Есть старая управленческая клише: что измеряется, тем и управляют. Разработчики ПО десятилетиями спорят, как себя измерять, начиная с классической метрики 'строк кода'. Теперь, когда ИИ-агенты вроде Claude Code, Cursor и Codex затапливают репозитории большим количеством кода, чем когда-либо, менеджеры ломают голову, что же, собственно, им считать. В новой причудливой игре статуса огромные 'токен-бюджеты' — количество вычислительной мощности ИИ, которое разработчику разрешено сжечь — стали знаком отличия в Кремниевой долине, что является до странности странным способом думать о продуктивности. Измерять ввод имеет мало смысла, когда вас, предположительно, волнует вывод, если только ваша цель не просто поощрить большее внедрение ИИ или, что удобно, продать больше токенов.
Новый класс компаний, предоставляющих 'инсайты о продуктивности разработчиков', поставляет данные, чтобы развенчать эту шумиху. Они обнаруживают, что хотя разработчики, использующие ИИ-инструменты, генерируют гораздо больше принятого кода, им также приходится возвращаться и переделывать этот 'принятый' код гораздо чаще, что серьёзно подрывает любые заявления о бусте продуктивности. Алекс Чирчей, CEO и основатель Waydev, строит интеллектуальный слой для отслеживания этой динамики; его компания работает с 50 разными клиентами, в которых занято более 10 000 инженеров-программистов. Он отмечает, что менеджеры по разработке видят начальные показатели принятия ИИ-кода в 80–90%, но упускают последующие издержки, которые снижают реальный, долгосрочный показатель принятия до всего лишь 10–30% от сгенерированного кода.
Взлёт этих инструментов заставил Waydev, основанный в 2017 году для предоставления аналитики разработчикам, полностью переработать свою платформу за последние полгода. Компания теперь выпускает новые инструменты, которые отслеживают метаданные, генерируемые ИИ-агентами, предлагая аналитику по качеству и стоимости их кода, чтобы дать менеджерам понимание как внедрения ИИ, так и его реальной эффективности. Хотя аналитические фирмы заинтересованы в поиске проблем для решения, накапливаются свидетельства, что крупные организации всё ещё путаются в использовании ИИ-инструментов. Крупные игроки обращают на это внимание — Atlassian приобрела другую стартап-компанию по инжиниринговой аналитике, DX, за 1 миллиард долларов в прошлом году, чтобы помочь своим клиентам понять возврат инвестиций от кодинговых агентов.
Данные по всей отрасли рассказывают последовательную и слегка удручающую историю: кода пишется больше, но непропорционально большая его часть не задерживается. GitClear опубликовал отчёт в январе, обнаружив, что хотя ИИ-инструменты повысили продуктивность, его данные показали, что 'регулярные пользователи ИИ в среднем имели в 9,4 раза более высокие издержки по коду, чем их коллеги, не использующие ИИ' — более чем вдвое превышая прирост продуктивности, который предоставляли инструменты. Faros AI, опираясь на два года данных клиентов для своего отчёта за март 2026 года, обнаружил, что издержки по коду — удалённые строки против добавленных — увеличились на ошеломляющие 861% при высоком внедрении ИИ.
Jellyfish, платформа аналитики для ИИ-интегрированной разработки, собрала данные по 7 548 инженерам в первом квартале 2026 года. Её вывод был особенно показателен: инженеры с самыми большими токен-бюджетами создавали больше всего пулл-реквестов, но улучшение продуктивности не масштабировалось. Они достигали двукратной пропускной способности при десятикратной стоимости токенов. Другими словами, инструменты генерируют объём, а не ценность. Эти статистические данные находят отклик у разработчиков, которые сообщают, что ревью кода и технический долг накапливаются, даже несмотря на то, что они наслаждаются новообретённой свободой генерировать код на бешеной скорости.