1. ИИ действительно делает разработчиков продуктивнее
  2. ИИ хорошо справляется с созданием кода, но создание кода не равно созданию продукта
  3. Почему последние этапы разработки могут оказаться самыми сложными
  4. Чем быстрее мы создаём код, тем важнее тестирование и контроль
  5. Можно ли доверять коду, который написал ИИ?
  6. Чем меньше человек понимает технологию, тем сложнее ему проверить ИИ
  7. ИИ может ускорить работу, но не определяет, что именно нужно построить
  8. ИИ не устраняет плохую архитектуру, он может масштабировать её проблемы
  9. Так может ли ИИ заменить разработчика?
  10. Что это означает для бизнеса
  11. Будущее — не ИИ против разработчиков
  12. Заключение

ИИ уже умеет писать код.

Он может создавать интерфейсы, API, SQL-запросы, тесты, документацию и помогать разбираться в существующем коде. С помощью современных ИИ-инструментов разработчик может за несколько минут получить то, на что раньше потребовались бы часы.

Поэтому вопрос, который сегодня задают многие предприниматели:

Если ИИ уже умеет программировать, зачем вообще нужен разработчик?

В 2025 году команда DORA — исследовательская программа Google Cloud — провела масштабное исследование того, как искусственный интеллект меняет разработку программного обеспечения. Исследование основано на ответах почти 5 000 специалистов и более чем 100 часах качественных интервью и других данных.

Но результат оказался интереснее простого «ИИ заменит программистов» или «ИИ никогда не заменит программистов».

Главный вывод DORA:

“AI is an amplifier.”

То есть ИИ — это усилитель. Он усиливает то, что уже существует в команде и организации: хорошие процессы становятся эффективнее, а существующие проблемы могут становиться заметнее и масштабироваться быстрее.

Что это означает для бизнеса, который собирается заказать разработку сайта, веб-приложения или SaaS-продукта?

ИИ действительно делает разработчиков продуктивнее

Начнём с самого очевидного.

DORA обнаружила, что использование ИИ в разработке уже стало практически повсеместным.

90% опрошенных специалистов сообщили, что используют ИИ на работе, а более 80% считают, что он повысил их продуктивность. При этом около 30% сообщили, что мало доверяют или совсем не доверяют коду, который генерирует ИИ.

Это важный момент.

Исследование не говорит, что ИИ бесполезен. Наоборот — данные показывают существенный положительный эффект для индивидуальной продуктивности.

Google формулирует основной вывод так:

“AI doesn’t fix a team; it amplifies what’s already there.”

Иными словами, разработчик с ИИ действительно может сделать больше.

Но из этого ещё не следует, что ИИ способен самостоятельно заменить разработчика.

ИИ хорошо справляется с созданием кода, но создание кода не равно созданию продукта

Одно из ключевых изменений заключается в том, что получить первую работающую версию программного продукта стало намного проще.

ИИ может быстро помочь разработчику написать новый код, изменить существующий, провести технический анализ, создать тесты и выполнить множество других задач.

Но DORA обращает внимание на другой вопрос: что происходит после того, как первая версия уже создана?

В более позднем анализе результатов исследования DORA назвала это workflow gap — разрывом между быстрым прототипированием и подготовкой продукта к production.

Исследователи пишут:

“AI can speed up the initial bulk of the work (prototyping).”

Однако создание прототипа — только одна часть разработки.

После него могут потребоваться интеграция с существующими системами, обработка крайних случаев, проверка поведения приложения, тестирование и подготовка продукта к реальной эксплуатации.

И именно здесь преимущество от очень быстрого создания первой версии может частично исчезать.

DORA описывает этот эффект ещё точнее:

“the remainder of the work (production integration) often neutralizes those gains.”

Это принципиально важное различие.

ИИ может значительно ускорить создание первого рабочего прототипа. Но программное обеспечение, готовое к эксплуатации, — это гораздо больше, чем просто первый рабочий прототип.

Почему последние этапы разработки могут оказаться самыми сложными

Представим простой пример.

Предприниматель хочет создать систему онлайн-бронирования.

ИИ может помочь быстро сделать:

  • регистрацию пользователей;
  • личный кабинет;
  • форму бронирования;
  • календарь;
  • поиск;
  • платёжную интеграцию;
  • email-уведомления;
  • административную панель.

На демонстрации всё может выглядеть отлично.

Но реальный продукт должен отвечать на гораздо более сложные вопросы:

— Что произойдёт, если два человека одновременно попытаются забронировать один объект?

— Что произойдёт, если платёж прошёл, но запись в базе данных не создалась?

— Что произойдёт при повторной отправке запроса?

— Что произойдёт, если внешний API временно недоступен?

— Как должны работать права доступа?

— Какие данные являются источником истины?

— Как система должна вести себя при увеличении нагрузки?

Это уже не просто задача «написать код» — это часть разработки программного обеспечения.

Это задачи, связанные с архитектурой, бизнес-логикой, безопасностью, надёжностью и интеграцией.

Именно поэтому DORA говорит о необходимости сохранять инженерные практики даже при резком росте скорости разработки.

В исследовании Google прямо отмечается:

“AI accelerates software development, but that acceleration can expose weaknesses downstream.”

Иными словами, ИИ может ускорить производство изменений, но одновременно сделать существующие слабые места системы более заметными.

Чем быстрее мы создаём код, тем важнее тестирование и контроль

Это, пожалуй, один из наиболее важных выводов исследования для бизнеса.

Можно было бы предположить:

Больше ИИ → больше кода → быстрее разработка → быстрее готовый продукт.

Но реальность сложнее.

DORA обнаружила, что внедрение ИИ в 2025 году уже положительно связано с пропускной способностью разработки и поставки программного обеспечения и эффективностью продукта. Однако при этом сохраняется отрицательная связь с software delivery stability — стабильностью процесса поставки программного обеспечения.

Почему это происходит?

Потому что ИИ позволяет создавать изменения значительно быстрее.

А значит, без соответствующих механизмов контроля команда может просто начать производить больше изменений, чем её процессы способны безопасно проверить и выпустить.

DORA формулирует это следующим образом:

“Without robust control systems”

Увеличение объёма изменений может приводить к нестабильности. Среди необходимых механизмов исследование называет автоматизированное тестирование, зрелые практики контроля версий и быстрые циклы обратной связи.

Поэтому ИИ не отменяет необходимость:

  • тестирования;
  • проверки кода;
  • контроля версий;
  • непрерывной интеграции и доставки (CI/CD);
  • мониторинга;
  • автоматических проверок;
  • безопасного процесса развёртывания (deployment).

Наоборот, чем больше кода способна генерировать команда, тем важнее становятся эти механизмы.

Можно ли доверять коду, который написал ИИ?

Вот здесь результаты DORA особенно интересны.

Код, сгенерированный ИИ, может выглядеть совершенно нормально.

Он может успешно пройти несколько простых тестов.

Он может даже решить поставленную задачу.

Но это ещё не означает, что решение оптимально или безопасно.

По данным DORA, около 30% специалистов сообщили о небольшом или полном отсутствии доверия к коду, который сгенерировал ИИ.

В последующем анализе DORA характеризует отношение профессионалов к ИИ как:

“a ’trust but verify’ mindset.”

Это очень хорошо описывает современный подход.

Разработчик не обязательно должен писать весь код вручную.

Он может позволить ИИ написать значительную его часть.

Но он должен понимать, как проверить получившийся результат.

И здесь опыт становится особенно важным.

Чем меньше человек понимает технологию, тем сложнее ему проверить ИИ

На первый взгляд ИИ может даже сделать разработку доступной людям, которые раньше не обладали глубокими техническими знаниями.

Можно дать ИИ задание: «Создай для меня систему аутентификации на Laravel».

И получить сотни строк кода.

Но что делать, если решение содержит ошибку?

Как понять, что она есть?

Как определить, безопасна ли реализация?

Как понять, что архитектура подойдет для роста проекта?

Как проверить, что ИИ не создал технический долг, который станет проблемой через год?

Этот парадокс дополнительно обсуждается в последующем качественном анализе DORA.

В одном из интервью разработчик описал ситуацию так:

“the blind leading the blind.”

Контекст здесь очень важен: ИИ позволяет человеку работать с технологиями, в которых у него недостаточно опыта, но одновременно это затрудняет проверку правильности полученного решения.

Именно поэтому способность оценивать результат ИИ становится не менее важной, чем способность его генерировать.

ИИ может ускорить работу, но не определяет, что именно нужно построить

Есть ещё одна фундаментальная проблема.

ИИ может очень хорошо выполнять поставленную задачу.

Но сначала кто-то должен правильно определить саму задачу.

Например, предприниматель говорит:

«Мне нужен marketplace».

Но marketplace — это не одна функция.

Нужно решить:

  • кто продавцы;
  • кто покупатели;
  • как создаются объявления;
  • какие существуют роли;
  • как рассчитывается комиссия;
  • как работают возвраты;
  • какие правила модерации;
  • какие данные должны храниться;
  • какие действия доступны каждой роли;
  • что происходит при спорных ситуациях.

ИИ может помочь реализовать эти правила.

Но кто определяет сами правила?

Это уже вопрос продукта и бизнеса.

Поэтому DORA отдельно подчёркивает значение user-centricity — ориентированности на пользователя.

Google пишет:

“AI becomes most useful when it’s pointed at a clear problem.”

Это очень важный вывод.

Чем лучше определена проблема, которую мы пытаемся решить, тем полезнее ИИ.

ИИ не заменяет понимание того, что именно необходимо построить и почему.

ИИ не устраняет плохую архитектуру, он может масштабировать её проблемы

Ещё один важный вывод DORA касается не самого ИИ-инструмента, а среды, в которой он работает.

Исследование показывает, что организациям недостаточно просто купить ИИ-инструменты.

Нужна техническая и организационная база.

DORA прямо формулирует это так:

“Successful AI adoption is a systems problem, not a tools problem.”

То есть вопрос не только в том, используете ли вы Cursor, Gemini, Claude или другой ИИ-инструмент.

Вопрос в том, насколько хорошо устроена сама система разработки.

DORA выделяет семь возможностей, которые помогают получать положительный эффект от ИИ, включая:

  • чёткую ИИ-политику;
  • здоровую экосистему данных;
  • связь ИИ с внутренним контекстом компании;
  • небольшие итерации разработки;
  • ориентированность на пользователя;
  • надёжные механизмы защиты;
  • качественную внутреннюю платформу.

Получается парадокс:

Чем больше ИИ меняет разработку, тем важнее становятся фундаментальные инженерные практики.

Так может ли ИИ заменить разработчика?

Теперь можно вернуться к исходному вопросу.

Прямого вывода «ИИ заменит разработчиков» в исследовании DORA нет.

Но из результатов исследования можно сделать гораздо более полезный для бизнеса вывод.

ИИ уже способен выполнять значительную часть отдельных задач, которые раньше выполнял разработчик вручную.

Он может писать код.

Может объяснять код.

Может создавать тесты.

Может помогать с документацией.

Может ускорять прототипирование.

Может помогать находить и исправлять ошибки.

И всё это уже имеет измеримый эффект на индивидуальную продуктивность.

Но разработка программного продукта состоит не только из генерации кода.

Она также включает понимание требований, архитектуру, принятие решений, проверку результата, интеграцию, тестирование, безопасность и эксплуатацию.

Поэтому более точный вопрос сегодня звучит не так:

«ИИ или разработчик?»

А так:

«Какие части разработки ИИ может выполнять самостоятельно, а где нужен инженерный контроль?»

Что это означает для бизнеса

Для предпринимателя это, пожалуй, самая практичная часть всего исследования.

Если вам нужен простой сайт или небольшой прототип, ИИ действительно может значительно снизить стоимость разработки.

Если вам нужно проверить бизнес-идею, ИИ позволяет гораздо дешевле и быстрее создать первую версию.

Но если речь идёт о системе, от которой зависит бизнес, ситуация меняется.

Например:

  • SaaS-продукт;
  • маркетплейс;
  • интернет-магазин (e-commerce);
  • платформа для бронирования;
  • корпоративный сайт;
  • MVP для стартапа;
  • клиентский портал;
  • сложный WordPress/WooCommerce проект;
  • приложение с платежами;
  • система с несколькими внешними API;
  • приложение со сложными ролями и правами доступа;
  • существующая система, которую нужно масштабировать или модернизировать.

В таких проектах вопрос уже не в том, может ли ИИ написать код.

Он может.

Вопрос в том, правильно ли этот код решает бизнес-задачу и насколько надёжно он будет работать в реальном мире.

Именно здесь опытный веб-разработчик помогает превратить техническую реализацию в надёжный продукт, который решает конкретные задачи бизнеса.

Будущее — не ИИ против разработчиков

Возможно, самый разумный вывод из исследования DORA состоит в том, что противопоставлять ИИ и разработчиков не совсем правильно.

ИИ уже становится частью самого процесса разработки.

Поэтому реальная конкуренция выглядит скорее так:

разработчик без ИИ

против

разработчика, который умеет эффективно использовать ИИ.

Но и здесь одного ИИ-инструмента недостаточно.

Как говорит DORA:

“The value of AI is unlocked not by the tools themselves.”

Ценность появляется тогда, когда ИИ встроен в правильно организованный процесс разработки.

Именно поэтому роль разработчика постепенно меняется.

Он меньше времени тратит на механическое написание кода и больше — на:

  • архитектуру;
  • технические решения;
  • проверку кода, сгенерированного ИИ;
  • интеграцию;
  • тестирование;
  • безопасность;
  • производительность;
  • понимание бизнес-логики;
  • превращение прототипа в продукт, готовый к эксплуатации.

Для веб-разработки это означает то же самое: ценность специалиста всё больше определяется не количеством кода, который он пишет вручную, а его способностью проектировать, проверять и развивать веб-продукт.

Заключение

ИИ действительно меняет веб-разработку и разработку программного обеспечения.

И делает это гораздо быстрее, чем многие ожидали.

Т.е. первая версия продукта теперь может появиться довольно-таки быстро.

Но это не означает, что разработка программного обеспечения стала полностью автоматической.

Исследование Google DORA показывает гораздо более интересную картину:

ИИ ускоряет разработку, но одновременно повышает требования к инженерным процессам, проверке результата и качеству технической среды.

ИИ может создать код.

Но production-система должна быть надёжной.

ИИ может создать прототип.

Но бизнесу нужен работающий продукт.

ИИ может предложить решение.

Но кто-то должен определить, является ли оно правильным.

Именно поэтому вопрос для бизнеса в 2026 году уже не должен звучать:

«Нужен ли мне разработчик, если существует ИИ?»

Гораздо более полезный вопрос:

«Как использовать ИИ, чтобы получить готовый продукт быстрее и дешевле, не жертвуя его качеством и надежностью?»

И именно в этом направлении, судя по исследованию DORA, сегодня развивается разработка программного обеспечения.

ИИ делает первую версию дешёвой, но превращение этой версии в надёжный production-продукт остаётся инженерной задачей.

Источники: