Помогает ли искусственный интеллект в ИТ-бизнесе на самом деле

В последнее время искусственный интеллект расширяет свое присутствие во многих сферах человеческой деятельности: например, в науке, искусстве, медицине и образовании. Не остаются в стороне и информационные технологии. Работодатели все чаще ищут специалистов со знанием ИИ-инструментов, а в заявлениях крупных компаний мелькают тезисы о невероятном повышении продуктивности за счет сокращения рутинных задач. При этом реальный эффект от внедрения ИИ-инструментов не всегда совпадает с ожиданиями — зачастую они не помогают, а, наоборот, только увеличивают нагрузку на персонал вашей компании. Почему так происходит и что с этим делать — расскажем в статье.

Дисклеймер: в материале под «искусственным интеллектом» и «ИИ-инструментами» мы будем иметь в виду генеративный ИИ — большие языковые модели и нейросети для создания графического/аудио контента, а также приложения, построенные на их основе (например, кодинг-ассистенты).

Исследования показывают высокий уровень ожиданий работодателей. Например, 96% генеральных директоров, опрошенных компанией Upwork, считают, что внедрение ИИ увеличивает общую продуктивность компании. Многие переходят от слов к делу, поощряют и даже требуют от сотрудников использовать нейросети во время работы.

Повсеместное распространение ИИ поддерживают и на государственном уровне. Например, в России утверждена Национальная стратегия развития искусственного интеллекта, согласно которой до 80% сотрудников российских компаний к 2030 г. должны овладеть навыками использования ИИ-технологий. А количество вакансий, в которых работодателям нужен опыт работы с искусс­твен­ным ин­тел­лек­том, за последние два года выросло в два раза.

Несмотря на высокие ожидания, конкретные планы по внедрению ИИ-инструментов часто бывают туманны. Только одна из восьми компаний имеет стратегию по интеграции ИИ в повседневные рабочие процессы, и лишь немногие работодатели предусматривают обучение для сотрудников по взаимодействию с нейросетями.

Зачастую сотрудники начинают использовать ИИ-инструменты без указания от руководства. Их инициатива основывается не только на желании облегчить себе работу, но и на желании не проиграть конкурентную борьбу. В IT-индустрии, в которой специалисты привыкли перманентно обучаться новому в постоянно меняющихся условиях, распространены тревожные настроения: 74% айтишников беспокоятся о том, что ИИ частично или полностью заменит их навыки и компетенции.

Наиболее частые проблемы заключаются в том, что им приходится:

И это не единственное исследование, которое пришло к подобным выводам. Например, отчет компании Harness «State of Software Delivery 2025» сообщает, что внедрение ИИ-инструментов для программирования приводит к увеличению нагрузки на разработчиков. Теперь они тратят значительно больше времени на поиск и исправление ошибок в сгенерированном коде, устранение уязвимостей в безопасности. Также объем «ручной» работы увеличивается на этапах тестирования, контроля качества и интеграции.

Прежде всего, это вопросы к качеству сгенерированного кода. Сегодня нейросети неплохо справляются с простейшими задачами, но на них еще рано полагаться при работе со сложными алгоритмами, высоконагруженными системами и редкими языками. Большинство разработчиков указывают на низкое качество сгенерированного кода, и более половины тимлидов заявляет, что сталкиваются с проблемами в развертывании как минимум в половине случаев использования кода, написанного ИИ. Это означает, что код по-прежнему проще писать вручную.

Есть и менее очевидный аспект взаимодействия с ИИ. Согласно исследованию, опубликованному в журнале Ассоциации вычислительной техники, у тех, кто работает с ИИ-моделями, возникает эффект, подобный плацебо. Со временем человек начинает больше доверять роботу, видеть мнимый точный и эффективный результат там, где его может не быть на самом деле, и, в целом, менее критично относиться к сгенерированной информации.

Тем не менее, многие разработчики ежедневно применяют ИИ-инструменты — значит, существуют более позитивные сценарии их использования.

Согласно исследованию CodeSignal, программисты чаще пользуются нейросетями не для написания кода или отладки, а для обучения и поиска информации. Когда программистов (как сформировавшихся профессионалов, так и новичков) просят назвать главные выгоды от использования ИИ в работе, улучшение качества кода идет далеко позади ускорения обучения. Некоторые разработчики также применяют языковые модели для упрощения работы с документацией.

То есть CoPilot, ChatGPT и прочие сервисы айтишники используют не для повышения эффективности работы, а в качестве своеобразной расширенной версии Гугла и интерактивного справочника в одном флаконе. Даже известная многим по Jira и Trello компания Atlassian в своём блоге признает, что на данный момент лучшее применение ИИ для разработчиков — брейншторминг, то есть поиск идей, а не более качественное решение конкретных задач.

Тем не менее, общий сентимент пока остаётся тем же: нейросети по-прежнему пишут забагованный код, который необходимо проверять, хотя теперь они делают это лучше.

Подведем итоги: пока менеджмент компаний руководствуется заявлениями конкурентов и провайдеров ИИ-инструментов, рядовые сотрудники сообщают об увеличении стресса и дополнительной нагрузки. А также об отсутствии понимания того, как именно использование нейросетей может увеличить их производительность. Такой дисбаланс отчасти объясняется завышенными ожиданиями и текущим несовершенством технологий.

Тренд на интеграцию генеративного ИИ в повседневные рабочие процессы останется с нами надолго, а IT-сфера продолжит быть локомотивом адаптации новых технологий в сфере труда. И хотя стать универсальным инструментом для решения рутинных задач ИИ пока не удалось, многие сотрудники уже применяют его для обучения и поиска новых идей.