Нейросети строчат код, как по конвейеру. А мы теряем контроль — строка за строкой, баг за багом
NewsMakerА потом удивляемся, почему ничего не работает...
Американские программисты оказались самыми активными пользователями ИИ-ассистентов в мире. По данным нового исследования, почти треть Python-кода , опубликованного в США на GitHub в 2024 году, была сгенерирована не руками человека, а алгоритмом. Это не просто любопытная технологическая тенденция — исследователи предупреждают, что речь идёт о перемещении значительной доли интеллектуального труда к нейросетям с прямыми последствиями для экономики страны.
Исследование подготовили Симоне Даниотти, Йоханнес Вакс, Сяннан Фэн и Франк Нефке — команда из четырёх учёных, работающих в пересечении экономики и машинного обучения. Они проанализировали 80 миллионов коммитов на GitHub, охватывающих период с 2018 по 2024 год, и построили модель, способную определять, был ли фрагмент кода написан ИИ.
Результаты оказались впечатляющими. Только в США доля автоматически сгенерированных функций на Python достигла 30,1% от общего числа публикаций в 2024 году. Германия с результатом 24,3% заняла второе место, за ней — Франция (23,2%), Индия (21,6%), Россия (15,4%) и Китай (11,7%). По сути, каждый третий фрагмент Python-кода от американского разработчика — это результат машинного автодополнения или генерации.
Учёные утверждают, что такое массовое использование ИИ-ассистентов имеет вполне измеримый эффект: как только разработчик начинает использовать нейросети хотя бы для 30% кода, его активность на платформе увеличивается. Согласно расчётам, объём коммитов за квартал возрастает на 2,4%.
Этот рост активности напрямую конвертируется в деньги. Исходя из связки данных о профессиях, задачах и средней зарплате программистов, авторы исследования пришли к выводу: текущий уровень использования ИИ-инструментов в американской разработке эквивалентен экономическому эффекту в $9,6–14,4 миллиарда в год. Цифры, озвученные в исследовании, полностью совпадают с оценками генерального директора Microsoft Сатьи Наделлы — ранее он заявил, что 30% кода в компании уже создаётся ИИ.
При этом, по словам самих авторов, их расчёты — ещё не верхняя планка. Если опираться на другие исследования продуктивности, вроде прошлогоднего отчёта с данными о 26-процентном росте эффективности при использовании ИИ, выгода может быть куда выше. Исходя из трёх отдельных рандомизированных исследований, фиксировавших рост производительности на 6,3%, 16,5% и 26% соответственно, модель прогнозирует общий экономический выигрыш от 64 до 96 миллиардов долларов в год.
Однако у оценки есть свои ограничения. Исследователи открыто признают, что фокус на Python и GitHub может сместить общую картину. К примеру, в Китае популярнее локальная платформа Gitee — а её данные не включены в выборку. Также остаётся неясным, насколько репрезентативны open source-проекты для коммерческого программирования или внутренних разработок в компаниях.
Кроме того, авторы не учитывают возможное удешевление ценности кода в условиях, когда объём написанного резко увеличивается благодаря ИИ. Если любой может за минуту сгенерировать тысячи строк — то насколько они будут ценны на рынке?
Не менее важный нюанс — предположение, что Python может служить прокси для всей индустрии. Хотя язык широко используется и популярен в ИИ-разработке, вебе и анализе данных, ситуация в мире Java, C++, Rust и других языков может сильно отличаться. Массовое использование автодополнения в одном технологическом сегменте не гарантирует тот же эффект в другом.
Тем не менее, в одном исследователи уверены: рост автоматизации не только повышает темпы разработки, но и стимулирует эксперименты. Программисты, работающие с ИИ, чаще пробуют новые библиотеки, комбинируют инструменты и выходят за пределы знакомых технологий. Это расширяет технический кругозор и повышает вероятность создания нестандартных решений. Правда, оговариваются учёные, только в том случае, если библиотеки действительно существуют — а не выдуманы самим ИИ по ошибке.
Любопытно, что за пределами программирования экономический эффект от ИИ может быть гораздо скромнее. К примеру, в прошлогодней статье «Простая макроэкономика ИИ» профессор Массачусетского технологического института Дарон Аджемоглу прогнозировал, что в масштабах всей экономики ИИ прибавит не более 0,7% к производительности. Таким образом, программирование остаётся одной из немногих сфер, где внедрение ИИ уже сегодня приносит ощутимые и исчисляемые результаты.
По сути, это исследование — не просто срез текущего состояния индустрии, но и важный индикатор направления, в котором она движется. Если треть кода в крупнейшей ИТ-экономике мира уже создаётся искусственным интеллектом, то вполне возможно, что вопрос об этике, ответственности и авторстве программных продуктов станет ключевым не завтра, а уже сегодня. Особенно с учётом того, что ИИ-генерированный код может содержать уязвимости безопасности , а правовые аспекты использования таких инструментов остаются спорными . При этом разработчики уже активно используют новые ИИ-инструменты для повышения производительности программирования .
Исследование подготовили Симоне Даниотти, Йоханнес Вакс, Сяннан Фэн и Франк Нефке — команда из четырёх учёных, работающих в пересечении экономики и машинного обучения. Они проанализировали 80 миллионов коммитов на GitHub, охватывающих период с 2018 по 2024 год, и построили модель, способную определять, был ли фрагмент кода написан ИИ.
Результаты оказались впечатляющими. Только в США доля автоматически сгенерированных функций на Python достигла 30,1% от общего числа публикаций в 2024 году. Германия с результатом 24,3% заняла второе место, за ней — Франция (23,2%), Индия (21,6%), Россия (15,4%) и Китай (11,7%). По сути, каждый третий фрагмент Python-кода от американского разработчика — это результат машинного автодополнения или генерации.
Учёные утверждают, что такое массовое использование ИИ-ассистентов имеет вполне измеримый эффект: как только разработчик начинает использовать нейросети хотя бы для 30% кода, его активность на платформе увеличивается. Согласно расчётам, объём коммитов за квартал возрастает на 2,4%.
Этот рост активности напрямую конвертируется в деньги. Исходя из связки данных о профессиях, задачах и средней зарплате программистов, авторы исследования пришли к выводу: текущий уровень использования ИИ-инструментов в американской разработке эквивалентен экономическому эффекту в $9,6–14,4 миллиарда в год. Цифры, озвученные в исследовании, полностью совпадают с оценками генерального директора Microsoft Сатьи Наделлы — ранее он заявил, что 30% кода в компании уже создаётся ИИ.
При этом, по словам самих авторов, их расчёты — ещё не верхняя планка. Если опираться на другие исследования продуктивности, вроде прошлогоднего отчёта с данными о 26-процентном росте эффективности при использовании ИИ, выгода может быть куда выше. Исходя из трёх отдельных рандомизированных исследований, фиксировавших рост производительности на 6,3%, 16,5% и 26% соответственно, модель прогнозирует общий экономический выигрыш от 64 до 96 миллиардов долларов в год.
Однако у оценки есть свои ограничения. Исследователи открыто признают, что фокус на Python и GitHub может сместить общую картину. К примеру, в Китае популярнее локальная платформа Gitee — а её данные не включены в выборку. Также остаётся неясным, насколько репрезентативны open source-проекты для коммерческого программирования или внутренних разработок в компаниях.
Кроме того, авторы не учитывают возможное удешевление ценности кода в условиях, когда объём написанного резко увеличивается благодаря ИИ. Если любой может за минуту сгенерировать тысячи строк — то насколько они будут ценны на рынке?
Не менее важный нюанс — предположение, что Python может служить прокси для всей индустрии. Хотя язык широко используется и популярен в ИИ-разработке, вебе и анализе данных, ситуация в мире Java, C++, Rust и других языков может сильно отличаться. Массовое использование автодополнения в одном технологическом сегменте не гарантирует тот же эффект в другом.
Тем не менее, в одном исследователи уверены: рост автоматизации не только повышает темпы разработки, но и стимулирует эксперименты. Программисты, работающие с ИИ, чаще пробуют новые библиотеки, комбинируют инструменты и выходят за пределы знакомых технологий. Это расширяет технический кругозор и повышает вероятность создания нестандартных решений. Правда, оговариваются учёные, только в том случае, если библиотеки действительно существуют — а не выдуманы самим ИИ по ошибке.
Любопытно, что за пределами программирования экономический эффект от ИИ может быть гораздо скромнее. К примеру, в прошлогодней статье «Простая макроэкономика ИИ» профессор Массачусетского технологического института Дарон Аджемоглу прогнозировал, что в масштабах всей экономики ИИ прибавит не более 0,7% к производительности. Таким образом, программирование остаётся одной из немногих сфер, где внедрение ИИ уже сегодня приносит ощутимые и исчисляемые результаты.
По сути, это исследование — не просто срез текущего состояния индустрии, но и важный индикатор направления, в котором она движется. Если треть кода в крупнейшей ИТ-экономике мира уже создаётся искусственным интеллектом, то вполне возможно, что вопрос об этике, ответственности и авторстве программных продуктов станет ключевым не завтра, а уже сегодня. Особенно с учётом того, что ИИ-генерированный код может содержать уязвимости безопасности , а правовые аспекты использования таких инструментов остаются спорными . При этом разработчики уже активно используют новые ИИ-инструменты для повышения производительности программирования .