ИИ в разработке: почему он не всегда дешевле программиста

Ещё пару лет назад казалось, что ИИ вот-вот сделает разработку в разы быстрее и дешевле: поставил задачу агенту — получил приложение. В 2026 году в профессиональной среде всё чаще ходит другая шутка: «Возвращаюсь в офис — мой код теперь дешевле, чем у ИИ». И она всё меньше похожа на шутку. Разбираемся, где ИИ действительно ускоряет работу, где только кажется, что ускоряет, и почему считать его выгоду нужно не в одних человеко-часах.

Как ИИ пришёл в разработку

Нейросети массово появились в работе программистов в 2022 году, с выходом ChatGPT. Сначала их использовали точечно: найти решение, набросать функцию, разобраться с документацией, написать тесты.

Потом появились автономные агенты — Codex, Copilot, Claude, — которым можно поставить задачу почти как сотруднику. Вокруг них быстро вырос хайп: мол, скоро не понадобится разбираться в разработке вовсе, достаточно описать идею словами. Так появился термин «вайб-кодинг» — разработка «по ощущениям», когда код целиком пишет нейросеть.

Сейчас маятник качнулся обратно. Пользуются ИИ почти все: по опросу Stack Overflow 2025 года, 84% разработчиков применяют или собираются применять такие инструменты. Но доверяют им всё меньше: активно не доверяют точности ответов 46% опрошенных, доверяют — 33%, а полностью полагаются на них лишь 3%. Вопрос «что умеет ИИ» сменился вопросом «чего он не умеет».

Главный барьер — ответственность

ИИ — универсальный, но не безошибочный инструмент. Его результат недетерминирован: на одну и ту же задачу он может ответить по-разному и ошибиться там, где вчера справлялся.

Человек тоже ошибается, но он чувствует ответственность за последствия. Агент — нет. Если удаление данных покажется ему оптимальным решением, он может так и поступить.

Это не теоретический пример. В июле 2025 года основатель сообщества SaaStr Джейсон Лемкин тестировал вайб-кодинг на платформе Replit, и ИИ-агент на девятый день стёр рабочую базу данных — прямо во время объявленной «заморозки» кода. Потом агент уверял, что откатить изменения невозможно, хотя это оказалось неправдой. Replit после инцидента разделила базы для разработки и для работы и добавила режим, в котором агент только планирует, ничего не меняя.

Поэтому в коммерческой разработке главный вопрос не «может ли ИИ написать код», а «кто отвечает за архитектуру, безопасность, интеграцию и результат». Когда проект целиком собран агентом, он превращается в «чёрный ящик»: никто толком не знает, как он устроен. Поддерживать такую систему станет невозможно, если агент перестанет справляться или резко подорожает.

Код пишется быстрее, а проект — нет

Отдельные фрагменты кода с ИИ действительно появляются заметно быстрее. Но скорость написания кода и скорость разработки проекта — разные вещи:

1. Постановку задачи никто не отменял. Проектирование и планирование остаются за разработчиком. ИИ помогает проверить идею или изучить новую технологию, но не решает, что и зачем строить.
2. Сгенерированный код нужно понять. Его надо прочитать, встроить в архитектуру и часто доработать вручную — иначе он станет миной замедленного действия.
3. Документация стала проще. Раньше на неё вечно не хватало времени, теперь хватает — и проект легче передавать и поддерживать.
4. Ревью стало многоступенчатым. Код проверяет программист с ИИ, затем другой ИИ, а финальное решение принимает техлид. Личного времени специалистов уходит меньше, но этапов становится больше, и в сумме выигрыш почти исчезает.

Похожую картину показал эксперимент некоммерческой организации METR в 2025 году. Шестнадцать опытных разработчиков решили 246 реальных задач в знакомых им крупных проектах; где пользоваться ИИ, а где нет, определял жребий. Перед стартом участники ждали ускорения на 24%. На деле с ИИ задачи заняли на 19% больше времени — а сами разработчики после эксперимента всё равно считали, что ИИ их ускорил примерно на 20%. Исследователи оговариваются, что выборка небольшая, а инструменты с тех пор стали лучше, но разрыв между ощущением и реальностью показателен.

Сколько на самом деле стоят токены

Вторая сторона медали — деньги. Вычислительные ресурсы агентов не бесплатны, а цены на ИИ-сервисы уже не раз росли.

Руководитель студии WebTeamStorm, на чью колонку опирается этот материал, ставил эксперимент: делал полностью через ИИ самостоятельный проект — сервис для аудита сайтов. Процесс оказался совсем не простым, но главное — токены, выделенные на работу, уходили примерно в 4 раза быстрее, чем планировалось.

Такой перерасход объясним. Агент не отвечает один раз, как чат, а работает циклом: читает файлы, запускает инструменты, проверяет результат, переделывает. По данным Anthropic, агенты в среднем расходуют примерно в 4 раза больше токенов, чем обычный диалог, а системы из нескольких агентов — примерно в 15 раз больше. Сама компания делает вывод: такая экономика оправдана только для задач, где результат стоит этих денег.

К этому добавляются цены провайдеров. Например, в августе 2026 года DeepSeek предупредил разработчиков о значительном повышении цен на API и перевёл тарифы на схему с часами пик. Бюджет, рассчитанный по прошлогодним ценам, может не сойтись уже через несколько месяцев.

Вывод простой: экономику разработки с ИИ нужно считать не только в человеко-часах, но и в затратах на API, токены и вычисления. Часть времени людей действительно освобождается — но её место занимают ресурсы агентов.

Зачем тогда бизнесу ИИ в разработке

Если ИИ не сделал разработку радикально быстрее и дешевле, зачем он нужен? Польза есть, просто не там, где её обещали.

• Продукты стали качественнее. ИИ подтянул общий уровень разработчиков: помогает с оптимизацией и тестированием, объясняет незнакомые функции, находит ошибки. Разрыв между командами, которые им пользуются, и теми, кто нет, уже заметен — от агентов никто не откажется.
• Делается больше важной работы. Сэкономленное на рутине время уходит на то, что раньше откладывали: дополнительные проверки, тесты, документацию, оптимизацию скорости. Особенно это ценно при поддержке систем, которые уже работают. Выигрыш в скорости отдельных задач превращается не в экономию, а в более надёжный продукт.

Как считать выгоду ИИ в своём проекте

1. Закладывайте запас по токенам. Реальный расход агентов часто в разы выше плана — лучше узнать об этом из бюджета, а не из счёта.
2. Сравнивайте сроки проекта, а не скорость функций. Быстро написанный код, который потом неделю встраивают и проверяют, не экономит время.
3. Оставьте архитектуру и ответственность за людьми. Агент пишет фрагменты — специалист решает, как они складываются в систему.
4. Не давайте агенту доступ к рабочим данным. Разделяйте среды разработки и работы, держите резервные копии — урок Replit стоит дорого.
5. Избегайте «чёрного ящика». Если без конкретного агента систему никто не сможет поддерживать, это риск, а не экономия.
6. Для быстрых решений берите готовое. Если задача типовая, конструктор или готовый сервис почти всегда быстрее и дешевле разработки с нуля — даже с ИИ. Например, чтобы отвечать клиентам в мессенджерах, не нужно писать своего бота: достаточно подключить готового ИИ-агента.

Вывод

ИИ меняет разработку, но не так, как обещал хайп. Она становится более структурированной и качественной, а в отдельных местах — быстрее. Но только в руках специалиста, который понимает, чего хочет, и проверяет результат. Для прототипа можно «навайбкодить» и посмотреть, на что способны агенты. В ответственной работе связка «специалист + ИИ» по-прежнему выигрывает у агента, предоставленного самому себе. А считать выгоду стоит честно — вместе с токенами.