллекта в профессиональную деятельность, которая должна базироваться на реальных данных, тестах и понимании человеческого фактора. Такое комплексное понимание позволит создавать действительно полезные технологии, которые помогут не только сэкономить время, но и повысить качество программных продуктов, создаваемых с их помощью.
