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

К концу мая 2026 года офисный роман с ИИ-инструментами для разработчиков официально завершился. То, что начиналось как золотая лихорадка по внедрению нейросетей в рабочий процесс, натолкнулось на стену неопровержимых данных, взлетевших до небес расходов и пугающей психологической зависимости. Научные лаборатории больше не могут измерить продуктивность человека, потому что разработчики отказываются писать код без ИИ. Параллельно рушится главный тренд начала 2026 года — измерение эффективности через подсчёт ИИ-токенов. Крупные корпорации публично признают, что цифры не сходятся. Этот переломный момент — время корпоративного отрезвления и поиска метрик, которые действительно что-то значат.

Сломанный эксперимент: почему продолжение исследования METR провалилось

В феврале 2026 года исследовательская лаборатория METR опубликовала откровение, столь же тревожное, сколь и простое: она больше не могла завершить собственное исследование продуктивности разработчиков. Организация планировала продолжение своего прорывного рандомизированного контролируемого испытания (РКИ) 2025 года, но значительная часть приглашённых специалистов отказалась участвовать, потому что не собиралась работать без ИИ даже ради ограниченного набора научных задач .

Исходное исследование уже тогда бросило длинную тень. Оно показало, что опытные open-source разработчики, использующие инструменты вроде Cursor Pro и Claude 3.5/3.7 Sonnet, выполняли задачи на 19% медленнее, чем те, кто работал без ИИ. При этом сами программисты предсказывали экономию времени примерно в 24% и сообщали о субъективном ощущении возросшей продуктивности. Объективные данные говорили об обратном: они тратили дополнительное время на отладку, «ручное руление» ИИ и ожидание завершения задач .

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.