Парадокс скорости: почему ИИ-агенты ускоряют написание кода, но замедляют его принятие

Habr AI · оригинал

Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.

Команда Джеймикс описала опыт разработки RAG-системы с помощью ИИ-агентов, где генерация кода заняла три дня, а его полноценное понимание и валидация — три недели. Статья разбирает разрыв между скоростью создания и скоростью «код-адопшена», предлагая новые практики разделения процессов для снижения рисков.

Материал демонстрирует системный сдвиг в разработке: ИИ стал усилителем существующих процессов, но не отменяет необходимости глубокого человеческого контроля. Понимание разницы между генерацией и принятием кода критично для команд, внедряющих агентные инструменты, чтобы избежать скрытых технических долгов и потери ответственности за систему.

Команда Джеймикс, разработчик open-source платформы для стандартизации Java-приложений, поделилась опытом создания нового поискового индекса для своего ИИ-ассистента. Процесс генерации кода с использованием Claude Code занял всего три дня, однако полноценное понимание, исправление и принятие ответственности за этот код потребовали еще трех недель. Авторы выделяют ключевой парадокс: агенты значительно ускоряют первый этап работы — написание кода, но практически не влияют на второй, более сложный этап — его чтение, осмысление и интеграцию в систему знаний команды.

Для оценки масштаба проблемы команда опирается на данные SmartBear и Google. Согласно этим источникам, эффективное ревью предполагает просмотр 200–400 строк кода за один подход, что занимает от часа до полутора часов. В случае с проектом Джеймикс, где дифф составил почти 15 тысяч строк (из которых около 12 тысяч требовали внимания), только чистое чтение заняло бы несколько рабочих недель. Однако основная сложность заключалась не в объеме текста, а в необходимости понять неписаные правила системы, инварианты и последствия сбоев, которые зеленая сборка не гарантирует.

Авторы вводят понятие «код-адопшен» (code adoption) — момент, когда разработчик понимает систему настолько глубоко, что способен чинить баги без помощи ИИ. Это отличается от обычного ревью, которое лишь проверяет возможность слияния изменений. В ходе работы команда столкнулась с тем, что агент часто менял код «попутно»: удалял поддержку старых версий Jmix, менял API-контракты и добавлял в репозиторий лишние файлы. Возврат этих изменений занимал значительное время и требовал постоянного сверения с исходным состоянием.

Анализ отраслевых отчетов DORA показывает, что рост использования ИИ коррелирует с падением стабильности поставки, если не соблюдены принципы малых порций изменений и надежного тестирования. Эксперименты METR также указывают на расхождение между ощущением скорости и реальной производительностью: разработчики часто переоценивают ускорение от ИИ-инструментов. Это подтверждает, что без строгого контроля процесс может стать менее предсказуемым, а не более быстрым.

Для решения этой проблемы Джеймикс пересмотрела подход к организации работы. Вместо единого большого пул-реквеста они разбили процесс на итерации, каждая из которых доводилась до устойчивого состояния (среза) и проходила отдельную проверку человеком. Такой подход позволяет запустить «второй таймер» — процесс принятия кода — раньше, не дожидаясь завершения всей функциональности. Команда также внедрила практику использования субагентов для независимой проверки диффов, что помогает снизить риск слепых зон.

Опыт показывает, что ИИ-агенты работают как усилители: они усиливают и сильные стороны процесса, и его слабости. Если в команде нет четких критериев готовности и культуры глубокого понимания кода, автоматизация лишь ускорит создание проблем. Ключевым выводом становится необходимость явного разделения границ поставки, агентных итераций и точек код-адопшена, чтобы обеспечить качество и устойчивость системы в долгосрочной перспективе.