За останні пару років у багатьох розробників в редакторах та IDE поселились нові «партнери» — різноманітні ШІ-інструменти. Обіцянки були вражаючі: менше рутини, швидші релізи, код пишеться майже сам. Але коли перші щирі хвилі захоплення вляглися і з’явилися системні дослідження, стало ясно: ефект від ШІ далеко не такий однозначний. Де-інде він дійсно пришвидшує роботу команд на 20%, а деінде, навпаки, гальмує досвідчених інженерів. І ось парадокс: навіть там, де виграш у швидкості очевидний, бізнес не завжди відчуває, що проєкти рухаються швидше.
ШІ під мікроскопом
Дискусія про те, чи дійсно штучний інтелект підвищує продуктивність програмістів, перестала бути голослівною. У 2024–2025 роках з’явилися масштабні дослідження від Google, METR, Faros AI та Atlassian. Кожне з них перевіряло гіпотези на різних вибірках і з різними методологіями, і разом вони дають багатошарову картину того, що насправді відбувається в індустрії.
Google: +21% до продуктивності
У 2024 році Google провела внутрішній експеримент серед власних розробників. У ході рандомізованого контролюваного випробування частина інженерів вирішувала серію реальних завдань enterprise-рівня з допомогою ШІ-асистентів, а частина — без них. Мета дослідження «How much does AI impact development speed?» — виміряти реальний вплив ШІ на продуктивність у корпоративних проектах.
По підсумку розробники Google, які використовували ШІ-інструменти в рамках експерименту, виконували робочі завдання в середньому на 21% швидше. Це одне з найчіткіших підтверджень позитивного ефекту ШІ. Навіть у корпоративному середовищі з високими вимогами до якості коду та складним контекстом ШІ-моделі реально заощаджують час. Принаймні так вважали в Google.
METR: –19% у досвідчених розробників
На протилежному полюсі — результати METR, некомерційного дослідницького інституту, який спеціалізується на оцінці найновіших ШІ-моделей. Експеримент «Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity» (2025) показав, що досвідчені контриб’ютори в опенсорсі працювали у великих репозиторіях на 19% повільніше, застосовуючи ШІ, хоча самі очікували пришвидшення процесів на 20–39%.
Автори дослідження пояснюють уповільнення рядом причин:
- Старші розробники настільки досвідчені, що розв’язують завдання швидше без допомоги ШІ і не витрачають час на нескінченні уточнення та формулювання промптів.
- ШІ-моделі випускають із виду складний архітектурний контекст і гірше справляються у важких репозиторіях з кодовою базою обсягом понад мільйон рядків.
- Відповіді ШІ на складні задачі потребують додаткового рев'ю.
Інакше кажучи, там, де від розробника вимагається інженерне мислення та глибоке занурення в систему, ШІ поки що не можна назвати суперускорювачем.
Faros AI: «парадокс продуктивності»
Навіть якщо рахувати лише кількість задач або запитів на внесення змін у репозиторій (pull requests), все виглядає не так уже оптимістично. Faros AI провела мета-иследование та акумулювала телеметрію 10 000 розробників із 1 255 команд за два роки. Головний висновок «The AI Productivity Paradox» (2025): економія часу на написанні коду не означає пришвидшення всього життєвого циклу розробки продукту.
Звіт свідчить, що команди з високим рівнем використання ШІ дійсно закривають на 21% більше задач та роблять майже вдвічі більше pull requests на день. Але тут же виникає новий вузький участок: рев’ю коду займає на 91% більше часу, а тестувальники та DevOps-процеси просто не встигають за таким потоком змін. Більше того, впровадження ШІ збільшує кількість багів у коді на 9%, а середній розмір pull request’а — на 154%.
Виходить так, що ШІ-моделі підвищують продуктивність розробників, але не продуктивність компанії. Сам код пишеться швидше, але швидкість виходу рішення в продуктивне середовище не змінюється. Цей феномен дослідники називають «парадокс продуктивності».
Atlassian: економія та втрата часу одночасно
До подібного висновку дійшли автори звіту Atlassian «State of DevEx» (2025) про досвід розробників. Автори опитали 3 500 програмістів та техлідів у шести країнах. Більшість (68%) визнає: з ШІ вони економлять понад 10 годин на тиждень. Але стільки ж витрачають на зовсім інші речі: пошук інформації (сервіси, документація, API), перемикання контексту між інструментами, погодження, бюрократію та кроки в корпоративних процесах.
Виходить, що ШІ реально полегшує життя в коді, але не здатен компенсувати організаційний хаос. І це, напевно, головний урок: без нормально інженерної культури та зрозумілих процесів ніякий ШІ не врятує.
Сводні дані
Дослідження
Висновок
Ефект
Прискорення простих задач
+21%
METR
Уповільнення досвідчених розробників
–19%
Faros AI
Зростання pull requests та закритих задач, але рев’ю гальмує
Pull requests +47%, рев’ю +91%
Atlassian
Економія 10 год., але процеси все «їдять»
0 загалом
Що далі
Коли розмова заходить про штучний інтелект у розробці, найчастіше ми чуємо одне з двох тверджень: «ШІ робить програмістів у рази швидшими» або «все це хайп, реальної користі немає». Правда, як це зазвичай буває, виявилася складнішою.
ШІ-асистенти вже міцно увійшли у роботу розробників, і ніхто не відмовиться від них. Але самі по собі вони не роблять команди швидшими. Щоб обіцяний ріст продуктивності став реальністю, компанії повинні змінюватися разом із інструментами: налагоджувати процеси, культуру та метрики. Інакше автоматизація лише посилить хаос, замість того щоб позбавити від нього.
Для компаній це означає одне: впроваджувати ШІ треба не як модний плагін, а як частину системного підходу. Навчати співробітників правильно формулювати промпти та працювати з підказками. Перестраювати процеси рев’ю та тестування. І головне — вимірювати не кількість рядків коду, а те, як змінюються швидкість та якість поставки бізнес-результатів.
Коментарі