Разработчики Google обсуждают на внутренних форумах качество собственного искусственног...
Разработчики Google обсуждают на внутренних форумах качество собственного искусственного интеллекта с иронией, неприятной отделу рекламы. В июне 2026 года о насмешках сообщил журналист 404 Media Эмануэль Майберг. Тем временем её генеральный директор Сундар Пичаи гордился тем, что ИИ участвует в создании примерно 75% нового кода. Начальство празднует успех машины, инженеры разбирают её промахи. Майберг ещё в мае записал истории программистов, которым использование агентов превращает работу в неприятную обязанность. Один признался, что никогда прежде так её не ненавидел. Другой говорил, что с машинными подсказками чувствует себя глупее. Другой жаловался, что агенты меняют программы быстрее, чем коллеги успевают проверить. Ответственность за исправление ошибок остаётся у людей. Анонимные свидетельства не измеряют настроения всей отрасли. Но потеря осязаема: автор программы постепенно превращается в придирчивого редактора чужого черновика. Google добавила к этому ещё и административный стимул. В апреле журналистка Джулия Лав сообщила, что применение ИИ учитывали при оценке инженеров. Инженеры иногда предпочитали Claude конкурента Anthropic, а внутренним продуктам недоставало вычислительных мощностей. Хорошо написанный вручную код при такой оценке способен принести меньше карьерных очков, чем усердная демонстрация работы с агентом. Энтузиазм превращается в пункт служебной характеристики. Проблема выходит далеко за рамки обид. Гарвардские экономисты Фиона Чэнь и Джеймс Страттон изучили 300 млн рабочих событий в 718 компаниях. По их исследованию августа 2026 года, после внедрения программных агентов число строк нового кода выросло на 30%, запросов на его проверку — на 23%. Время проверки увеличилось на 49%, число комментариев — на 35%. Прибавка законченных задач оказалась статистически неубедительной. Машины раскрутили производство черновиков быстрее, чем инженерные группы научились их принимать. За показателем Пичаи скрыта неприятность. Долю машинного кода можно увеличить распоряжением пользоваться агентом. Закончить задачу можно лишь после проверки и исправлений. Исследование Чэнь и Страттона фиксирует увеличение доли сотрудников, занятых проверкой, на 14%. При этом ожидание проверки удлинилось. Поэтому рост написанного кода не обязательно означает, что компания быстрее доставляет работающий продукт. Инженер весь день ищет дефекты в щедрых машинных подарках. Производительность меняется со временем. Организация METR в 2025 году обнаружила замедление на 19% у 16 опытных разработчиков при работе с тогдашними ИИ-инструментами. В феврале 2026 года METR сообщила о признаках ускорения на новых моделях, но выборка была смещена. Приговора технологии из этих опытов нет. Для руководителей важнее другое: руководитель должен измерять время до принятой задачи, включая проверку, а не количество букв, предложенных машиной. Второй счёт выставляет профессиональное обучение. Исследователи Джуди Шэнь и Алекс Тамкин в эксперименте с освоением незнакомой библиотеки обнаружили: участники, передававшие ИИ написание решений, хуже разбирались в понятиях и исправлении ошибок. Самостоятельная работа сохраняла обучение. В октябре Чэнь и Страттон установили: инженеры, получавшие сложные задачи в начале карьеры, чаще добивались повышения за следующие 2 года. Прямое влияние правил Google на карьеру этими работами не измерено. Но цепочка условий ясна: если сложные задачи отдать агенту, работник лишится части практики, связанной с ростом мастерства. Программисты злятся по 2 причинам. Им поручают отвечать за растущую массу чужого кода и одновременно поощряют отказываться от работы, благодаря которой они стали специалистами. Google вправе рассчитывать на ускорение разработки. Оценка по доле ИИ способна вознаграждать черновики вместо законченных программ. Тогда ненависть к работе окажется побочным результатом вполне конкретного управленческого выбора: начальство покупает впечатляющую статистику генерации рабочим временем и будущим сотрудников. @ex_trakt ПОДПИ