Американские разработчики первыми начали массово передавать написание кода нейросетям. В 2024 году почти треть функций на Python, опубликованных в США на GitHub, была сгенерирована автоматически — это уже не эксперимент, а часть производственной рутины.
По мнению исследователей, за этим технологическим сдвигом стоят не только удобство и скорость, но и вполне измеримый экономический эффект, сопоставимый с десятками миллиардов долларов.
Исследование, подготовленное Симоне Даниотти, Йоханнесом Ваксом, Сяннаном Фэном и Франком Нефке, охватило 80 млн коммитов с 2018 по 2024 год. Учёные разработали модель, способную отличать машинно-сгенерированный код от написанного вручную. Результаты показали, что в США на долю нейросетей в 2024 году пришлось 30,1% кода на Python. Германия отстаёт с 24,3%, далее — Франция (23,2%), Индия (21,6%), Россия (15,4%) и Китай (11,7%).
По мере того как ИИ становится всё более привычным инструментом, меняется и производственный ритм. Авторы отмечают, что если программист использует ИИ хотя бы для трети своей работы, его активность на платформе увеличивается на 2,4% за квартал. Эта прибавка напрямую трансформируется в деньги.
По оценкам, текущее использование ИИ-инструментов приносит экономике США $9,6–14,4 млрд ежегодно. Эти цифры соотносятся с заявлениями главы Microsoft Сатьи Наделлы, по словам которого 30% кода в компании уже пишется нейросетями.
Но это — лишь минимальная оценка. Если оперировать более широкими данными о повышении продуктивности, например, на основе трёх независимых рандомизированных исследований с приростом эффективности от 6,3% до 26%, суммарная выгода может достичь $64–96 млрд в год.
При этом учёные не игнорируют и ограничения своей работы. В исследовании изучались только открытые репозитории на GitHub и язык Python, но не затрагивались внутренние разработки компаний или альтернативные экосистемы вроде китайской Gitee. Поэтому в других регионах картина может отличаться — как в большую, так и в меньшую сторону.
И всё же за статистикой скрываются риски. Качество генерируемого кода порой уступает ручной работе. Уточняется, что растёт количество багов, усиливаются проблемы с безопасностью, усложняется отладка. Модельная автоматизация приводит к потере понимания — строка за строкой, модуль за модулем, нейросети создают то, что уже не полностью контролируется человеком.
Речь не просто о росте скорости, а о возможной трансформации всей архитектуры цифрового мира — с непредсказуемыми последствиями.
Ещё по теме:
- iPhone 17 может выйти в новых цветах — фиолетовом и зелёном
- Apple выпустила презентацию, чтобы школьники могли уговорить родителей купить им Mac
- Meta* и Oakley представили умные очки с 8-часовой батареей и улучшенной камерой
