Ваше AI-агент по написанию кода должен снижать затраты на поддержку, и не на небольшую величину. Если вы сейчас пишете код в два раза быстрее, то надежда должна быть только на то, что вы сократили расходы на поддержку вдвое. Если вы продуктивны в три раза, то затраты на поддержку должны уменьшиться в три раза. Иначе вы проиграете в долгосрочной перспективе. Почему так происходит? Каждый написанный вами ряд кода требует поддержки: исправления багов, уборки мусора и обновления зависимостей. Это не новые функции. За каждый месяц написания кода вы потратите время на поддержку в следующем году и каждом последующем, пока код существует.
Опрос 50 разработчиков показал, что за первый месяц проекта всё великолепно, вы создаете новые функции. На второй месяц часть времени уходит на исправление ошибок. К пятому месяцу это время заметно растет. Через два с половиной года более половины рабочего времени уходит на поддержку. К десяти годам вы почти не успеваете ничего другого сделать. Если бы ваши инструменты удвоили объем кода и удвоили затраты на его поддержку, то через пять месяцев продуктивность снова упала бы до начального уровня, а затем стала бы еще хуже.
Проблема в том, что большинство агентов увеличивают объем кода, но не снижают затраты на его обслуживание. Если вы остановите использование агента, временный буст продуктивности исчезнет, но высокие затраты на поддержку останутся навсегда. Вы останетесь продуктивнее не тех, кто никогда не использовал агента. Математика проста: если вы увеличиваете объем кода в два раза, то стоимость его поддержки должна падать вдвое, иначе вы потеряете. Некоторые источники говорят, что агенты увеличивают затраты на поддержку, хотя другие утверждают, что они помогают лучше понимать большие системы. Но таких крупных снижений затрат, которые мы действительно видим в реальности, нет.
Мы наблюдаем обмен временного ускорения на постоянное indenture. Вы преследуете улучшения скорости написания кода, но должны тратить столько же времени на поиск путей снижения затрат на поддержку. Без этого вы рискуете оказаться в ситуации, когда продуктивность неизбежно падает. Есть и другие рычаги: AI может повысить эффективность самого процесса поддержки, даже если код остается таким же сложным для изменения. Стоит экспериментировать с параметрами модели, чтобы найти баланс, который подойдет именно вашей реальной ситуации, иначе временная выгода от скорости приведет к долгосрочным проблемам.