25.09.2026  Экспертиза, Искусственный интеллект, Менеджмент

Анализ 623 млн. изменений кода, проведенный компанией GitClear, подтверждает реальность прироста производительности кодирования при использовании искусственного интеллекта, но также показывает, что он несопоставим с сопутствующими затратами на последующее сопровождение кода, пишет на портале The New Stack Стив Фентон, специалист по работе с сообществом Octopus Deploy. Значительная часть индустрии разработки ПО возлагает на ИИ-инструменты — от ранних чат-интерфейсов до современных систем, использующих рои автономных агентов — большие надежды с момента их появления. Однако в последние недели настроения изменились: например, поставщик HR-ПО Rippling добавил в свою систему панель мониторинга расходов на ИИ, позволяющую финансовым и техническим директорам контролировать затраты, а вице-председатель IBM Гэри Кон недавно заявил, что окупаемость инвестиций оказалась «далеко не такой высокой, как многие полагали». И пока в Северное полушарие приходит осенняя прохлада, для бюджетов на ИИ-инструменты, похоже, наступает зима. По мере того как организации будут приводить в порядок свои финансовые показатели, команды начнут ощущать давление в отношении бюджетов на использование таких инструментов, как Claude Code и Cursor. Это может обернуться либо ужесточением лимитов на использование там, где отдача неочевидна, либо нехваткой средств для поддержания текущих объемов работы. Организации, научившиеся измерять влияние ИИ, все чаще осознают: высокая скорость генерации кода не гарантирует ... читать далее.