Исследование Т1 и TProger показало, что ИИ-код сложнее понять и дольше проверять

Исследование Т1 и TProger показало, что ИИ-код сложнее понять и дольше проверять

icon 20/11/2026
icon 13:50

© Нейросеть ГигаЧат

Нейросеть ГигаЧат

Трудности с пониманием кода, сгенерированного искусственным интеллектом, стали ключевой проблемой при использовании нейросетей в разработке — такую позицию обозначили 42 % участников исследования, проведённого ИТ‑холдингом Т1 совместно с изданием Tproger. 

По данным опроса, эта сложность возникает чаще, чем ошибки, непосредственно допускаемые самими нейросетями. 

Результаты исследования обнародовали 19 ноября на конференции «Импульс Т1» в Москве. Об этом сообщает newstula.ru.

Значительная часть специалистов фиксирует рост временных затрат на работу с ИИ‑кодом: 39 % респондентов указали, что проверка и ревью решений, созданных с помощью нейросетей, требуют существенно больше времени. Ещё 36 % опрошенных акцентировали внимание на дефиците контекста в ответах ИИ: системы зачастую игнорируют действующую кодовую базу и внутренние регламенты команд, из‑за чего итоговый результат приходится дополнительно адаптировать под требования конкретного проекта.

Особую остроту проблема приобретает при взаимодействии с ИИ‑агентами. Среди специалистов, делегирующих агенту полное решение задачи, 51 % заявили о сложностях с интерпретацией сгенерированного кода, тогда как в группе пользователей, применяющих нейросети преимущественно в качестве источника подсказок, аналогичный ответ дали 31 % респондентов. При этом статистика по ошибкам и галлюцинациям ИИ демонстрирует обратную динамику. С подобными сбоями регулярно сталкиваются 59 % тех, кто запрашивает у ИИ отдельные рекомендации, в то время как среди полностью передающих задачу агенту доля жалоб составляет лишь 17 %.

Серьёзным препятствием для масштабирования технологий остаётся отсутствие в компаниях выстроенных процессов работы с ИИ. Как показал опрос, 43 % участников не располагают формализованными правилами использования нейросетей, а механизм обязательной верификации результатов закреплён нормативно лишь в 10 % организаций. Не определены и зоны ответственности — в частности, не зафиксировано, какие задачи допустимо передавать ИИ, каким образом должна проводиться проверка сгенерированных решений и кто несёт за них ответственность.

По словам Сергея Полиненко, продуктового лидера платформы «Сфера» ИТ‑холдинга Т1, свыше половины опрошенных специалистов прогнозируют, что в перспективе искусственный интеллект возьмёт на себя основную часть технических операций, а роль разработчиков сместится в сторону постановки задач и контроля качества. Представитель холдинга подчеркнул, что при этом для бизнеса критически важно сокращать сроки вывода продуктов и услуг на рынок без ущерба для их надёжности. Поэтому в компании намерены трансформировать подход к применению ИИ — перейти от точечного использования технологий к их интеграции на всех этапах разработки с обязательным учётом требований безопасности и обеспечением доверия к результатам работы нейросетей.

Исследование фиксирует высокий уровень вовлечённости специалистов в работу с ИИ‑инструментами: 73 % участников прибегают к таким решениям практически ежедневно, а 78 % подтвердили, что использование нейросетей позволило им выполнить последнюю задачу быстрее по сравнению с аналогичным процессом без применения ИИ. Вместе с тем системное обучение работе с технологиями искусственного интеллекта пока не стало отраслевым стандартом — корпоративные программы освоения ИИ прошли лишь 8 % опрошенных. Подавляющее большинство специалистов осваивают инструменты самостоятельно.

В исследовании приняли участие представители широкого спектра IT‑специальностей — от разработчиков и аналитиков до руководителей проектов, специалистов по DevOps, инфраструктуре, архитектуре и начинающих специалистов. Сбор данных проводился по двум каналам: подробную анкету заполнили 225 респондентов, а в онлайн‑голосовании, организованном в социальных сетях, приняли участие свыше 11 тысяч человек.