Искусственный интеллект в программировании: важность «почему»

Исследование Anthropic показывает, что разработчики, использующие ИИ, показывают худшие результаты на тестах. Овладение асинхронным программированием требует понимания, а не копирования.

Число просмотров: 3

Разработка навыков программирования с помощью ИИ

Разработчики, осваивающие новые навыки программирования с помощью ИИ, в среднем показывают худшие результаты в тестах — 50% правильных ответов против 67% у тех, кто работает без помощника. Исследование Anthropic выявило, что ИИ ускоряет выполнение задач незначительно, но мешает глубокому пониманию материала, особенно отладки кода.

Представьте: вы junior-разработчик, учитесь асинхронному программированию на библиотеке Trio в Python. У вас час на изучение через чат-интерфейс. Одни участники эксперимента (52 человека) пишут код вручную, другие — с ИИ-ассистентом в редакторе, который генерирует или правит решения. Заранее все знают о тесте. Результаты шокируют: ИИ-группа тратит чуть меньше времени (разница в пару минут, без статистической значимости), но проваливает тест.

Почему так?

Всё зависит от подхода. Исследователи выделили шесть паттернов взаимодействия. Три хороших сохраняют обучение:

Задавайте концептуальные вопросы: «Почему этот код работает так?» Вместо копипаста.
Просите объяснения сгенерированного кода.
Используйте ИИ для уточнений логики, не делегируя всё.

Эти разработчики набирают 65-86% — как контрольная группа. Представьте себя: вы не просто вставляете код, а разбираете его шаг за шагом. Понимаете ошибки ИИ, учитесь отлаживать. Один участник вспомнил: «Я спросил про цикл, и ИИ объяснил асинхронность — теперь сам пишу без подсказок».

Худшие паттерны взаимодействия

Худшие паттерны рушат навыки (24-39%):

Полностью делегируйте код ИИ — он напишет, вы вставите.
Тратите время на промпты и контекст — это съедает скорость.
Никогда не проверяйте концепции.

Особенно страдает отладка — ключевой навык для реальной работы. ИИ пишет код, но баги остаются. Без умения их ловить вы в замкнутом круге: не учитесь проверять ИИ, потому что ИИ мешает научиться проверять.

Эксперимент длился час, фокус — на новой библиотеке. Долгосрочные эффекты требуют проверки. Anthropic подчёркивает: даже с автоматизацией для бизнеса людям нужны глубокие навыки для контроля ИИ в рискованных сценариях. В компании Claude пишет 90% кода, но инженеры фокусируются на сложных 10% и надзоре.

Что делать на работе?

Не внедряйте ИИ сломя голову.

Тренируйте junior’ов без полного делегирования — чередуйте ручной код и объяснения.
Внедряйте тесты на понимание после задач с ИИ.
Поощряйте вопросы: «Объясни, почему?» вместо «Напиши».
Мониторьте паттерны: 20% «быстрых» пользователей ускоряются, но остальные тормозят на промптах.

Экономический индекс Anthropic (2 млн сессий) добавляет: ИИ берёт квалифицированные задачи (ускорение в 12 раз для уровня университета), оставляя рутину людям. Но ошибки растут — 66% успеха на сложном против 70% на простом. Без проверки экспертов риски взлетают.

Вспомните инженера, который доверил ИИ критический код: баги привели к сбою. Теперь он всегда спрашивает «почему» — и спит спокойно. ИИ — инструмент, а не замена мозгам. Осваивайте умно, иначе тест покажет правду. Дальнейшие исследования покажут, как это меняет профессию.