79% участников опроса Stack Overflow назвали указание источников важным или очень важным условием доверия к техническим ответам ИИ. Инструменты уже вошли в ежедневную практику разработчиков, но доверие к ИИ у инженерного сообщества остаётся ограниченным: лишь около 7% готовы полагаться на его выводы при принятии важных рабочих решений. Для российских команд это знакомая развилка: ассистента можно подключить к рутине, но ответственность за код, архитектуру и данные по-прежнему не делегируется в чат одним нажатием кнопки.
В исследовании участвовали 30 903 разработчика и технологических специалиста из 169 стран, сообщает The Register. Из 10 926 респондентов, ответивших на вопрос о времени работы с ИИ каждый день, около 80% используют такие сервисы не менее часа. Почти треть ежедневных пользователей проводит с ними четыре часа и больше. Это уже не эксперимент нескольких энтузиастов и не редкая помощь при написании регулярных выражений: ИИ становится постоянным слоем в рабочем процессе.
Самый распространённый сценарий — помощники для программирования и кодовые агенты: ими пользуются 66% опрошенных. Универсальные чат-инструменты применяют 63%, а автоматизированные агентные процессы — 26%. При этом 17% вообще не используют ИИ-инструменты. Последняя цифра важна не меньше впечатляющих показателей внедрения: рынок не превратился в стройную колонну, дружно марширующую за агентами. У части специалистов нет подходящей задачи, у части — ограничений безопасности, у части — достаточно причин не пускать вероятностную систему в критический контур.
Скепсис хорошо виден в том, как респонденты описывают границы допустимого. 48% готовы доверять ответу ИИ, если его можно легко проверить. Это не безоговорочное доверие, а скорее ускоренный поиск: модель предлагает вариант, а человек сверяет документацию, исходный код, спецификацию или результаты тестов. Для повседневных задач такой режим полезен — объяснить незнакомую библиотеку, набросать тест, найти ошибку в запросе, составить план миграции. Но для решения, влияющего на продакшен, безопасность или деньги компании, одной убедительной формулировки недостаточно.
Источник ответа становится частью интерфейса
Запрос на атрибуцию выглядит особенно показательным. Разработчику мало получить фрагмент кода или уверенное объяснение: он хочет понять, из какой версии документации взят ответ, какие ограничения у приведённого примера и применим ли он к конкретному стеку. Без этого ИИ может экономить минуты на черновике, но добавлять часы на аудит. Чем автономнее становятся агенты, тем дороже ошибка в невидимом контексте — устаревшей зависимости, закрытом API, неверном допущении о данных или лицензии.
Генеральный директор Stack Overflow Прашант Чандрасекара в комментарии к исследованию назвал скептицизм разработчиков защитным механизмом. По его словам, при росте автономности агентов специалистам нужно видеть происхождение ответа, контекст, который повлиял на вывод, и возможность проверить его точность и применимость. Это не спор о том, «хорош» ли ИИ в целом. Это требование к инструменту, который претендует на место между инженером и производственной системой: его работу должны быть возможно разобрать, повторить и оспорить.
Для самого Stack Overflow результаты ещё и коммерчески небезразличны. В начале 2024 года площадка запустила OverflowAPI — платный доступ к своей базе вопросов и ответов для ИИ-провайдеров, предусматривающий привязку ответов к релевантным публикациям. Позднее пользователи критиковали партнёрство с OpenAI, в рамках которого материалы, накопленные сообществом за 15 лет, могли использоваться для обучения моделей. Часть авторов заявляла, что предпочла бы удалить свои публикации, даже рискуя репутационными баллами. Поэтому цифра в 79% — не просто пожелание к интерфейсу, а аргумент в старом споре о том, должны ли создатели контента видеть, куда уходит их работа.
ИИ становится учебным инструментом, но не заменяет первоисточник
Опрос также зафиксировал более практичный эффект: 52% участников за год освоили новый навык программирования или язык. Генеративные инструменты оказались среди самых популярных учебных ресурсов, уступив только технической документации. Порядок показателен. ИИ удобен как терпеливый собеседник, который переформулирует объяснение и разбивает тему на шаги. Но документация остаётся точкой, где можно проверить версию, контракт API и официально поддерживаемое поведение. Для тимлидов и IT-директоров отсюда следует довольно земной вывод: обучение работе с ИИ должно включать не только промпты, но и привычку проверять ссылки, тестировать результат и фиксировать источники решений.
Доверие к ИИ в разработке, похоже, будет измеряться не тем, насколько гладко ассистент пишет код, а тем, насколько прозрачно он объясняет происхождение этого кода. Победят не обязательно самые разговорчивые помощники, а те, которые умеют показать основания ответа и честно обозначить неопределённость. Полные результаты и позицию главы Stack Overflow можно сверить в публикации .