В чём контекст исследования?
• 16 ведущих разработчиков из крупных open-source проектов, каждый с 10-летним опытом и 5 годами работы в конкретном репозитории
• Задачи — проблемы из зрелых больших проектов
• ИИ-помощник — Cursor Pro с Claude 3.5 Sonnet
Уже видно, что это крайне узкая выборка разработчиков с очень конкретными задачами.
Sonnet 3.5–3.7 имеют малое контекстное окно — они не видели всей картины проекта, связей между файлами, архитектуры. Опытный программист в знакомом проекте держит в голове паттерны, модули, переиспользует функции, а ИИ каждый раз начинает с нуля, пытаясь посмотреть на код через замочную скважину. Здесь ИИ работал в условиях, где человек сам — лучшая нейросеть.
Но даже в этих условиях ИИ воспринимался как помощник. Разработчики ожидали ускорения работы на 24%, а после выполнения задач продолжали считать, что с ИИ было быстрее — на 20% (хотя в реальности работали на 19% медленнее). Искажённое восприятие легко объяснить — они действительно быстрее получали код, просто долго ждали окончания генераций и правили его, что не воспринималось как активная работа.
Если мы не берём опытных разработчиков и старые проекты, то ситуация меняется. Здесь нет накопленного контекста, который нужно удерживать в голове. ИИ перестаёт быть костылем. Правда, до тех пор, пока проект не разрастётся — уже есть посты в X с фразами вроде «помогите, Cursor нагенерил мне 100 файлов по 10 тысяч строк кода и перестал справляться, я ничего не понимаю». Но тут рецепт простой — учиться программировать и фиксить код. Либо нанять программиста, они никуда не исчезают.
А если посмотреть на 2 года вперёд? С увеличением контекста, количества параметров и скорости генерации появятся более продвинутые модели, которые научатся справляться с большими и зрелыми проектами. Это всё ещё не решает проблему аутсорса мозга и понижения среднего уровня программистов — но только лишь потому, что ИИ снизит порог входа в профессию.