Стоимость создания прогнозов об ИИ стала минимальной, так как нейросети генерируют экспертный контент за доли цента. При этом проверка таких утверждений остается дорогой и долгой, так как у прогнозов нет независимых якорей — тестов или компиляторов, которые могли бы подтвердить или опровергнуть результат, в отличие от программного кода.
Исследования показывают разрыв между ожиданиями и реальностью. Согласно данным METR, разработчики с ИИ-помощниками выполняли задачи на 20% медленнее, хотя субъективно считали, что ускорились. Позже ученые признали доказательства ускорения слабыми и начали переработку дизайна тестов. GitClear отмечает рост доли кода, копируемого без правок.
Отчеты о безопасности, например от Veracode, указывают, что модели часто выбирают небезопасные варианты кода. Однако эксперты подчеркивают, что подобные выводы часто выгодны вендорам, продающим защиту. Страх и конфликты в заголовках лучше способствуют охватам, чем взвешенные позиции, поэтому прогнозы об ИИ часто становятся инструментом хайпа.
Реальная разработка систем на базе ИИ требует значительных трудозатрат. Создание парсера объявлений заняло несколько дней, а комплекса для ателье — около трех недель. Основная работа заключается в настройке бизнес-логики, интеграции с CRM и обеспечении прав доступа на уровне системы, что модель не может сделать самостоятельно без участия человека.
Автоматизированные отчеты о работе систем часто содержат ошибки. В документации к проектам автора встречались противоречивые данные: среднее время ответа различалось в разных разделах, а итоговое количество диалогов не сходилось со сводкой. Проверка таких документов требует часов ручной сверки, так как цифры без ссылок на логи не являются фактами.
