AI-код проходить тести, але для програмістів залишається складним для розуміння

Швидкий код, повільне розуміння

AI-генерований код може працювати, проходити тести та швидко виконувати завдання. Проте інженер, який інтегрує його в систему, може ніколи повністю не зрозуміти, як було написаний цей код. Коли такий код стає дуже поширеним, його інтерпретація, перегляд та перевірка знову вимагають часу, а деякі інженери кажуть, що вже не можуть легко його перевірити.

Засновник Infinity, компанії з оптимізації чіпів, Джеремі Ніксон каже, що робота програміста змінюється. Творці все менше часу витрачають на написання коду з нуля, а більше — на нагляд за моделлю та перегляд її результатів. Ніксон бачить дві можливі інтерпретації: AI як новий етап, де люди ставлять цілі та доручають технічну реалізацію, або зростаючий ризик, що команди розгортатимуть програмне забезпечення, роботу якого повністю не розуміють.

Тести не розкривають логіку

В інтерв'ю Fireside Alpha спеціаліст SemiAnalysis Джордан Нанос описав роботу інженерів OpenAI, які спостерігали за AI-створеним кодом для ядра, тобто спеціалізованого коду для обчислень графічного процесора. Інженерам було зрозуміло апаратне забезпечення та системні принципи, але розібрати окремі рядки для них було складно. Нанос не вважає результат невдалим: AI створив код, перевірив його та досяг потужного результату. Він сказав, що людське розуміння кожної деталі в таких випадках стало менш важливим.

Цей приклад не підтверджує, що весь AI-написаний код незрозумілий. Він насамперед породжує проблему перевірки, коли для команди основна логіка не є зрозумілою. Завершене завдання може показувати, що програма працювала за певних умов, але пізніше пошук помилки, масштабування системи чи інтеграція з іншими компонентами вимагають додаткових знань. Турбота полягає в тому, що команди сповільнюються з розумінням та перевіркою коду, а не в тому, що використання AI саме по собі вважається підтвердженою причиною втрати навичок.

Опитування вказує на обмежений прогрес у циклі релізів

За даними опитування, проведеного Undo, близько 35% інженерів не розуміли повністю AI-генерований код до його потрапляння в робоче середовище. Опитування також показує, що 79% лідерів заявили, що цикли релізів програмного забезпечення не прискорюються, незважаючи на спрощення генерації коду. Coleman Parkes провело дослідження у липні та серпні 2026 року серед 300 технічних лідерів великих організацій у Сполучених Штатах Америки та Великій Британії. Їхні компанії працюють над великими, складними та критичними системами, тому результати відображають конкретний сегмент, а не всю технологічну індустрію.

Засновник Undo Грег Лоу каже, що найскладніший код для перегляду часто написаний майже правильно. Команди швидко знаходять явні помилки, але діагностика програми, яка працювала повільно, може вимагати днів. Undo створює інструменти для пошуку та виправлення помилок, тому комерційний контекст опитування актуальний. Кількість згенерованого для бізнесу коду не стане головним показником успіху, оскільки заощаджений під час написання час може бути витрачений на його перегляд та покращення. Якщо початківці-творці завжди отримують результат без вивчення його логіки, вони отримають менше практики в тих навичках, які згодом знадобляться для проектування складних систем та виявлення помилок. Відповідальність залишається на команді, яка розгортає код.