ИИ-агенты повторяют баги кодовой базы вместо её починки
📊 ИИ-агенты повторяют баги кодовой базы вместо её починки
По данным Habr, Rust-разработчик Никита разбирает парадокс: инструменты вроде Meta TestGen-LLM принимают в прод 73% сгенерированных тестов, а опрос Stack Overflow 2026 показывает, что 64% разработчиков используют ИИ для отладки и рефакторинга. Но программное обеспечение от этого не становится заметно лучше. Причина — агенты чаще дописывают новые фичи, чем чистят существующий код.
Эксперимент с 29 разработчиками подтверждает: в проектах с накопленным техдолгом участники добавляли больше новых проблем — дублировали функциональность, выбирали непонятные имена. Ноябрьский препринт 2026 года показал, что агенты, обученные на кодовой базе с уязвимостями, воспроизводят похожие уязвимости в новых изменениях, особенно если явно просить «следовать существующему стилю». То есть ИИ не создаёт плохой код из ниоткуда — он масштабирует уже существующий беспорядок.
Бизнес-давление смещает фокус: заказчику нужна фича к пятнице, а пользу от рефакторинга сложно оценить в деньгах до того, как появятся будущие задачи. Автор приводит личный опыт: агент может найти редкий баг или предложить разделить разросшуюся функцию, но если после «работает» сразу брать следующую задачу, проверка и рефакторинг остаются на потом.
В итоге мы получаем генератор фич, а не инструмент качества. Это не ограничение модели, а отражение приоритетов: пока видимый результат ценится выше предотвращения будущих проблем, ИИ будет ускорять накопление техдолга, а не его расчистку.
Пока метрикой успеха считается «новая кнопка на демо», а не «сколько багов мы не создали», ИИ останется усилителем существующей культуры разработки — и в запущенных проектах он будет плодить запущенность быстрее, чем человек.
#ИИ #качествокода #агенты #техдолг #разработка
Такие разборы выходят в канале каждый день — коротко и со ссылкой на первоисточник.