Интеграция искусственного интеллекта в разработку ПО часто приводит к проблеме «шумного критика». При приближении к финалу ИИ начинает предлагать избыточные правки, что заставляет разработчика тратить лишние токены и время на бесполезные улучшения, уводя проект от первоначальных целей.
Для повышения эффективности работы рекомендуется применять научный метод: оптимизировать протоколы ИИ до начала масштабных задач и тестировать процессы на небольших пилотных проектах. Такой подход позволяет выявить скрытые недостатки и существенно сократить расход токенов.
При использовании ИИ в коде часто возникают структуры, напоминающие машину Голдберга, где простые задачи решаются через избыточно сложные цепочки действий. Это происходит из-за того, что ИИ не всегда учитывает текущую архитектуру, что ведет к накоплению зависимостей и «костылей» в проекте.
Чтобы избежать бесконечного цикла правок, важно разделять критические исправления ошибок и дополнительные идеи для будущих версий. Установление четких критериев готовности и фокус на реальном использовании продукта помогают вовремя остановить процесс доработки и избежать потери смысла проекта.
