Почему AI не ускоряет разработку в 10 раз

Разработчик с AI-ассистентом ощущает, что пишет код заметно быстрее. Логичный вывод — команда с AI должна выпускать продукт заметно быстрее. На практике этого почти никогда не происходит, и независимые данные это подтверждают: в контролируемом эксперименте METR опытные разработчики с AI-инструментами выполняли задачи на 19% дольше, хотя сами были уверены, что ускорились. Отчёт DORA за 2024 год фиксирует рост личной продуктивности при снижении стабильности и пропускной способности поставки.

Дело не в качестве моделей. Дело в том, как устроена разработка.

Написание кода — не вся разработка

Путь задачи от идеи до продакшена состоит из многих этапов: требования, анализ, проектирование, код, ревью, тестирование, выкладка. Написание кода — один из них, и обычно не самый длинный.

Большую часть времени задача не выполняется, а ждёт: уточнения требований, свободного ревьюера, окна тестирования, релиза. Если ускорить этап, который не был узким местом, общее время почти не изменится.

Узкое место смещается

Когда код появляется быстрее, он быстрее упирается в следующий этап. Типичная картина через пару месяцев после внедрения AI-ассистентов:

• очередь pull request'ов растёт — ревьюеров столько же, а кода больше;
• тестирование не успевает — объём изменений вырос, а автотесты остались прежними;
• требования становятся узким местом — разработка ждёт ответов аналитиков и бизнеса.

Система работает со скоростью самого медленного этапа. Ускорение одного звена без остальных создаёт очередь перед следующим.

Что с этим делать

Смотреть на поток целиком, а не на отдельный инструмент.

Найти, где задачи ждут. Не «где мы медленно пишем код», а «где задача дольше всего стоит без движения». Обычно это видно по данным трекера и системы контроля версий.

Подключать AI к узкому месту. Если очередь на ревью — AI делает первичное ревью и проверяет соответствие стандартам до человека. Если тестирование — AI пишет тесты вместе с кодом. Если требования — AI помогает аналитику найти противоречия и подготовить вопросы.

Дать AI контекст. Без знания вашей архитектуры, API и соглашений AI пишет правдоподобный, но чужой код — и нагрузка на ревью только растёт.

Измерять поток, а не активность. Число запросов к модели ничего не говорит об эффекте. Время прохождения задачи от старта до продакшена — говорит.

Главная мысль

Подробнее о том, как устроен AI во всём цикле, — в материале AI в цикле разработки, об агентах — в Coding Agents.

AI не ускоряет разработку сам по себе. Он ускоряет тот этап, к которому подключён. Эффект на уровне бизнеса появляется, когда AI работает во всём цикле — от требований до delivery — и когда этот цикл кто-то спроектировал.