Токенмаксинг: новая болезнь оценки разработчиков, которая уже добралась до российских ИТ-команд

Ревью кода выросло на 441%, а выпуск компании - на 3%. Вот что ИИ сделал со старыми метриками
Ревью кода выросло на 441%, а выпуск компании - на 3%. Вот что ИИ сделал со старыми метриками

В одной команде случилась такая история. Один разработчик за спринт закрыл две сложные интеграции. Другой несколько дней гонял нейросеть, пытаясь подобрать регулярку для разбора файла с таблицей данных, и спалил на это втрое больше токенов. По итогам месяца премию получил именно второй - потому что в компании считали потраченные токены показателем "вовлечённости в работу с ИИ".

Это реальный случай, не анекдот. И он показывает болезнь, которая в 2026 году добралась до российских команд - "токенмаксинг". Вместо результата считают расход ресурса.

Болезнь не новая: в аутсорсе нулевых разработчик мог "выдавать" 2000 строк кода в день, из которых нужными оказывались строк пятьдесят. Строки кода признали бессмысленной метрикой. Токены, число пул-реквестов, закрытые задачи - это те же строки кода в новой обёртке.

Расплата уже видна в цифрах

Нейросети и правда ускорили написание кода - это не миф. Телеметрия компании Фарос по 22 тысячам разработчиков показывает: задач на разработчика +33,7%. Но дальше расплата. Среднее время ревью одного пул-реквеста выросло на 441%. Багов на разработчика - на 54%. Инцидентов на один пул-реквест - на 242,7%. 31% пул-реквестов вообще мерджатся без ревью - ревьюеры физически не успевают. А на уровне всей организации показатели доставки почти не сдвинулись.

Университет Карнеги-Меллон по 807 репозиториям на Github подтверждает то же самое: после внедрения ИИ-помощника Курсор когнитивная сложность кода выросла на 41%. Расчёт простой: ускорение кодирования в 3 раза при неизменном остальном процессе даёт организации рост выпуска всего на 2-5%. Узкое место переехало - из "написать код" в "проверить код".

Отсюда и растёт новый ориентир - метрики DORA. DORA- исследовательская программа, которую с 2014 года ведёт команда, в 2018 году купленная Гуглом. Её ежегодный отчёт о состоянии девопс-практик (в 2025 году - почти 5000 опрошенных разработчиков) - один из самых авторитетных в индустрии. Вместо объёма работы одного человека ДОРА предлагает смотреть на команду целиком: как часто код доходит до продакшена, какая доля изменений приводит к сбоям, как быстро команда восстанавливается после сбоя.

Если честно - это ещё не повсеместный стандарт, а ориентир, который всерьёз используют в основном технологически зрелые команды. Большинство компаний по-прежнему считают строки кода, тикеты и очки за закрытые истории. Но направление видно: именно к метрикам ДОРА апеллируют все крупные отчёты 2025-2026 годов, когда объясняют, почему старые метрики объёма в эпоху ИИ перестали работать.

В России уже начали шевелиться

В Сбере в начале 2025 года в нескольких ИТ-командах индивидуальные показатели заменили командными метриками - через 9 месяцев текучесть упала на 15%. В Яндексе ввели оценку по вкладу: сотрудник согласует с руководителем список конкретных вкладов, а в конце их проверяют по факту, а не по активности. В Альфа-банке завели качественный показатель разумного использования ИИ - по заявлениям банка, продуктивность в таких командах выросла на 25-35% без роста выгорания. Оговорюсь честно: эти кейсы не задокументированы в открытой прессе с первоисточниками, известны из консалтинговых бесед с директорами по персоналу - цифры тут ориентир, а не аудит. Но направление у всех трёх одно, и это само по себе сигнал.

Что делать прямо сейчас

Не нужна новая система и бюджет на консультантов. Достаточно убрать из оценки разработчиков метрики объёма - строки, токены, число пул-реквестов - как главный показатель, и вместо них смотреть на уровне команды на частоту выпуска обновлений, долю сбоев и время ревью.

Спросите своего ИТ-руководителя: по каким метрикам вы оцениваете разработчиков, которые пишут код с помощью нейросетей - по объёму или по метрикам DORA команды? Хороший ответ - конкретные показатели: частота выпуска обновлений, доля сбоев, скорость восстановления. Плохой - "теперь делаем в разы больше" без единого слова о том, что из этого "больше" доехало до пользователя целым.

А вы какие метрики используете у себя - старые или уже переходите на DORA?

Подписывайтесь на 👉 t.me/cio_logs