Автор, разработчик с опытом работы в Яндексе, анализирует влияние ИИ-агентов на процесс создания ПО. В основе рассуждений лежит различие между «легкостью» (субъективными усилиями) и «простотой» (объективной структурой системы). Агенты удешевляют написание кода, но часто привносят случайную сложность, затрудняя дальнейшую поддержку проектов.
В статье приводятся данные исследований, таких как SlopCodeBench и ττ-Bench. Они показывают, что LLM часто генерируют более многословный код, чем люди, и склонны к накоплению структурных ошибок. Модели вроде GPT-5.5 и Claude Sonnet 4 могут имитировать архитектурные паттерны, но при этом создавать скрытые зависимости, игнорируя реальные требования эксплуатации.
Автор предлагает искать баланс между полным контролем и автономией агентов. Используя принцип Парето, разработчики могут выделять 20% усилий, дающих 80% результата. Это позволяет управлять соотношением скорости разработки и поддерживаемости системы, учитывая, что возможности языковых моделей постоянно растут.
Универсального метода работы с ИИ не существует из-за быстрого развития технологий. Программист сегодня вынужден брать на себя роль дирижера команды агентов. Главная задача специалиста смещается от написания кода к проектированию архитектуры, чтобы избежать накопления сложности, которую агенты не способны осознать самостоятельно.
