AI в разработке в 2026 году. AI ускоряет код, но тормозит продукт. Что показывают реальные данные?
Было проанализировано более 8 миллиона пулл-реквестов из 5000 команд. В выборку попадают реальные репозитории, реальные пулл-реквесты, циклы ревью, мержа и деплоя. Все данные анонимизированы и нормализованы, а ключевые метрики считаются не по среднему значению, а по 75-му перцентилю, чтобы исключить влияние аномалий и случайных всплесков.
Важно и то, что в отчете четко разделяются три типа работы:
- Код, написанный без AI.
- Код, написанный разработчиком с помощью AI.
- И код, полностью сгенерированный автономными агентами, которые сами получают задачу, пишут решение и открывают пулл-реквесты.
Это позволяет увидеть не просто «используют ли AI», а как именно разные формы AI меняют процесс доставки.
Иллюзия ускорения?
Первое, что подтверждают данные, AI действительно ускоряет генерацию кода. Почти 90% разработчиков используют его регулярно, более 60% ежедневно. Скорость появления новых изменений в кодовой базе растет.
Но дальше возникает парадокс.
AI-пулл-реквесты оказываются существенно больше по объему, чем ручные. В два, а иногда и в три раза. Они затрагивают больше файлов, больше логики, больше архитектурных связей. Даже в тех случаях, когда человек остается автором и использует AI лишь как помощника, итоговый объем изменений часто оказывается максимальным.
Это меняет саму экономику разработки. Время и усилия переносятся с написания кода на его осмысление.
Где система начинает ломаться?
Самый ярйкий показатель в отчете, это доля пулл-реквестов, которые действительно были приняты и смержены в течение 30 дней.
Для ручного кода этот показатель стабильно держится в районе 80–85%. Для AI-кода он падает до примерно 30–35%. Иными словами, большинство AI-пулл-реквестов не доходит до продакшена.
Это не история про плохой синтаксис или очевидные баги. В интервью инженерные лидеры снова и снова говорят об одном и том же.
Код может выглядеть корректным, но у него нет объяснимого намерения. Непонятно, почему выбран именно этот путь, какие допущения заложены, как решение соотносится с существующей архитектурой и где могут быть скрытые побочные эффекты.
AI пишет код, но не передает ход мысли. А без хода мысли ревью превращается в управление риском.
Новая форма трения?
Это недоверие хорошо видно в поведении команд. AI-пулл-реквесты лежат без движения в несколько раз дольше, чем ручные. Ревьюеры откладывают их, потому что понимают, что цена входа выше. Когда же ревью начинается, оно часто проходит быстрее и поверхностнее, с фокусом на явные красные флаги, а не на глубокое понимание решения.
Возникает опасная вилка. Либо AI-код игнорируется и не приносит ценности. Либо он принимается без достаточного осмысления, что увеличивает риски в продакшене.
И то, и другое разрушает ожидаемый эффект от AI.
Почему масштабирование AI не работает автоматически?
Логичное предположение, если использовать AI больше, система адаптируется и начнет работать лучше. Данные это не подтверждают.
Компании с высокой долей agentic AI не показывают лучшего результата по доставке. Acceptance Rate у них остается примерно на том же уровне, что и у команд с умеренным использованием AI.
Редкие исключения существуют, но у них есть общие черты. Это зрелые процессы, четкое понимание ownership, строгие стандарты ревью и высокое качество внутренних данных. В этих условиях AI действительно усиливает команду.
Во всех остальных случаях он просто масштабирует существующие проблемы.
Легаси остается людям!
Отдельно отчет показывает, что AI почти не используется для рефакторинга и работы с существующим кодом. Основной вклад AI, это создание нового функционала, новых файлов, новых веток логики.
Работа с легаси, техническим долгом, историческими компромиссами системы по прежнему остается за человеком. В результате кодовая база растет быстрее, чем улучшается, а долг никуда не исчезает.
Где настоящий узкий коридор?
Почти половина компаний вообще не измеряет влияние AI количественно. При этом более 75% менеджеров субъективно уверены, что продуктивность выросла. Возникает разрыв между ощущением скорости и реальной доставкой ценности.
Около 65% компаний признают, что их внутренние данные плохо подготовлены для работы с AI. Они разрознены, плохо задокументированы и не дают модели достаточного контекста.
AI-политики также либо четко сформулированы, либо отсутствуют полностью. Середины почти нет.
Что это значит на самом деле?
Это разрушает удобный миф о том, что AI автоматически повышает инженерную эффективность. Он повышает скорость генерации, но не гарантирует рост delivered value. Он снижает порог входа в написание кода, но повышает требования к архитектуре, процессам и культуре доверия.
AI усиливает сильные системы и беспощадно вскрывает слабые.
В 2026 году вопрос уже не в том, стоит ли внедрять AI в разработку. Он уже внедрен. Настоящий вопрос в другом, готова ли ваша инженерная система выдержать его масштабирование и превратить код в продукт, а не в бесконечный поток изменений, которые так и не доходят до пользователя.
Что вы думаете по этому поводу? Поделитесь мнением, это очень интересно!
Если вам близка тема AI, технологий и будущего - добро пожаловать в мой канал обсудить и поделиться апдейтами.