Новое исследование показывает, что бесконтрольное использование ИИ-ассистентов снижает глубину понимания кода на 17%, создавая долгосрочные риски для индустрии.
3 мин
Компания Anthropic опубликовала результаты исследования, посвященного влиянию искусственного интеллекта на профессиональное развитие программистов. Главный вопрос эксперимента заключался в поиске баланса между продуктивностью и обучением. Результаты оказались неоднозначными: использование ИИ действительно может ускорять работу, но при этом часто ведет к значительному снижению качества усвоения материала.
В ходе контролируемого эксперимента выяснилось, что разработчики, использующие ИИ-ассистентов для решения незнакомых задач, справлялись с тестами на понимание кода на 17% хуже, чем те, кто писал код вручную. Это эквивалентно разнице в две оценки по академической шкале. Наибольшее беспокойство вызывает тот факт, что сильнее всего пострадал навык отладки (debugging) — критически важная способность находить и исправлять ошибки.
Инструменты на базе ИИ, такие как GitHub Copilot, Cursor или Claude, стремительно становятся стандартом в индустрии разработки ПО. Ранее исследования фокусировались преимущественно на метриках продуктивности: насколько быстрее можно написать функцию или создать шаблон приложения. Цифры часто показывали прирост эффективности до 80%.
Однако в тени оставался вопрос когнитивной разгрузки. Когда человек передает задачу машине, он перестает глубоко обдумывать решение. Для опытного сеньора это способ избавиться от рутины. Но для джуниора или специалиста, изучающего новую технологию, это может стать ловушкой, блокирующей формирование нейронных связей и профессиональных навыков.
В исследовании приняли участие 52 инженера-программиста (преимущественно уровня junior), знакомых с Python. Им было предложено решить задачи с использованием библиотеки Trio, с которой они ранее не работали. Участников разделили на две группы: одна использовала ИИ-ассистента, другая писала код самостоятельно.
Ключевые цифры и факты:
Самый тревожный сигнал — деградация навыков отладки. Группа, полагавшаяся на ИИ, хуже понимала, почему код не работает, и не могла эффективно диагностировать ошибки без помощи ассистента.
Важно отметить, что ИИ сам по себе не является причиной снижения навыков. Проблема кроется в методологии его использования. Исследование показало, что результаты зависели от стратегии взаимодействия с ассистентом.
Участники, которые использовали стратегию «Генерация, затем понимание» (сначала генерировали код, а затем задавали уточняющие вопросы для разбора логики) или «Концептуальный запрос» (просили объяснить принципы, а не писать код), показали высокие результаты, сопоставимые с ручным кодированием.
Это подводит нас к важному выводу: слепое копирование кода (copy-paste) создает иллюзию компетентности. Разработчик получает работающий продукт, но не приобретает знаний, необходимых для его поддержки. В долгосрочной перспективе это грозит появлением поколения инженеров, способных создавать сложные системы, но не способных их чинить в критических ситуациях.
Результаты исследования Anthropic ставят перед индустрией серьезный вызов. Компании, внедряющие ИИ для ускорения разработки, рискуют получить снижение квалификации сотрудников в долгосрочной перспективе. Вероятно, мы увидим изменение подходов к обучению и менторству:
Главный урок для специалистов прост: используйте ИИ, чтобы учиться быстрее, а не чтобы пропускать процесс обучения.
Использование ИИ для написания кода без попыток разобраться в его работе снижает уровень усвоения материала на 17%, особенно ударяя по навыкам отладки.
ИИ не обязательно отупляет: те, кто просил нейросеть объяснить сгенерированный код, показали высокий уровень знаний. Дело не в технологии, а в лени пользователя.
