Автор провела тестирование ИИ-инструментов в разработке, включая Cursor с Claude, GPT-4o, GigaCode, а также локальные модели Qwen2.5-Coder и DeepSeek-Coder. Переход к этапу детальной формулировки намерений и спецификаций позволил сократить время планирования задач до 30–60 минут.
На типовых задачах, таких как CRUD и API-интеграции, использование ИИ ускорило работу в 2,5–4 раза. При проектировании новой бизнес-логики и архитектуры прирост скорости составил 1,3–1,8 раза. При этом агенты часто допускают ошибки в безопасности, включая SQL-инъекции и утечки секретов.
Для контроля качества автор внедрила security-чеклисты, ручные ревью и property-based тестирование. Сложные сценарии и e2e-тесты по-прежнему требуют участия человека. Роль разработчика трансформируется: теперь это оркестрация агентов и контроль итогового результата.
Основной вывод исследования заключается в том, что скорость генерации кода не является ключевым показателем эффективности. Важно оценивать время до получения безопасного и поддерживаемого продукта. Закрытые модели пока показывают лучшее качество на сложных задачах, чем open-source решения.
