Четыре недели назад я написал о том, как генеративные и агентные ИИ усиливают так называемые когнитивные долги — накопленный разрыв между меняющейся структурой системы и общим пониманием команды о том, как и почему она работает. Статья вызвала широкий отклик, поэтому сейчас я суммирую услышанное и привяжу это к другим наблюдениям.
Многие практики, включая Саймона Уиллисона и участников обсуждения статьи Мартина Фолуэра на Hacker News, описывают когнитивный долг через личный опыт. Команды теряются в своих проектах, становится сложнее уверенно добавлять новые функции. Работать можно быстрее, но исчезает глубокое понимание, связывающее решения намерений и код. Здесь речь не только о качестве кода, но о способности инженеров поддерживать целостную ментальную модель системы. Ключевая тема дискуссии ясна: скорость разработки часто опережает формирование понимания.
Когнитивный долг живёт в людях, тогда как технический — в коде. Когда общее понимание размывается, боль проявляется в утрате уверенности при внесении изменений, усилении нагрузки на ревью, трудностях с отладкой, замедлении онбординга и росте стресса. Система может «функционировать», но теория, описывающая её работу, становится труднодоступной. Сиддхант Кхаре писал об усталости от ИИ, Стив Йегги — о выгорании на ускоренной разработке, а Энни Велла описала эмоциональное и когнитивное испытание неопределённостью, когда системы усложняются для анализа. Проблема затрагивает не только инженерию, но и самочувствие разработчиков.
Как и технический долг, когнитивный долг необходимо погашать. Восстановление утерянных знаний требует обновления распределённой теории системы: фиксации намерений, обоснований решений, ключевых ограничений и архитектуры. Теория хранится не только в коде, но и в людях, документации, тестах, разговорах, инструментах и всё чаще в агентах ИИ. Погашение долга означает поддержание всего этого комплекса, а не просто рефакторинг кода. Под давлением скорости стартапы и крупные компании часто откладывают эти расходы.
Комментарии Майкла Вёрша и других указывают, что когнитивный долг — следствие плохой инженерной дисциплины. Чёткие спецификации, строгие ревью и явная документация должны были бы предотвратить потерю знаний. Однако инセンтивы меняются. ИИ снижает стоимость создания структуры, позволяя системе эволюционировать быстрее, чем понимание успевает закрепиться. Даже дисциплинированные команды должны сознательно регулировать свои практики. Документы не помогут, если они не являются живыми артефактами, с которыми работает команда.
Важно замечать и решения, которые уже находят. Инженеры внедряют более строгие ревью, пишут тесты, фиксирующие намерения, непрерывно обновляют архитектурную документацию и считают прототипы одноразовыми. Некоторые используют ИИ, чтобы снизить стоимость этих практик и поддерживать отслеживание зависимостей. Если применять ИИ целенаправленно, он помогает сделать когнитивную работу видимой, а не скрытой. Главный вопрос: как высокоэффективные команды будут адаптироваться, используя ИИ не только для написания кода, но и для поддержания коллективной теории системы? Пока ИИ убирает технические барьеры, общее понимание может стать новым узким местом производительности.