Разработчики отказываются писать код без ИИ, но данные говорят: это делает их медленнее и стоит миллиарды

Последующая попытка METR в августе 2025 года, расширенная до 57 разработчиков и более 800 задач, лишь усугубила кризис. Результаты оказались статистически незначимыми, показав замедление примерно на -4% с настолько широким доверительным интервалом, что он переходил через ноль (от -15% до +9%). Критически важно, что от 30% до 50% участников признались в самоцензуре — они отказывались сдавать задачи, если не могли выполнить их с помощью ИИ. Выборка была необратимо смещена в пользу тех немногих, кто всё ещё был готов работать без ассистентов . В итоге лаборатория полностью свернула эксперимент, назвав его данные «ненадёжными» .

Меньше чем за год нарратив сменился с «ИИ делает опытных разработчиков медленнее, но они этого не замечают» на куда более глубокое открытие: «разработчики даже не пытаются работать без ИИ». Зависимость стала слишком глубокой, чтобы её можно было измерить .

Золотая лихорадка «токенмаксинга» и ее громкий крах

Пока исследование METR разваливалось, Кремниевую долину охватила параллельная мания. Токенмаксинг (от англ. tokenmaxxing) — практика раздувания потребления токенов как показателя продуктивности — стала главным трендом начала 2026 года, прежде чем рухнуть под собственной тяжестью.

Эта культура активно геймифицировалась. Сообщается, что сотрудники Meta соревновались на внутренней панели под названием «Claudeonomics», стремясь к титулам вроде «Легенда токенов» или «Бессмертный сессии», подсчитывая сожжённые объёмы данных . Генеральный директор Nvidia Дженсен Хуанг попал в заголовки газет, заявив, что был бы «глубоко встревожен», если бы один из его инженеров с зарплатой $500 000 не потреблял токены в огромных количествах . По всей индустрии бюджеты на токены стали знаком отличия, сигнализирующим о принятии ИИ и, как предполагалось, об инновационной продуктивности.

Amazon отключает KiroRank

Пик обратной реакции наступил в конце мая 2026 года. Amazon отключил внутреннюю доску почёта KiroRank на платформе разработчика Kiro, обнаружив, что сотрудники создавали «бессмысленных ИИ-агентов» исключительно для накрутки баллов. Старший вице-президент Дэйв Тредвелл напрямую обратился к персоналу: «Пожалуйста, не используйте ИИ просто ради использования ИИ» . Представитель Amazon подтвердил, что доска была «бета-панелью», а не «формальным или одобренным инструментом», но ущерб от сгенерированных вычислительных затрат уже был нанесён . Теперь компания переходит к метрике, известной как «нормализованные развёртывания» (normalised deployments), чтобы измерять осмысленную работу .

Uber тратит годовой бюджет на ИИ за четыре месяца

Ещё более драматично пример Uber стал предостережением для всех. В декабре 2025 года компания предоставила своим примерно 5 000 инженеров широкий доступ к Claude Code от Anthropic. Всего за несколько месяцев уровень внедрения взлетел с 32% до 84%, и к апрелю 2026 года Uber полностью исчерпал весь свой годовой бюджет на ИИ. По словам технического директора Правина Неппалли Наги, 95% инженеров Uber теперь ежемесячно используют ИИ-инструменты, а 70% коммитов кода генерируются ИИ — это самый высокий публично заявленный показатель среди всех крупных технологических компаний .

Однако это ошеломляющее внедрение не принесло явной отдачи. Главный операционный директор Эндрю Макдональд публично признал в интервью в конце мая, что компания не может провести прямую связь между колоссальными расходами на ИИ и значимыми бизнес-результатами. «Этой связи пока нет, — сказал он. — Оправдывать [затраты] становится всё труднее» . Внутренне топ-менеджеры уже начали называть проблему её именем: «токенмаксинг» .

Массовое отрезвление

Meta и другие крупные фирмы также отменили или пересмотрели свои рейтинги использования ИИ, а корпорации по всем направлениям сейчас переоценивают безудержные траты на ИИ, которые не дали пропорциональной отдачи . Как заключил журнал Fortune, тренд «токенмаксинга» «мёртв» .

Скрытые издержки: больше кода, больше багов, больше техдолга

Обратная реакция касается не только бюджетов. Всё больше доказательств указывает на то, что ИИ-сгенерированный код закладывает мины замедленного действия под программные проекты.

• Иллюзия продуктивности реальна. Ощущение скорости противоречит контролируемым исследованиям. Акцент на объёме токенов и строчках сгенерированного кода скрывает скрытые затраты на отладку, рефакторинг и поддержку написанного ИИ софта. Отчёт компании GitClear за январь 2026 года показал, что «текучка кода» — мера удалённых строк по сравнению с добавленными — взлетела на 861% в средах с высоким внедрением ИИ .
• Технический долг накапливается. Быстрый вывод ИИ-инструментов производит код, требующий больше переделок и создающий уязвимости безопасности. Аналитики предупреждают, что возникающее бремя обслуживания может легко перевесить любые краткосрочные выгоды в скорости, угрожая долгосрочному здоровью кодовой базы .
• Сами измерения сломаны. Весь этот эпизод показал, что метрики активности — строки кода, потребление токенов, количество вызванных ИИ-агентов — являются глубоко ошибочной заменой измерения реальной выработки. Как гласил один из анализов, «субъективные впечатления были плохим ориентиром для измеряемого воздействия, даже когда сам эффект менялся» .

Новый курс: как на самом деле сбалансировать ИИ и человеческий контроль

Отрезвление 2026 года рождает новый, более трезвый консенсус о том, как интегрировать ИИ в программную инженерию:

• Отказ от метрик на основе токенов. Компании отказываются от досок лидеров и переходят к инженерной аналитике, отслеживающей выпущенные функции, качество кода и частоту дефектов, а не объём потребления ИИ. Приобретение компанией Atlassian платформы для оценки опыта разработчиков DX за $1 млрд служит примером инвестиций в измерение осмысленных результатов, а не сырой активности .
• Обязательный тщательный человеческий контроль. Исследование METR показало, что без внимательного надзора ИИ-инструменты могут делать опытных разработчиков менее продуктивными. Ревью кода и архитектурное планирование остаются критически важными, а не опциональными действиями .
• Ограничение расходов на ИИ доказанной ценностью, а не использованием. Опыт Uber продемонстрировал, что безлимитные, основанные на использовании траты на ИИ неустойчивы. Бюджетирование должно быть привязано к измеримой отдаче, а не к целям по внедрению .
• Перепроектирование культуры оценки. Цель состоит в том, чтобы сместить ключевой вопрос с «кто больше всех пользуется ИИ?» на «каких полезных результатов мы достигли с помощью ИИ?». Это означает поощрение разумного и эффективного использования ИИ, а не просто больших объёмов потребления .

Урок 2026 года очевиден: инструменты ИИ-кодинга создали беспрецедентную психологическую и операционную зависимость до того, как надёжно доказали свою экономическую ценность. Компании, которые справятся с этим парадоксом, — это те, кто будет относиться к ИИ как к инструменту, который нужно освоить с дисциплиной, а не как к божеству, которому следует приносить всё большие жертвы в виде токенов.