Застосування штучного інтелекту у сфері розробки програмного забезпечення докорінно змінює підходи до оцінки продуктивності розробників, однак виникає все більше питань щодо ефективності таких нововведень. Останнім часом у Кремнієвій долині серед розробників стало популярним отримувати великі бюджети токенів – це кількість обчислювальних ресурсів AI, які дозволено використати за певний період. Проте така практика не завжди означає підвищення реальної продуктивності, адже часто оцінюється лише обсяг витрачених ресурсів, а не кінцевий результат роботи.
Про це розповідає ProIT
Ріст AI-розробки: статистика та виклики
За даними компаній, які спеціалізуються на аналітиці продуктивності розробників, використання інструментів на кшталт Claude Code, Cursor і Codex справді призвело до збільшення частки коду, що був прийнятий до основної бази. Проте ці ж компанії помітили, що розробники дедалі частіше змушені повертатися до коду, згенерованого AI, і виправляти його, що значно знижує фактичний рівень корисного коду.
Олександр Цірцей, засновник і CEO Waydev, який працює з понад 10 тисячами програмістів у 50 компаніях, зазначає, що менеджери фіксують високі показники прийняття AI-коду – до 80–90%. Водночас вони часто ігнорують подальші доопрацювання та виправлення, які розробники здійснюють у наступні тижні. У підсумку реальний коефіцієнт прийняття AI-коду падає до 10–30%.
“This is a new era of software development, and you have to adapt, and you are forced to adapt as a company,” Circei told TechCrunch. “It’s not like it will be a cycle that will pass”.
Інвестиції в аналітику та справжня вартість AI-коду
Waydev, що з 2017 року аналізує продуктивність розробників, за останні пів року повністю оновила свою платформу через масове використання AI-інструментів. Нові функції дають змогу відстежувати метадані, які створюються AI-агентами, та оцінювати не лише кількість, а й якість і вартість коду. Це дозволяє керівникам отримати об’єктивнішу картину ефективності впровадження AI.
До теми підвищеного інтересу до ефективності розробки долучилися й великі корпорації. Зокрема, Atlassian минулого року придбала стартап DX, що спеціалізується на аналітиці продуктивності розробників, за 1 мільярд доларів. Це допомагає клієнтам оцінювати реальну віддачу від впровадження AI-кодогенераторів.
Проте аналітика свідчить: попри зростання обсягу коду, значна його частина не затримується у проєктах надовго. Наприклад, компанія GitClear виявила, що регулярні користувачі AI демонструють у 9,4 раза більшу «міграцію коду» (churn) порівняно з тими, хто не застосовує AI, що перевищує навіть приріст продуктивності.
Faros AI у своєму звіті за березень 2026 року на основі двох років спостережень показала: обсяги переписаного коду (churn) зросли на 861% при активному використанні AI у розробці. Аналіз даних Jellyfish за перший квартал 2026 року серед 7 548 інженерів засвідчив: ті, хто витрачає найбільше токенів, створюють найбільше pull-запитів, але це не завжди означає ефективність – зростання продуктивності відбувається вдвічі, а витрати на токени збільшуються у 10 разів.
Серед розробників стає все більше занепокоєння через накопичення технічного боргу та навантаження на код-рев’ю, навіть якщо використання AI дає відчуття свободи і пришвидшує роботу. Аналіз показує, що менш досвідчені програмісти частіше приймають AI-код і, відповідно, змушені більше його переробляти.
Попри всі ці виклики, розробники не планують відмовлятися від нових AI-інструментів. Фахівці впевнені, що перехід на AI-розробку незворотний і потребує адаптації не лише від інженерів, а й від компаній загалом.