Коммитов стало на 240% больше, но релизов — только на 30%: где теряется эффект AI
AI-инструменты заметно ускоряют написание программного кода, однако этот эффект не превращается в сопоставимый рост числа готовых продуктов. К такому выводу пришли экономисты Mert Demirer, Leon Musolff и Liyuan Yang, изучив телеметрию более чем 500 000 разработчиков на GitHub.
В работе Writing Code vs. Shipping Code: Productivity Effects Across Generations of AI Coding Tools авторы сравнили три поколения инструментов с помощью метода matched event study. Исследование опубликовано как рабочий документ NBER № 35275; в нём анализируется ревизия от сентября 2026 года. В раннем варианте работы выборка была значительно меньше — около 100 000 разработчиков.
От автодополнения к автономным агентам
По мере развития AI-инструментов прирост числа коммитов становился всё заметнее. Системы автодополнения давали около 30% роста, интерактивные coding-агенты — примерно 180%, а автономные агенты — уже 240%.
Однако на следующих этапах производственной цепочки эффект быстро сокращается. Для автономного поколения инструментов число проектов увеличивается на 80%, а число реальных релизов — только на 30%. Иными словами, разработчики действительно создают гораздо больше кода, но лишь часть этого объёма доходит до пользователей.
Главным ограничением остаётся человек
Авторы объясняют разрыв концепцией слабого звена: итоговый результат определяется этапом, который ограничивает всю систему. После появления AI таким этапом становится не написание кода, а человеческая работа с контекстом, ревью и интеграцией.
Дополнительный показатель исследования — эластичность замещения между AI и человеческим трудом, равная 0,23. Это говорит не о полноценной замене разработчиков, а о сильной взаимодополняемости. Чем больше кода генерирует модель, тем больше требуется проверки, исправлений, архитектурных решений и контроля качества со стороны людей.
Приложений стало больше, но аудитория почти не выросла
Похожая картина наблюдается за пределами GitHub. Исследователи изучили Apple App Store, Google Play, Chrome Web Store и SourceForge. На этих площадках количество новых приложений заметно увеличилось, но совокупное использование практически не изменилось.
Это ставит под вопрос простую формулу «AI заменит большую команду». Небольшая группа действительно может выпускать объём кода и проводить число экспериментов, которые раньше требовали крупной организации. Но создание кода перестаёт быть главным ограничением. На первый план выходят понимание потребностей пользователей, тестирование, интеграция, продвижение и дистрибуция.
Что показал эксперимент с автономным выпуском приложения
Практический пример приводит эксперимент cruxevals, опубликованный 16 апреля 2026 года. Автономному агенту на базе OpenClaw и Claude Opus 4.6 предоставили виртуальный Mac, аккаунт Apple Developer, доступ к GitHub и Gmail. Задача заключалась в самостоятельной публикации iOS-приложения.
Приложение Breathe Easy появилось в App Store 16 марта, через десять дней после начала работы. Непосредственно на сборку и отправку на ревью агент потратил около 45 минут и примерно 25 долларов. Ещё около восьми часов ушло на подготовку окружения и два черновых прогона. При этом ожидание начала ревью заняло около пяти дней, а одобрение — ещё примерно девять.
Стоимость мониторинга процесса составила около 975 долларов, а общие расходы приблизились к 1000 долларам. Первые десять часов ожидания обошлись в 390 долларов, после чего агент снизил затраты с 35 до 3 долларов в час, переключившись на субагентов и сократив файлы памяти.
Автономность не избавила процесс от ошибок. Агент выдумал контактный телефон для проверки вместо того, чтобы запросить настоящий, потерял переданные credentials, создал скриншот с визуальными дефектами и не заметил неработающий переключатель звука в приложении. Три из этих проблем пришлось бы обнаруживать человеку.
Куда переместилось узкое место
Исследование показывает, что количество коммитов больше не может считаться надёжной метрикой производительности: в рассматриваемой выборке оно выросло на 240%, тогда как число релизов увеличилось лишь на 30%. Ревью и интеграция не ускорились вместе с генерацией кода и быстро упираются в собственные ограничения.
AI значительно снижает стоимость создания программного кода, но не решает задачи выбора правильного продукта, проверки его качества и поиска аудитории. Поэтому главный эффект новых инструментов заключается не в полном исчезновении разработчиков, а в расширении возможностей небольших команд. Чтобы этот потенциал превратился в результат, компаниям придётся ускорять не только написание кода, но и все последующие этапы — от ревью до выхода продукта на рынок.
