Эйфория от «ИИ, который пишет код за нас», сменяется похмельем. Крупные компании, внедрившие инструменты вроде GitHub Copilot, с удивлением обнаруживают, что продуктивность команд падает, а время на задачи растет.
В чем причина провала?
Эксперт Dhyey Mavani в колонке для VentureBeat объясняет: проблема не в модели, а в контексте.
1. Автозаполнение vs Агент: Мы перешли от простых подсказок кода к агентам, которые пытаются решать задачи целиком. Но агент не знает архитектуру всего проекта, историю изменений и негласные правила команды.
2. Галлюцинации: Без контекста ИИ генерирует код, который выглядит рабочим, но ломает логику системы.
3. Нагрузка на людей: Вместо того чтобы писать код, опытные инженеры тратят часы на проверку (Code Review) того, что написал бот. Исследования показали: в неизмененных рабочих процессах ИИ замедляет работу из-за бесконечных переделок.
Что делать?
Решение — «Инжиниринг контекста». Компании должны создавать инструменты, которые «скармливают» нейросети карту зависимостей проекта, тесты и спецификации. Только тогда ИИ перестанет гадать и начнет реально помогать.
Вердикт: Просто купить подписку на Copilot недостаточно. Чтобы ИИ стал полезным сотрудником, под него нужно перестраивать всю архитектуру разработки, иначе он превратится в стажера-вредителя.