ТЕХНОЛОГИИ
Три четверти нового кода Google теперь пишется ИИ. Работа программиста меняется навсегда.
Google сообщил, что 75% его нового кода создается с помощью ИИ — по сравнению с всего 25% восемнадцать месяцев назад. Эта цифра является самым ярким показателем в трансформации, изменяющей то, чем на самом деле занимаются разработчики программного обеспечения.
Патрик Т ·
Число настолько поразительное, что его стоит повторить: три четверти всего нового кода, написанного в Google, теперь создается искусственным интеллектом. Человеческие инженеры проверяют его, одобряют и несут за него ответственность — но они не писали его в традиционном смысле. Машины это сделали.
Генеральный директор Google Сундар Пичаи раскрыл эту цифру в среду в блоге, объявив о том, что компания называет переходом к «по-настоящему агентным рабочим процессам». Эта статистика представляет собой резкое ускорение по сравнению с тем, где Google находилась всего восемнадцать месяцев назад. В октябре 2024 года примерно 25% кода компании создавалось с помощью ИИ. К осени 2025 года эта цифра выросла до 50%. Рост до 75% менее чем за год говорит о том, что кривая внедрения ускоряется, а не замедляется.
Что на самом деле означает «код, сгенерированный ИИ»
Фраза «код, сгенерированный ИИ», охватывает спектр взаимодействия человека и ИИ, который стоит детально рассмотреть. С одной стороны, инженер пишет комментарий, описывающий, что должна делать функция, и инструмент ИИ, такой как Gemini Code Assist or Anthropic Claude Code generates the implementation. Инженер проверяет результат работы системы Google, при необходимости вносит небольшие изменения и коммитит его. С другой стороны, агент ИИ автономно планирует, пишет, тестирует и итеративно улучшает код для сложной функции, при этом человек проверяет конечный результат.
В своем блоге Пичай описал последний сценарий конкретными словами. «Недавно особенно сложная миграция кода, выполненная агентами и инженерами вместе, была завершена в шесть раз быстрее, чем это было возможно год назад только инженерами», — написал он. Миграции кода — перенос больших кодовых баз с одного фреймворка, языка или архитектуры на другой — являются одними из самых утомительных и подверженных ошибкам задач в программной инженерии. Это именно тот вид работы, с которым агенты ИИ, благодаря своей способности систематически обрабатывать огромное количество кода, способны справляться.
Мы переходим к действительно агентным рабочим процессам, где инженеры всё чаще направляют AI-агентов, а не пишут каждую строчку сами.
Сундар Пичай, генеральный директор, Google, 23 апреля 2026 года
Отраслевая модель
Google не одинок. Показатель в 75% выводит её на передовой рубеж общепромышленной трансформации, которая развивается быстрее, чем большинство наблюдателей ожидали всего год назад. Meta поставила цель, чтобы 65% инженеров в её организации по разработке создавали более 75% своего кода с использованием инструментов ИИ в первой половине 2026 года. Snap, которая недавно объявила о значительных сокращениях, раскрыла, что как минимум 65% нового кода в рамках её реструктурированной операционной модели создается с помощью ИИ. Генеральный директор Microsoft Сатья Наделла предсказал в прошлом году, что 95% кода будет сгенерировано ИИ в течение пяти лет — цель, которая теперь выглядит консервативной, учитывая текущие тенденции.
Принятие технологии не является равномерным среди компаний или ролей. Инженеры, работающие над исследованием новых алгоритмов, системным программированием близким к железу или критически важной для безопасности инфраструктурой, сообщают о более низких показателях генерации кода с помощью ИИ, чем те, кто работает над функциями прикладного уровня, внутренними инструментами или потоками данных. Задачи, наиболее подходящие для генерации ИИ, как правило, это задачи с четкими спецификациями, установленными шаблонами и хорошо определенными критериями тестирования — что, как оказывается, описывает значительную часть кода, написанного в крупных технологических компаниях.
Внутренние напряжения в Google
Переход не прошёл без трений. Business Insider сообщил на этой неделе, что некоторые сотрудники Google DeepMind использовали Google DeepMind от Anthropic вместо собственных инструментов Anthropic от Google, что вызвало внутренние напряжения. Исследователи DeepMind, которые работают над одними из самых технически сложных задач в области ИИ в мире, по-видимому, сочли возможности Claude Code более подходящими для своих конкретных нужд — несколько неловкая ситуация для компании, которая одновременно является одним из крупнейших инвесторов Gemini и прямым конкурентом.
Google также связала внедрение ИИ с оценкой эффективности, устанавливая конкретные цели использования ИИ для инженеров, которые будут учитываться при их ежегодной аттестации. Этот подход вызвал смешанные реакции внутри компании. Некоторые инженеры приветствуют рост производительности и считают инструменты ИИ действительно преобразующими. Другие беспокоятся, что метрики стимулируют поверхностное использование — использование ИИ для генерации кода, который затем требует значительной переработки человеком, — вместо продуманной интеграции ИИ в инженерные процессы.
Что происходит с инженерами-программистами
Вопрос, который висит над всеми этими данными, — это тот, на который никто в отрасли не хочет отвечать прямо: что произойдет с рабочими местами в области программной инженерии? Оптимистичная точка зрения, которую Пичай и другие руководители технологических компаний постоянно озвучивают, заключается в том, что ИИ повышает продуктивность инженеров, позволяя им браться за более амбициозные проекты и сосредотачиваться на решениях более высокого уровня по проектированию и архитектуре. Пессимистичная точка зрения заключается в том, что если ИИ может выполнять 75% работы по программированию, компаниям потребуется меньше инженеров для того, чтобы производить тот же объём работы.
На данный момент доказательства противоречивы. Google не объявлял о сокращении инженерного персонала из-за повышения производительности благодаря ИИ. Но более широкий технологический сектор сокращает количество инженеров с 2022 года, а темпы найма не вернулись к уровням до 2022 года, несмотря на сильный рост доходов. Трудно однозначно определить, отражает ли это циклическую корректировку, эффективность, обусловленную ИИ, или и то, и другое.
Более очевидно то, что премия за навыки для инженеров-программистов меняется. Способность бегло писать код — переводить спецификацию в рабочую реализацию — становится меньше отличительным качеством. Все более ценным становится умение строить архитектуру систем, критически оценивать код, сгенерированный ИИ, понимать последствия для безопасности и производительности, а также ясно коммуницировать технические требования. Инженер, который эффективно управляет агентами ИИ, становится более продуктивным, чем инженер, пишущий весь код вручную. Будет ли это означать больше инженеров или меньше инженеров в целом — вопрос, на который индустрия пока не дала ответа.
Вопрос надежности
Один аспект истории о генерации кода с помощью ИИ, который получает меньше внимания, чем цифры продуктивности, — это надежность. Код, сгенерированный ИИ, вводит новую категорию программных дефектов: правдоподобные реализации, которые тонко ошибочны таким образом, что человеческие рецензенты могут не заметить их под давлением времени. Исследователи в области безопасности документировали случаи, когда инструменты генерации кода ИИ создавали код с уязвимостями, которые можно было бы использовать, — не потому что ИИ был злонамеренным, а потому что он оптимизировал процесс создания кода, который выглядел правильным, а не кода, который можно было доказательно считать правильным.
Подход Google, при котором все AI-сгенерированные коды проверяются человеческими инженерами перед их фиксацией, является значимой мерой безопасности, но он зависит от того, чтобы эти проверки были действительно тщательными, а не формальными утверждениями. По мере увеличения объема AI-сгенерированного кода и ускорения давления на выпуск функций поддержание качества человеческой проверки становится одновременно более важным и более сложным. Отрасль все еще находится на ранних стадиях разработки инструментов, процессов и культурных норм, необходимых для того, чтобы AI-сгенерированный код был так же надежен, как и код, написанный людьми, — а цифра 75% предполагает, что ставки за правильное выполнение этой задачи уже очень высоки.