Статья на Хабре анализирует реальный вклад генеративного ИИ в разработку ПО и разрушает миф о его способности заменить инженеров. Несмотря на популярность Copilot и ChatGPT, ИИ по-прежнему не понимает контекста, не умеет задавать уточняющие вопросы и часто генерирует архитектурно неверные решения. По сути, генеративные модели выступают продвинутыми автодополнялками: они ускоряют рутинные задачи, но создают технический долг, добавляют баги и требуют постоянного контроля.

Исследования показывают: ИИ действительно увеличивает скорость написания кода (прирост продуктивности на 55%, 70% разработчиков уже применяют ИИ-инструменты), но одновременно увеличивает число ошибок на 41%, а 63% инженеров сталкивались с неточностями в сгенерированном коде (данные Uplevel и McKinsey). Такие ошибки осложняют поддержку и эксплуатацию систем, а доверие к ИИ становится эффектом плацебо. Регулярное использование LLM ведет к снижению когнитивных навыков (2024), а 80% пользователей признают: ИИ добавил им работы, а не снял ее.

Главный вывод: роль ИИ — помощник, а не замена команде. Основные бизнес-ожидания (экономия, ускорение, автоматизация) оборачиваются ростом затрат на ревью и устранение уязвимостей, а технический долг накапливается быстрее. Разработчикам волноваться о потере работы не стоит — на первый план выходит контроль качества, архитектура и безопасность.