В Kilo Code говорят, что инженеры теперь сами читают и пишут код лишь около 1% времени, остальное делают ИИ-агенты. Но это не означает, что ИИ «заменил 99% работы разработчика»: ручного кодирования стало меньше, а вот контроль рисков, выбор моделей и счёт за токены, наоборот, вышли на первый план.
Ручное кодирование перестало быть узким местом
Об этом VentureBeat пишет по итогам дискуссии на VB Transform 2026 с участием Kilo Code, Replit и Symbotic. Сооснователь Kilo Code Эмили Шарио (Emilie Schario) формулирует сдвиг прямо: если ничего не сломано и не нужно искать ошибку, инженеры почти не пишут код руками.
Практический смысл в том, что роль разработчика смещается от набора кода к постановке задачи, проверке результата и управлению ограничениями. Иначе говоря, работы меньше не стало. Просто её центр тяжести уехал из редактора кода в архитектуру, проверку кода и экономику использования моделей.
Новый код ИИ пишет охотно, старый — с оговорками
Джаред Го из Symbotic напоминает о детали, которую любят прятать за красивыми демо. ИИ хорошо чувствует себя в greenfield-проектах, то есть когда систему строят с нуля. А вот brownfield-разработка, где нужно переписывать, поддерживать и не ломать уже работающий код, по-прежнему остаётся самым сложным участком.
Поэтому Symbotic сначала задаёт агентам критерии: безопасность, аккуратность, лаконичность и надёжность кода. Это важный сигнал и для российских команд: в реальном бизнесе унаследованных систем обычно больше, чем новых сервисов, а значит главный тест для ИИ-инструментов проходит не на демо-странице, а на доработке интеграций, внутренних платформ и старого кода.
Replit пропускает каждый PR через оценку риска
Replit выбрал более осторожную схему. Каждый запрос на слияние кода — pull request, или PR — сначала проверяет агент и выставляет ему уровень риска. Низкорисковые изменения разработчики могут объединять сами, а всё, что выглядит спорно, уходит на обычную человеческую проверку. Глава продуктовой инженерии Replit Амол Джайн (Amol Jain) описал это как модель «человек над циклом, а не внутри каждой операции».
Этот подход нужен не только ради спокойствия руководителя. Джайн привёл пример особенно неприятного бага, который команда долго не могла воспроизвести и починить. Задачу передали управляющему агенту, тот поднял несколько вспомогательных агентов, нашёл причину и примерно через шесть часов подготовил готовый PR с исправлением. То есть автоматизация тут работает не как магическая кнопка, а как хорошо организованная цепочка задач.
Бюджет теперь считают по стоимости PR
Вторая половина истории — деньги. Kilo Code поддерживает более 500 моделей и настаивает, что инструменты для агентной разработки не должны жёстко зависеть от одного поставщика. Логика простая: дорогие передовые модели имеет смысл использовать там, где нужна архитектура и планирование, а рутинную работу можно отдавать более дешёвым моделям с открытыми весами.
Из-за этого инженерные команды всё чаще смотрят не на цену миллиона токенов, а на стоимость результата. Эмили Шарио прямо сказала, что следит за метрикой «стоимость одного PR». Symbotic, со своей стороны, ввёл месячные лимиты расходов на сотрудника и дал менеджерам прозрачность по использованию. Общий вывод звучит прозаично, но полезно: проблема не в самом расходе на ИИ, а в расходе без понятной отдачи.
Значение для рынка
Для русскоязычного рынка это важный разворот. Стартапам он подсказывает считать окупаемость ИИ на уровне функции или релиза, а не по числу «автоматизированных часов». Корпорациям — разделять новые проекты и контур старых систем, потому что именно на старом коде чаще всего сгорают сроки и бюджеты. Агентствам и аутсорсу — не продавать клиенту абстрактный «ускоритель на ИИ», пока в проекте не определены правила проверки кода, выбор модели и лимиты затрат.
Следующий этап очевиден: выигрывать будут не те, кто подключил больше ИИ-агентов, а те, кто научился считать их пользу по каждому выпущенному изменению.