LLM не ленивы. Они не срезают углы, потому что более простое решение кажется «достаточно хорошим». Если модель знает, как решить задачу досконально, она так и сделает.
Проблема в другом. LLM по умолчанию пишет свой код, вместо того чтобы взять готовую библиотеку. Не потому, что не знает о её существовании — модель часто сама же её упоминает. Для LLM написать двести строк реализации — то же когнитивное усилие, что написать две строчки импорта. У неё нет инстинкта искать самый короткий путь. Самый короткий путь для модели — реализовать всё с нуля.
Из-за этого ревью AI-сгенерированного кода стало дороже. Ты читаешь технически корректный, но переусложнённый код. И тебе решать: принять эту сложность или завернуть правки. Это решение занимает время. Обосновать в комментариях к ревью — занимает время. И поскольку одно и то же повторяется снова и снова, ты ведёшь один и тот же разговор бесконечно.
С другой стороны, переписывать теперь дёшево. Если я вижу, что код сложнее, чем нужно — в своей работе или в чужом PR — я прошу AI упростить его, использовать библиотеку, вырезать ненужную фичу. Переписывание часто оказывается быстрее. Та же модель, которая создала проблему, быстрее всего её и исправляет.
Экономика изменилась. Ревью — теперь дорогой шаг. Переписывание — нет.
Моя нагрузка перестроилась под это. Я трачу больше времени на этапе планирования: решаю, что должно быть, какие библиотеки мы используем, каков реальный объём работ. Потому что именно там я могу отсечь сложность до того, как код будет написан. Потом я реализую, деплою в тестовое окружение, смотрю что получилось, и выявляю то, что не должно существовать или может занимать десять строк вместо сотни. И переписываю это.
Если в ревью что-то кажется чрезмерным, переписать это позже — уже не та sunk cost, что раньше. Это изменило то, насколько агрессивно я заворачиваю правки. Стоимость зафлажить проблему и сделать итерацию снизилась. Стоимость пропустить её — осталась прежней.