Почему «агентивная разработка» может тормозить вашу команду

Вокруг агентов ИИ сейчас настоящий хайп. Каждую неделю появляется новый инструмент, который обещает делать код-ревью, генерировать пулл-реквесты или даже деплоить приложения. Звучит волшебно — пока не начинаются проблемы.

Я много лет наблюдаю за трендами в разработке, и хочу поделиться честными опасениями насчет этого движения. Агентивные инструменты действительно впечатляют, но они таят ловушки, способные серьезно подорвать здоровье вашей инженерной команды.

Ловушка автоматизации

Вот что важно понять о написании кода: это не просто про создание синтаксиса. Это про понимание почему что-то должно работать определённым образом. Когда мы отдаём слишком много контроля агентам ИИ, рискуем получить поколение разработчиков, которые умеют хорошо формулировать промпты, но не могут отладить код.

Вспомните, как вы учились водить. Вы просто говорили машине, куда ехать, и всё? Скорее всего, нет. Вы изучали механику, физику, процесс принятия решений. То же самое относится к разработке софта.

Агентивные инструменты отлично справляются с паттернами и генерацией шаблонного кода, но часто упускают контекст, который делает ПО по-настоящему рабочим. Этот контекст приходит из понимания пользователей, инфраструктуры и бизнес-логики, которая всё связывает.

Безопасность нельзя автоматизировать

Здесь я особенно беспокоюсь. Агентивные инструменты уже показали, что могут вносить уязвимости — иногда незаметные, которые проскакивают мимо ревью. Модели ИИ, обученные на публичном коде, перенимают как хорошие практики, так и плохие.

Когда вы деплоите агентов, которые сами модифицируют код и пушат изменения, вы по сути делаете ставку на то, что в обучающих данных хватило примеров с осознанным подходом к безопасности. Эта ставка не всегда выигрывает.

У нас в NameOcean были проекты, которые пришли после «быстрой» ИИ-разработки с техническим долгом, который рос быстрее, чем команда успевала отслеживать. Аудит безопасности выявлял проблемы, которые поймал бы джуниор-разработчик — проблемы, возникшие потому, что никто уже не думал над кодом.

Кривая обучения, которая срезает навыки

Вот неудобная правда: разработчики, которые сильно полагаются на ИИ-помощников, со временем показывают деградацию навыков. Это не их вина — просто так устроены люди. Когда вы отдаёте решение задач «чёрному ящику», нейронные связи, отвечающие за реальное решение проблем, начинают слабеть.

Речь не о том, чтобы быть против ИИ. Такие инструменты как Copilot и ChatGPT реально полезны для конкретных задач. Но есть разница между использованием ИИ как мощного ассистента и превращением его в костыль, заменяющий настоящее обучение.

Какой подход правильный?

Я не предлагаю игнорировать агентивные инструменты. Ключ — в осознанности:

Используйте ИИ для:

• Генерации шаблонного кода
• Черновиков документации
• Изучения новых фреймворков
• Проверки своей работы
• Сокращения рутины

Оставляйте людей ответственными за:

• Архитектурные решения
• Проверку безопасности
• Код, работающий с чувствительными данными
• Всё, что касается платёжных систем
• Деплой в прод

Лучшие разработчики, с которыми я работал, относятся к ИИ-инструментам как к мощным калькуляторам. Они понимают математику, но используют калькулятор, чтобы не считать вручную скучную арифметику. Понимание первично; инструмент вторичен.

Золотая середина

Будущее, скорее всего, действительно включает больше автономных инструментов разработки. Но это будущее не должно наступить раньше, чем мы разберёмся с ограничениями. Команды, которые будут процветать — не те, кто идёт ва-банк на агентивное всё, а те, кто находит баланс между помощью ИИ и человеческим суждением.

Если вы строите что-то критически важное — первый продукт стартапа или enterprise-приложение — сопротивляйтесь искушению пустить агентов ИИ без надзора. Ловушка не в использовании этих инструментов — она в доверии им больше, чем они заслуживают.

Код, который вы поставляете — это ваша репутация. Убедитесь, что его реально понимает живой человек.