Эта глава подготовлена при участии
Kevin M. Storer, Ph.D. — исследователь пользовательского опыта, Google Cloud
Derek DeBellis — исследователь количественного пользовательского опыта, Google Cloud
{{cta}}
Применение и внедрение ИИ
По мере того как мы продолжаем изучать тренды внедрения ИИ в индустрии разработки программного обеспечения, становится очевидно: использование ИИ в разработке выросло значительно. В этой быстро меняющейся сфере важно давать рекомендации, основанные на данных, чтобы помочь профессиональному сообществу ориентироваться в происходящих изменениях.
Отчёт «State of AI-assisted Software Development 2025» — это наше самое глубокое и детальное исследование применения ИИ в разработке за всё время.
Основные инсайты
В целом результаты исследования показывают: разработчики программного обеспечения широко внедряют ИИ и активно полагаются на него при выполнении самых разных задач. Это приводит к заметным преимуществам — как в индивидуальной продуктивности, так и в качестве кода.
Внедрение
90% участников опроса этого года сообщают, что используют ИИ в своей работе. Это на 14,1% больше, чем в прошлом году.
Такой высокий уровень распространенности показывает, что применение ИИ в разработке ПО фактически стало новой нормой индустрии.
«Думаю, за последний год многие осознали, что генеративный ИИ наконец достиг уровня, когда он реально работает для огромного числа задач. И теперь, когда это стало почти само собой разумеющимся, у каждой команды появляются случаи, где генеративный ИИ может приносить пользу. Поэтому мотивации внедрять такие решения много: запускать новые функции, снижать затраты, сокращать время разработки. Никто не хочет остаться позади. И я уверен, что со временем ИИ будет всё глубже интегрироваться во всё, что мы делаем. И если вы не используете генеративный ИИ хотя бы в каком-то виде, да — вам будет сложно сохранять темп.»
Опыт использования
Наши респонденты сообщили о разном уровне опыта работы с инструментами ИИ. Медианное значение — 16 месяцев, среднее — 16,22 месяца.
Для сравнения: ChatGPT был выпущен в ноябре 2022 года — примерно за 31 месяц до начала нашего опроса. Таким образом, в выборку попали как ранние пользователи, так и те, кто подключился позже. Особенно заметен всплеск внедрения ИИ в период с конца 2023 по середину 2024 года.
Время взаимодействия
Пользователи ИИ в нашей выборке также различаются по тому, сколько времени они взаимодействуют с ИИ в течение рабочего дня.
По данным опроса, респонденты провели в среднем два часа из своего последнего рабочего дня, работая с ИИ — это примерно четверть стандартного восьмичасового дня.
Рефлексивное использование ИИ
Хотя использование ИИ среди респондентов почти повсеместное, рефлексивное применение — когда человек автоматически обращается к ИИ при возникновении задачи — встречается гораздо реже.
Среди пользователей ИИ только 7% говорят, что всегда используют ИИ, когда им нужно решить проблему или выполнить задачу. При этом 39% обращаются к ИИ лишь иногда.
Тем не менее, 60% пользователей ИИ сообщают, что используют его примерно в половине случаев или чаще, когда сталкиваются с задачей. Это говорит о том, что ИИ уже стал регулярной частью рабочего процесса разработки.
За последние 18 месяцев компания Sabre активно отслеживала внедрение генеративных ИИ-ассистентов с помощью аналитики использования и опросов удовлетворенности. Уровень применения вырос до 74% среди разработчиков с разным опытом и стажем, при этом особенно заметен рост использования ИИ для основных задач разработки.
Рост использования напрямую связан с ростом удовлетворенности. 86% пользователей отмечают повышение продуктивности. Постепенное увеличение удовлетворенности и экономии времени показывает, что выгода от инструментов генеративного ИИ усиливается по мере того, как пользователи осваиваются и начинают работать с ними увереннее.
Аналитика также выявила медленное принятие новейших возможностей, таких как режим агентов — его использует лишь 25% пользователей. В ответ Sabre усиливает программы обучения и развивает обмен опытом между разработчиками, чтобы повысить вовлеченность и убедиться, что команды уверенно используют возможности ИИ.
Яцек Островски,
VP Platform Engineering, Sabre
Зависимость от ИИ
Помимо частого использования, мы видим, что специалисты по разработке сильно полагаются на инструменты ИИ в работе. Только 5% пользователей ИИ говорят, что совсем не зависят от него. В то же время 65% отмечают, что опираются на ИИ в умеренной степени (37%), значительно (20%) или в очень большой степени (8%).
Задачи
Как и в отчёте DORA за 2024 год, ключевым сценарием использования ИИ среди участников опроса остаётся написание нового кода — 71% респондентов, которые занимаются разработкой, используют ИИ для помощи в создании кода.
Большинство специалистов, чьи обязанности включают эти задачи, также применяют ИИ для:
- обзора литературы — 68%,
- изменения существующего кода — 66%,
- вычитки и проверки текста — 66%,
- создания или редактирования изображений — 66%.
Менее распространенные сценарии использования ИИ среди тех, чья работа включает эти задачи:
- анализ требований — 49%,
- внутренние коммуникации — 48%,
- управление календарем — 25%.
{{cta}}
Как кастомизация повышает вовлеченность разработчиков
Что мы изучали
По мере того как ИИ-ассистенты становятся обычным инструментом в работе разработчиков, исследовательская группа UC Berkeley изучила, как студенты-разработчики используют IDE с поддержкой ИИ на практике. С помощью ай-трекинга (отслеживание движения глаз) и интервью исследователи наблюдали, как Python-разработчики с опытом от одного до пяти лет выполняют две короткие задачи:
- работу с незнакомой библиотекой,
- интерпретацию запутанной функции.
Выводы этого исследования помогут разработчикам любого уровня подобрать способы взаимодействия с ИИ-ассистентами, которые лучше соответствуют их стилю работы.
Кастомизация как решение
Чтобы снизить фрустрацию и лучше поддержать сосредоточенную работу, разработчики и команды могут кастомизировать поведение ИИ-инструментов.
Большинство современных IDE позволяют:
- включать или отключать встроенные подсказки,
- работать в режиме «только по запросу»,
- настраивать стиль и формат генерируемых предложений.
Конфигурационные файлы на уровне репозитория и связанная документация помогают ИИ-ассистентам соблюдать существующие правила и процессы.
Эксперименты с этими настройками позволяют адаптировать поведение ИИ под когнитивные особенности разных задач, уменьшая отвлечение и повышая полезность ИИ-ассистентов.
Когда ИИ мешает работе
Хотя кодовые ассистенты ИИ создаются для того, чтобы экономить время и снижать нагрузку, исследование UC Berkeley показало: в ряде задач ИИ может создавать дополнительное сопротивление.
Студенты-разработчики охотно использовали ИИ при выполнении механических задач — написании шаблонного кода или установке пакетов. Но когда требовалось глубокое понимание логики, например, при разборе сложного фрагмента кода, те же разработчики почти полностью игнорировали подсказки.
Ай-трекинг показал:
- при интерпретационных задачах внимание к окну ИИ-чата составляло менее 1%,
- тогда как при механических — почти 19%.
Во многих случаях студенты сознательно выбирали ручное выполнение, чтобы сохранить контроль и лучше понимать происходящее, даже если ИИ предлагал корректные и экономящие время решения.
Что важно учесть командам
Чтобы использовать кодовые ассистенты максимально эффективно, разработчикам и командам стоит уделять внимание кастомизации.
Исследование показало, что ИИ может мешать задачам, требующим интерпретации, создавая дополнительную когнитивную нагрузку — особенно когда разработчик пытается разобраться в незнакомом коде.
Поддержка ИИ должна соответствовать типу задачи и предпочтениям разработчика. Тонкая настройка инструментов позволяет превратить ИИ из истчника раздражения в помощника, который усиливает продуктивность и делает процесс разработки более удобным и удовлетворяющим.
Форматы взаимодействия с ИИ
Чаще всего разработчики взаимодействуют с ИИ через конверсационные чат-боты.
На втором месте — ИИ, встроенный прямо в IDE.
Респонденты сообщают, что реже взаимодействуют с ИИ, встроенным в автоматизированные пайплайны и другие инструменты разработки. Однако причина может быть в том, что такие ИИ-инструменты просто менее заметны пользователю, хотя и активно работают “под капотом”.
Режимы использования ИИ
Помимо вопросов о том, где и для каких задач респонденты используют ИИ, мы также выяснили, как часто они взаимодействуют с ним в каждом из четырех режимов:
- Чат — пошаговое текстовое взаимодействие в формате вопрос–ответ.
- Предиктивный текст — автоматические предложения кода, вроде автодополнения.
- Совместный режим — использование ИИ для внесения более широких изменений в кодовую базу.
- Агентный режим — когда ИИ работает почти автономно, выполняя изменения без постоянного контроля.
Так как чат-боты и ИИ, встроенные в IDE, чаще всего используются респондентами, текстовый чат и предиктивный текст являются наиболее распространенными режимами взаимодействия.
Наименее распространен — агентный режим: 61% участников сообщили, что никогда не взаимодействуют с ИИ в таком формате.
Эта картина, вероятно, отражает разный уровень зрелости технологий:
агентный режим появился сравнительно недавно, тогда как чат и автодополнение давно стали привычными и более надежными функциями.
Индивидуальная продуктивность
Более 80% участников опроса этого года считают, что использование ИИ повысило их личную продуктивность. Хотя свыше 40% отмечают лишь незначительный рост, меньше 10% респондентов считают, что ИИ каким-то образом снизил их эффективность.
Качество кода
Помимо роста продуктивности, большинство респондентов (59%) отмечают, что ИИ положительно сказался на качестве их кода.
При этом 31% считают улучшение незначительным, а ещё 30% не видят ни положительного, ни отрицательного влияния. Лишь 10% участников опроса сообщают о каком-то ухудшении качества кода вследствие использования ИИ.
«Иногда ИИ пишет код лучше, чем я — по крайней мере, в отдельных задачах. Думаю, причина в том, что он очень хорошо обучен.
Я уже говорил: код — штука бинарная, он либо работает, либо нет. И код, который генерирует ИИ, обычно достаточно хорош для моих задач.
Часто он соблюдает стандарты, о которых я мог забыть или которые мне лень пересматривать и рефакторить. Поэтому мне кажется, что ИИ делает всё более цельно и аккуратно»
Доверие
Как и в отчёте DORA за 2024 год, данные этого года показывают сложный и многогранный ландшафт доверия к результатам, созданным ИИ. Большинство участников опроса (70%) выражают определенную степень уверенности в качестве ИИ-генерации. Сюда входят почти четверть респондентов (24%), которые заявляют, что доверяют ИИ «очень сильно» или «в значительной степени».
При этом 30% опрошенных занимают более осторожную позицию:
- 23% доверяют ИИ «немного»,
- 7% совсем не доверяют качеству сгенерированного кода.
Эти данные подчеркивают важную мысль: высокое использование ИИ и заметная польза могут вполне сочетаться с умеренным и осознанным уровнем доверия.
Полное доверие не является обязательным условием, чтобы результаты ИИ приносили пользу.
Во время интервью разработчики сравнивали это с отношением к решениям на Stack Overflow: ими активно пользуются, но не принимают безусловно — всегда проверяют.
Доверие к ИИ в разработке остаётся важной темой для исследований и обсуждения. Мы ранее выделяли пять стратегий, которые помогают повышать доверие разработчиков к ИИ. Однако данные этого года показывают: разработчики уже научились учитывать ограничения ИИ и адаптировать процесс работы так, чтобы минимизировать риски.
Финальные мысли
В совокупности эти результаты показывают, что использование ИИ в разработке программного обеспечения стало практически повсеместным. ИИ применяют в широком спектре задач, он встроен в рабочие процессы респондентов и часто становится первым инструментом, к которому обращаются при возникновении проблемы.
Хотя участники опроса по-прежнему выражают беспокойство по поводу надёжности кода, сгенерированного ИИ, они в то же время отмечают значительное положительное влияние ИИ на личную продуктивность и качество кода. Поэтому, несмотря на отдельные недостатки, можно сказать, что использование ИИ очень быстро стало стандартной практикой для большинства организаций, занимающихся разработкой ПО.
В прошлом году мы выявили, что конкурентное давление — один из ключевых факторов внедрения ИИ в разработке ПО. Многие участники интервью описывали это как «страх упустить возможности» или «опасение отстать» от коллег и компаний-конкурентов.
Однако остаётся вопрос: является ли социальное давление достаточным основанием для внедрения новой технологии? Несмотря на то что данные показывают множество положительных эффектов от использования ИИ, мы также зафиксировали и существенные недостатки.
Именно поэтому мы призываем не трактовать повсеместность ИИ как сигнал к тому, что каждая организация должна срочно внедрять ИИ, вне зависимости от собственных потребностей. Напротив, мы рассматриваем эти результаты как сильный аргумент в пользу того, что всем, кто работает в разработке — от отдельных специалистов до руководителей команд и компаний — стоит вдумчиво решить:
- нужен ли им ИИ,
- где он действительно будет полезен,
- и как его стоит применять.
То, насколько консервативным или, наоборот, свободным должно быть внедрение ИИ, зависит от контекста конкретной организации. Однако широкое распространение ИИ показывает: игнорировать его влияние на процессы разработки больше невозможно.
Мы понимаем, что решения о том, в какой степени и как интегрировать ИИ в разработку, сложны и должны опираться на данные. Именно поэтому в следующей главе, посвящённой новой модели AI Capabilities Model от DORA, мы рассматриваем, как культурные и технологические компетенции внутри организации влияют на результаты внедрения ИИ.
Наша цель — дать компаниям, которые решили интегрировать ИИ в свои процессы, практические ориентиры, чтобы сделать это эффективно и получить ощутимую ценность.
Чтобы увидеть, как эти выводы укладываются в общую картину изменений — и какие системные механизмы усиливают или ослабляют эффект от ИИ — переходите к четвертой части исследования. Она показывает, почему ценность ИИ раскрывается только тогда, когда меняется сама система работы, и что именно организациям нужно перестраивать, чтобы добиться устойчивых результатов.
{{cta}}
