На конференции QCon London 2026 Джеф Смит озвучил серьезные проблемы, с которыми сталкиваются современные модели ИИ при работе с реальными репозиториями кода. Несмотря на то, что инструменты ИИ помогают разработчикам генерировать код быстрее, они часто не учитывают уникальные требования и архитектурные ограничения конкретных проектов.
Смит отметил, что большинство моделей тренируются на устаревших снимках публичных репозиториев, которые не отражают актуальные изменения внутри организации. В результате ИИ может генерировать код, который по синтаксису верен, но не соответствует установленным правилам и стандартам, принятым в конкретном проекте.
Причины растущей проблемы ИИ в разработке
Модели ИИ значительно увеличивают объем генерируемого кода, однако уровень принятия запросов на добавление нового кода (pull requests) снижается. Смит представил данные, подтверждающие этот тренд: в период с 2022 по 2025 год количество принятых запросов уменьшилось, что указывает на проблемы с совместимостью результатов, выданных ИИ.
По словам Смита, это связано с тем, что практически каждый репозиторий имеет свои неформальные правила, которые сложно формализовать. Архитектурные и процедурные ограничения, как правило, передаются через опыт старших инженеров либо через историю изменений, а не через документацию. Поэтому код, сгенерированный ИИ, может оказаться неподходящим для принимающего репозитория.
Решения для улучшения качества ИИ-кода
Чтобы справиться с проблемой несоответствия, Смит предложил разработать так называемое «fingerprinting» репозиториев — систематическое выявление и документирование уникальных особенностей кода. Это позволяет извлечь скрытые правила и сделать их доступными для ИИ, улучшая качество генерируемого кода.
Смит также добавил, что текущие методы оценки моделей ИИ часто не отражают реальную практическую ценность в средах разработки. Оценивать их нужно по способности соответствовать архитектурным ограничениям конкретных проектов, что станет ключевым для успешной интеграции ИИ в рабочий процесс.
Практическое значение для разработчиков
Команды, которые сумеют зафиксировать и внедрить свои архитектурные решения, получат явное преимущество в условиях растущего влияния ИИ на разработку. Учитывая, что существующая разница между ИИ и реальными репозиториями — это не только проблема инструментов, но также управления знаниями, важно обеспечить доступ к этой информации для всех участников процесса разработки.
В заключение, к ключевым шагам в будущем будет стремление к улучшению интеграции знаний о репозиториях с ИИ-технологиями, что позволит сделать код, генерируемый искусственным интеллектом, более совместимым с реальными требованиями проектов.