Купон на скидку: 2026
На протяжении десятилетий инженеры-программисты обсуждали метрики продуктивности, начиная с количества строк кода. Однако с появлением нового поколения AI-агентов, создающих больше кода, чем когда-либо, менеджерам стало сложнее определить, что именно стоит измерять. В Силиконовой долине огромные бюджеты на токены — по сути, количество вычислительной мощности AI, которую разработчик может использовать, — стали символом престижа. Однако это странный способ оценки продуктивности, поскольку измерение входных данных процесса мало что говорит о его выходе. Это может быть уместно, если вы стремитесь стимулировать внедрение AI (или продаете токены), но не если ваша цель — повысить эффективность.
Компании, работающие в области «аналитики продуктивности разработчиков», предоставляют новые данные. Они обнаружили, что разработчики, использующие такие инструменты, как Claude Code, Cursor и Codex, создают больше принятого кода, чем раньше. Однако инженерам приходится чаще возвращаться к этому коду для его доработки, что ставит под сомнение заявления о повышении продуктивности. Алекс Кирчей, генеральный директор и основатель Waydev, создает интеллектуальный слой для отслеживания этих динамик; его компания сотрудничает с 50 клиентами, в которых работают более 10,000 инженеров. Он отмечает, что менеджеры видят, что 80-90% AI-сгенерированного кода принимается, но не учитывают доработки, которые снижают реальный уровень принятия до 10-30%.
Рост использования AI-инструментов для кодирования заставил Waydev, основанную в 2017 году для предоставления аналитики разработчиков, полностью пересмотреть свою платформу за последние шесть месяцев. Теперь компания выпускает новые инструменты, отслеживающие метаданные, создаваемые AI-агентами, предоставляя аналитику о качестве и стоимости их кода, чтобы дать менеджерам больше информации о внедрении и эффективности AI. Хотя аналитические компании заинтересованы в выявлении проблем, данные показывают, что крупные организации все еще ищут способы эффективного использования AI-инструментов.
Крупные компании обратили внимание на это — Atlassian приобрела стартап DX за $1 миллиард в прошлом году, чтобы помочь своим клиентам понять возврат инвестиций от кодирующих агентов. Данные по отрасли показывают, что пишется больше кода, но значительная часть его не сохраняется. GitClear в своем январском отчете указала, что AI-инструменты увеличивают продуктивность, но также обнаружила, что «регулярные пользователи AI в среднем показывают в 9.4 раза больший оборот кода, чем их коллеги без AI», что более чем вдвое превышает прирост продуктивности, предоставляемый инструментами.
Faros AI, платформа аналитики инженерии, использовала данные за два года для своего мартовского отчета 2026 года. Вывод: оборот кода — удаленные строки против добавленных — увеличился на 861% при высоком уровне внедрения AI. Jellyfish, позиционирующая себя как платформа интеллекта для AI-интегрированной инженерии, собрала данные о 7,548 инженерах в первом квартале 2026 года. Компания обнаружила, что инженеры с наибольшими бюджетами на токены создают больше всего pull-запросов, но улучшение продуктивности не масштабируется. Они достигли двукратного увеличения производительности при десятикратных затратах на токены. Эти статистические данные подтверждаются разработчиками, которые отмечают, что объемы кода и технический долг накапливаются, несмотря на свободу, предоставляемую новыми инструментами. Различия между старшими и младшими инженерами также очевидны: последние принимают больше AI-сгенерированного кода и сталкиваются с большим количеством доработок. Однако, несмотря на все трудности, разработчики не планируют отказываться от использования AI. «Это новая эра разработки программного обеспечения, и вы должны адаптироваться, и компании вынуждены адаптироваться», — сказал Кирчей TechCrunch. «Это не цикл, который пройдет».