Автор до сих пор не использует LLM ни для одной задачи, которая действительно важна. Причин можно привести множество: экологические, социальные, политические. Можно было бы порассуждать о привязке к экосистемам, выученной зависимости, потере самостоятельности, философских опасениях, намеренном подрыве переговорной силы наёмного труда — и о многом другом. Но прежде всего остаётся открытым простой вопрос эффективности: работают ли LLM вообще для написания нетривиального софта.

Вот несколько причин для скепсиса:

  • Прошло 4 года "революции", а индустрии почти нечем похвастаться. Программное обеспечение не стало качественнее, быстрее, дешевле в производстве (если не считать горы низкосортного демо-кода, к которому ни одна уважающая себя организация не притронется) или функциональнее. Уж точно оно не стало безопаснее. Технологическая революция обычно отмечена падением старых империй и приходом новых игроков и идей. Неочевидно, что индустрия за последние несколько лет породила хоть какие-то новые идеи за пределами самолюбования AI-евангелистов. Все кричат во весь голос, но никто на самом деле не поставляет ничего полезного.

  • Не возникает ощущения отставания от тех, кто использует LLM, хотя ожидалось обратное. Никто не пришёл отбирать репутационный "обед" у open-source проектов автора, несмотря на весь шум. Функцию кода, возможно, и удастся воспроизвести — но то же самое умеет простой memcpy: open-source проект, которому люди готовы доверять настолько, чтобы строить на нём свою систему, — это гораздо больше, чем просто список фич.

  • Доказательная база шаткая и скудная. Спустя $1,5 трлн инвестиций независимых исследований, подтверждающих рост продуктивности на макроуровне благодаря ИИ, всё ещё почти нет. Учитывая, что сейчас половина экономики фактически опирается на истинность этого центрального тезиса, стоило бы ожидать большего, чем горстка разовых исследований и анекдотов. Каждое известное исследование либо слишком сильно фокусируется на метрике, не имеющей отношения к продуктивности верхнего уровня ("написанные строки", "смёрженные PR", "добавленные функции"), либо слишком мало по масштабу, чтобы делать выводы. Даже те немногие исследования, что претендуют на академическую строгость, указывают лишь на маргинальный или даже отрицательный прирост продуктивности.

  • PR, сгенерированные LLM, по-прежнему представляют собой мусор. Код стал менее очевидно повторяющимся и менее однообразным стилистически, но не более пригодным по существу. Доля таких PR, которые действительно стоит смёрджить, всё ещё значительно ниже, чем у PR, написанных людьми. Справедливое возражение — становится всё сложнее отличить одно от другого, поскольку выходы ИИ стали чуть менее шаблонными, но даже самые аккуратные люди всё же оставляют случайные опечатки в описаниях, так что пока нет уверенности, что боты уже настолько неотличимы от людей.

  • ИИ по-прежнему пропускает очевидные вещи. Несколько open-source библиотек автора входят в дерево зависимостей компаний из FAANG, и не раз приходили отчёты по результатам сканирования с помощью топовых моделей. Часть из них хороша, но большинство — плохи; можно вспомнить не один случай, когда флагманская модель упускала что-то очевидное и важное, что вскоре после этого находил обычный энтузиаст, просто подумав головой.

  • Философия, которую транслируют евангелисты ИИ, по-прежнему противоречит полувековой теории о том, что такое разработка ПО как таковая. Всем давно пора бы усвоить, что код — это вход в процесс разработки ПО, а не выход из него: и тем не менее даже самые прогрессивные организации на деле продолжают воспринимать количество строк кода как метрику продуктивности. Это прямой путь к неподдерживаемому "слопу" — вне зависимости от того, произведён ли он машиной или же является побочным продуктом людей, вынужденных подстраиваться под плохо продуманные системы стимулов. Питер Наур по-прежнему непобеждён.

  • Когда все супергерои — супергероем не является никто. Не слишком скрываемая цель продвижения LLM крупными технологическими компаниями — гомогенизировать интеллектуальный труд так, чтобы сделать его взаимозаменяемым. Когда труд взаимозаменяем, его в любой момент можно заменить альтернативой, что снижает переговорную силу работников. Разработка ПО была одной из последних "цеховых" профессий, и сейчас на глазах происходит её индустриализация. Отказавшись делать ставку на LLM, автор дал себе пространство для специализации в более узком наборе навыков. Пока это осознанное решение оправдывает себя, и уверенность в собственной профессиональной устойчивости сохраняется.