Как ИИ меняет процесс разработки, а не только написание кода

Интервью с профессором Восточношвейцарской высшей школы Маркусом Штольце объясняет, почему влияние ИИ на разработку не сводится к ускорению набора кода. Автор разводит два понятия: под vibe coding он понимает исследовательский подход «prompt-and-pray», когда разработчик во многом полагается на генерацию по подсказкам, а под AI-Augmented Software Engineering — системное применение ИИ внутри профессионального процесса. Настоящий сдвиг, по его мнению, в том, что ИИ может поддерживать почти весь цикл: от требований и проектирования до реализации, тестов и контроля качества. Поэтому узкое место смещается с написания кода на определение и проверку требований, архитектуры, безопасности, удобства и доступности. Это важно для начинающих разработчиков: вместо соревнования в объёме кода на первый план выходит умение ставить задачу, продумывать систему и проверять результат. В тексте упоминается исследование ETH Zürich, которое показывает, что даже при демократизации разработки фундаментальные знания информатики остаются решающими. Для простых личных приложений ИИ хорошо компенсирует нехватку программистского опыта, поэтому эксперты без классического IT-образования могут создавать решения для себя. Но как только продукт становится массовым или критичным для бизнеса, необходимы знания в UX, архитектуре, тестировании, безопасности и сопровождении. Штольце предлагает различать citizen development и профессиональную разработку. В первом случае ИИ помогает специалистам из других областей быстрее собирать внутренние инструменты. Во втором — требования к пользовательскому опыту, архитектуре, качеству, безопасности и управлению только растут. Vibe coding в узком смысле лучше всего подходит для быстрых прототипов, демонстрации идей, юзабилити-тестов и небольших внутренних утилит: ИИ помогает пройти путь от первых требований и UX-концепций до работающего образца. Профессиональная разработка с ИИ охватывает как новые системы, так и доработку существующих. Наибольший эффект дают рутинные и хорошо описанные задачи: реализация, исправление ошибок, генерация тестов, документация, рефакторинг и миграции. Но именно на рефакторинге и миграциях видна граница: унаследованные системы часто разнородны и плохо покрыты тестами, поэтому перед применением ИИ стоит вложиться в автоматическое тестирование. Иначе ИИ быстро создаст код, но может незаметно сломать существующую функциональность, накопить технический долг или внести уязвимости. Ограничения также проявляются там, где цели размыты, есть конфликт требований или нужно опытное суждение: архитектурные решения, продуктовая стратегия, безопасность, регулирование и UX. Отвечая на вопрос о метриках, Штольце подчёркивает, что количество строк кода ничего не говорит о пользе. Смотреть нужно на весь процесс: время до релиза, стабильность, число ошибок в production, скорость онбординга новичков и удовлетворённость команды. Если генерация кода ускорилась, но выросли затраты на ревью, тесты и поддержку, узкое место просто сдвинулось. Роль разработчика меняется: рутинное программирование уходит, а востребованными становятся анализ проблем, спецификация систем, UX, архитектура, качество, безопасность, управление и коммуникация. Появляются и новые роли — специалисты, которые выбирают инструменты, устанавливают правила разработки и адаптируют ИИ-инфраструктуру к техническим, организационным и правовым условиям.