Технологии
Три четверти нового кода Google теперь пишется ИИ. Работа программиста меняется навсегда.
Google раскрыла, что 75% её нового кода создаётся ИИ — по сравнению всего с 25% восемнадцать месяцев назад. Эта цифра является самым наглядным показателем трансформации, которая меняет суть работы разработчиков программного обеспечения.
Патрик Т ·
Число настолько впечатляющее, что его стоит повторить: три четверти всего нового кода, написанного в Google, теперь генерируется искусственным интеллектом. Человеческие инженеры проверяют его, одобряют и несут за него ответственность — но они не писали его в традиционном смысле. Это сделали машины.
Генеральный директор Google Сундар Пичаи раскрыл эту цифру в среду в блоге, объявляя о том, что компания называет переходом к «действительно агентным рабочим процессам». Эта статистика представляет собой резкое ускорение по сравнению с тем, где находился Google всего восемнадцать месяцев назад. В октябре 2024 года примерно 25% кода компании было сгенерировано ИИ. К осени 2025 года эта цифра выросла до 50%. Резкий скачок до 75% менее чем за год показывает, что кривая внедрения становится круче, а не более пологой.
Что на самом деле означает «Код, сгенерированный ИИ»
Фраза «код, сгенерированный ИИ», охватывает спектр сотрудничества человека и ИИ, который стоит подробно рассмотреть. С одной стороны, инженер пишет комментарий, описывающий, что должна делать функция, и инструмент ИИ, такой как Google Gemini Code Assist или Claude Code от Anthropic, генерирует реализацию. Инженер проверяет результат, возможно, вносит небольшие изменения и фиксирует его. С другой стороны, агент ИИ автономно планирует, пишет, тестирует и совершенствует код для сложной функции, при этом человек проверяет конечный результат.
В своем блоге Пичаи описал последний сценарий конкретными терминами. «Недавно особенно сложная миграция кода, выполненная агентами и инженерами совместно, была завершена в шесть раз быстрее, чем это было возможно год назад только инженерами», — написал он. Миграции кода — перенос больших кодовых баз с одного фреймворка, языка или архитектуры на другой — являются одними из самых утомительных и подверженных ошибкам задач в программной инженерии. Это именно тот вид работы, с которым агенты ИИ, благодаря своей способности систематически обрабатывать огромное количество кода, справляются особенно хорошо.
Мы переходим к действительно агентным рабочим процессам, где инженеры всё чаще направляют ИИ-агентов, а не пишут каждый код самостоятельно.
Сундар Пичаи, генеральный директор Google, 23 апреля 2026 года
Общепромышленная тенденция
Google не одинока. Цифра в 75% ставит её на передовой рубеж отраслевой трансформации, которая развивается быстрее, чем большинство наблюдателей ожидали даже год назад. Meta поставила цель: 65% инженеров в её организации по созданию должны писать более 75% своего кода с использованием инструментов ИИ в первой половине 2026 года. Snap, недавно объявившая о значительных сокращениях, сообщила, что как минимум 65% нового кода в рамках её реструктурированной операционной модели создается с помощью ИИ. Генеральный директор Microsoft Сатья Наделла в прошлом году предсказал, что 95% кода будут генерироваться ИИ в течение пяти лет — цель, которая теперь выглядит консервативной с учётом текущих тенденций.
Принятие не является единообразным среди компаний или ролей. Инженеры, работающие над новыми алгоритмическими исследованиями, системным программированием близко к железу или инфраструктурой, критичной для безопасности, сообщают о более низких уровнях генерации кода с помощью ИИ, чем те, кто работает над функциональностью прикладного уровня, внутренними инструментами или потоками данных. Задачи, наиболее подходящие для генерации с помощью ИИ, как правило, это те, у которых есть чёткие спецификации, устоявшиеся шаблоны и чётко определённые критерии тестирования — что, как выяснилось, описывает значительную часть кода, написанного в крупных технологических компаниях.
Внутренние противоречия в Google
Переход прошел не без трений. На этой неделе Business Insider сообщил, что некоторые сотрудники Google DeepMind использовали Claude Code от Anthropic вместо собственных инструментов Google Gemini, что создало внутренние напряжения. Исследователи DeepMind, работающие над одними из самых технически сложных задач в области ИИ в мире, по-видимому, сочли возможности Claude Code лучше подходящими для их конкретных нужд — довольно неловкая ситуация для компании, которая одновременно является одним из крупнейших инвесторов Anthropic и прямым конкурентом.
Google также связала внедрение ИИ с оценкой эффективности, устанавливая конкретные цели по использованию ИИ для инженеров, которые будут учитываться в их ежегодных оценках. Этот подход вызвал смешанную реакцию внутри компании. Некоторые инженеры приветствуют прирост производительности и видят в инструментах ИИ действительно трансформационный эффект. Другие обеспокоены тем, что эти метрики стимулируют поверхностное использование — использование ИИ для генерации кода, который затем требует значительной переработки человеком, — вместо продуманной интеграции ИИ в инженерные рабочие процессы.
Что происходит с программными инженерами
Вопрос, который висит над всеми этими данными, — это тот, на который никто в отрасли не хочет отвечать напрямую: что происходит с рабочими местами в области разработки программного обеспечения? Оптимистичный взгляд, который Пичай и другие руководители технологических компаний постоянно предлагают, заключается в том, что ИИ делает инженеров более продуктивными, позволяя им заниматься более амбициозными проектами и сосредотачиваться на решениях высшего уровня в области дизайна и архитектуры. Пессимистичный взгляд заключается в том, что если ИИ может выполнять 75% работы по программированию, компаниям требуется меньше инженеров для того, чтобы производить тот же объём работы.
Доказательства на данный момент неоднозначны. Google не объявлял об увольнении инженеров, связанных с повышением производительности за счет ИИ. Но более широкая технологическая отрасль сокращала количество инженеров с 2022 года, и темпы найма не вернулись к уровням до 2022 года, несмотря на сильный рост доходов. Трудно точно определить, отражает ли это циклическую корректировку, эффективность, обусловленную ИИ, или оба фактора вместе.
Более ясно то, что премия за навыки для инженеров-программистов меняется. Способность бегло писать код — переводить спецификацию в работающее решение — становится менее отличительной. Более ценными становятся способность проектировать системы, критически оценивать код, сгенерированный ИИ, понимать последствия для безопасности и производительности, а также четко формулировать технические требования. Инженер, который эффективно управляет агентами ИИ, становится более продуктивным, чем инженер, пишущий весь код вручную. Будет ли это означать больше инженеров или меньше в целом — вопрос, на который отрасль еще не дала ответа.
Вопрос надежности
Один аспект истории генерации кода с помощью ИИ, который получает меньше внимания, чем показатели продуктивности, — это надежность. Код, сгенерированный ИИ, вводит новую категорию дефектов программного обеспечения: правдоподобно выглядящие реализации, которые являются subtly неправильными таким образом, что человеческие рецензенты могут их не заметить под давлением времени. Исследователи в области безопасности документировали случаи, когда инструменты генерации кода ИИ создавали код с уязвимостями, которые можно было использовать — не потому что ИИ был злонамеренным, а потому что он оптимизировал создание кода, который выглядел правильно, а не кода, который был бы доказуемо правильным.
Подход Google, заключающийся в том, чтобы все сгенерированные ИИ коды проверялись инженерами-человеками перед их внедрением, является значимым средством защиты, но он зависит от того, чтобы эти проверки были действительно строгими, а не формальными утверждениями. По мере того как объем сгенерированного ИИ кода увеличивается и давление по выпуску функций усиливается, поддержание качества человеческой проверки становится как более важным, так и более трудным. Отрасль все еще находится на ранних стадиях разработки инструментов, процессов и культурных норм, необходимых для того, чтобы сгенерированный ИИ код был так же надежен, как код, написанный человеком, — и показатель в 75% говорит о том, что ставки за правильное выполнение этой задачи уже очень высоки.