9 октября 2026 года Ars Technica опубликовал статью с разбором обновлённого исследования Демирера, Мусолффа и Янга: агенты для кодинга на базе искусственного интеллекта резко повышают активность разработчиков в написании кода, однако число готовых программных продуктов растёт далеко не такими темпами.

Обновлённая версия исследования вышла 6 сентября 2026 года в виде рабочей статьи NBER. Авторы изучили более 500 тысяч разработчиков GitHub, для которых доступна телеметрия использования ИИ, — наблюдение такого масштаба придаёт исследованию особый вес.

Дизайн исследования — сравнительное исследование событий. При таком подходе разработчики, принявшие ИИ-инструменты, сравниваются с похожими разработчиками, которые их не приняли, и наблюдаемая разница относится на счёт самого инструмента. Ars Technica в своей публикации опирается на обновлённую версию этой рабочей статьи и добавляет новые цифры к спорам вокруг агентов для кодинга; первоисточник — рабочая статья NBER.

Влияние трёх типов ИИ-инструментов

Исследование отдельно измерило три типа ИИ-инструментов: автодополнение кода, интерактивные агенты для кодинга и автономные агенты для кодинга. Их совокупное влияние на активность написания кода — то есть на число коммитов — составило 30%, 180% и 240% соответственно.

Цифры показывают: чем автономнее инструмент, тем сильнее растёт активность написания кода. Самый простой инструмент — автодополнение — дал прирост 30%, интерактивные агенты увеличили активность почти втрое, а автономные — более чем втрое. Эта разница связана с глубиной встраивания инструментов в рабочий процесс разработчика: чем более самостоятельные шаги делают агенты, тем быстрее растёт объём написанного кода.

В то же время число коммитов — лишь показатель активности. Оно измеряет, сколько кода написал разработчик, но не показывает, какая его часть превратилась в работающий, протестированный и доставленный пользователю продукт. Исследование оцифровало именно это различие.

От кода до релиза: эффект затухает

На следующих этапах цепочки эффект слабеет. Показатель для числа проектов составляет 80%, а для реальных релизов — 30%. Иными словами, объём написанного кода резко вырос, но темп его превращения в конечный продукт заметно ниже: первоначальный скачок в 240% к этапу релизов сжимается до 30%.

Автодополнение, интерактивные агенты для кодинга и автономные агенты для кодинга совокупно повышают активность написания кода (коммиты) на 30%, 180% и 240% соответственно, однако эффект падает до 80% для проектов и до 30% для реальных релизов.

— SSRN, аннотация рабочей статьи 6843118 (6 сентября 2026 года)

Причина этого разрыва в исследовании отдельно не анализировалась, но сами цифры однозначны: писать код стало дёшево, а доводить проект до конца — тестирование, документирование, подготовка к выпуску — по-прежнему требует труда. Число коммитов выросло, а число релизов осталось почти на прежнем уровне.

В комментарии Ars Technica эта ситуация подана в контексте продолжающихся споров об эффективности агентов для кодинга: одни называют инструменты революцией продуктивности, другие говорят, что неверно выбран сам критерий измерения. Обновлённое исследование добавило к спору эмпирические цифры — теперь обе стороны могут говорить, глядя на одну и ту же таблицу.

Цифры показывают и ещё одну сторону: все три инструмента дают наибольший эффект на самом раннем этапе работы. Ускорение написания кода уже на уровне проектов падает почти втрое, а на уровне релизов — в восемь раз. Это показывает разницу между сильной стороной ИИ-инструментов — генерацией текста — и сложностью процесса поставки программного обеспечения.

ИИ и человеческий труд

Исследование оценило эластичность замещения между ИИ и человеческим трудом в 0,23. Поскольку эластичность меньше 1, это означает сильную комплементарность: ИИ-инструменты не вытесняют человеческий труд, а усиливают его. Разработчики с помощью инструментов стали писать больше кода, но окончательные решения и ответственность остались за людьми.

Похожая картина зафиксирована и на рынках приложений. В четырёх крупных магазинах приложений число новых приложений выросло, но общий объём использования не увеличился. То есть новые приложения появляются, но их общее потребление не растёт — большинство новых приложений не доходит до широкой аудитории.

Эти два вывода дополняют друг друга: и в разработке, и на рынках приложений ИИ-инструменты наращивают объёмы производства, но рост конечного потребления и поставок идёт гораздо медленнее. Авторы исследования сделали этот вывод на основе реальной телеметрии более чем 500 тысяч разработчиков, что делает результаты надёжнее, чем данные небольших экспериментов. Значение эластичности 0,23 значительно ниже 1, что подтверждает сильную комплементарность ИИ и человеческого труда — степень взаимозаменяемости низкая. Значит, по мере распространения инструментов роль разработчика-человека не исчезает, напротив, окончательное решение и контроль качества становятся ещё важнее.