Исследование Jellyfish: при высоком уровне внедрения ИИ объём выпускаемого кода удваивается при сохранении качества

Платформа Jellyfish провела ^[1] исследование с участием более 700 компаний, 200 тысяч инженеров и 20 млн запросов на слияние (pull requests). Он выявил, что производительность растёт, но без сильной потери качества кода.

В компаниях, включённых в набор данных, средний уровень использования инструментов ИИ составляет 63%, а 64% компаний теперь генерируют большую часть своего кода с помощью технологии. По данным Jellyfish, еженедельные показатели использования неуклонно росли в течение последнего года, при этом увеличивалась доля инженеров, использующих инструменты ИИ для кодирования несколько дней в неделю.

Наибольшее влияние это оказывает на производительность. Компании с самым высоким уровнем внедрения ИИ — где от 75% до 100% инженеров используют инструменты его для кодирования три или более дней в неделю — объединяли в среднем 2,2 запроса на слияние на одного инженера в неделю. Это почти вдвое больше, чем 1,12 PR у других компаний.

Руководитель исследовательского отдела Jellyfish Николас Арколано отметил, что перестал писать код сам осенью 2025 года, передав эту работу инструментам ИИ. Примерно в это же время значительные улучшения моделей сделали инструменты для программирования на основе ИИ намного лучше, и их использование действительно резко возросло. Арколано называет этот момент «Рождеством Claude», когда многие инженеры-программисты открыли для себя истинную мощь сервиса Claude Code от Anthropic и начали экспериментировать с ним во время праздников. 

Другие популярные инструменты для разработки ИИ, используемые инженерами, включают Codex от OpenAI, Cursor и GitHub Copilot.

Согласно данным Jellyfish, качество кода, похоже, не снижается под тяжестью более высокой производительности. Показатели отката увеличиваются лишь незначительно по мере роста внедрения ИИ среди инженеров-программистов, с 0,61% в компаниях с низким уровнем внедрения до 0,65% в компаниях высшего уровня.

«Мы не наблюдаем значительного влияния на качество. За этим нужно будет следить в дальнейшем. Проблемы с качеством и попытки удержать ситуацию под контролем в условиях растущего давления со стороны необходимости ускорять процессы, а также узким местом становится возможность проверки кода ИИ», — сказал Арколано.

Тем временем появляются более продвинутые способы использования ИИ. Активность автономных агентов по-прежнему составляет небольшую долю общей работы, но быстро растёт, особенно среди ведущих разработчиков.

Арколано больше всего поразили различия между организациями, которые полностью внедряют агентов ИИ в программирование, и другими, которые практически ничего не делают в этой новой области. «Разрыв ускоряется. Поэтому люди внизу не двигаются, а люди в середине постепенно продвигаются. Люди наверху находятся на ракете и стремительно развиваются», — сказал он. 

Между тем исследование Alibaba Group и Университета имени Сунь Ятсена в Гуанчжоу показало ^[2], что современные нейросети не могут поддерживать долгосрочную эволюцию ^[3] кодовой базы, добавляя новые функции и не нарушая функциональность старых. Оценка включала 18 моделей от 8 разных поставщиков. Выяснилось, что в рамках одного семейства более новые модели всегда достигают более высоких показателей, при этом выпущенные после начала 2026 года демонстрируют значительно больший прирост, чем их предшественники.

Кроме того, исследователи проанализировали ^[4] сотни опенсорсных репозиториев с внедрённым инструментом и без него. Выяснилось, что ИИ сначала разгоняет поток кода, а потом раздувает технический долг.