Перейти к содержимому
К исследованию 2025

Мета-исследование: как AI меняет разработку софта (2023–2025)

Это синтез всех доступных исследований в базе за 2023–2025 годы: опросов разработчиков, телеметрии, экспериментов и корпоративных отчетов. Цель — не «усреднить» цифры, а показать закономерности, противоречия и условия, при которых AI реально меняет разработку.

Как мы собирали выводы

  • Включили все доступные исследования в базе: 42 за 2023–2025 (27 в сериях и 15 отдельных).
  • Сопоставили 4 типа данных: массовые опросы (тысячи респондентов), телеметрию (например, 120k инженеров), полевые эксперименты (246 задач) и внутренние исследования (132 инженера).
  • Отдельно смотрели на 3 уровня эффекта: индивидуальный, командный и организационный.

Главные изменения в разработке

6 блоков

AI стал повседневным инструментом

Сигналы, которые повторяются в исследованиях

90% охват (DORA 2025)85% регулярное (JetBrains)91% пробовали ChatGPT

Массовые опросы и телеметрия показывают, что AI‑инструменты стали стандартом «по умолчанию». DORA фиксирует рост охвата AI с >50% (2023) до 75% (2024) и 90% (2025), а JetBrains 2025 показывает 85% регулярного использования и 62% ежедневного. В тематическом опросе по веб‑разработке 91% пробовали ChatGPT, а ~70% — Copilot.

В российском контексте массовое внедрение подтверждают 71,3% команд, использующих ML/AI в 2025, и 71% крупных компаний, внедривших GenAI.

Источники

Продуктивность растет, но неравномерно

Сигналы, которые повторяются в исследованиях

80% рост продуктивности68% экономят 10+ часов+67% PR/инженер

Большинство опросов фиксирует экономию времени и ускорение работы, особенно на рутинных задачах. В DORA 2025 более 80% респондентов отметили рост продуктивности, в Atlassian 2025 68% разработчиков экономят 10+ часов в неделю, а в JetBrains 2025 20% экономят 8+ часов. Внутренние метрики Anthropic показывают ~+50% самооценки продуктивности и +67% роста ежедневных PR на инженера.

Итог: эффект заметный, но не одинаковый для всех задач и контекстов.

Источники

Ускорение в кодинге не всегда ускоряет поставку

Сигналы, которые повторяются в исследованиях

-1–7% stability/throughput~16% времени на кодинг90% теряют 6+ часов

Командный эффект слабее индивидуального. DORA 2024 отмечает, что при активном использовании AI показатели throughput/stability ухудшались на 1–7%. Atlassian 2025 показывает, что разработчики тратят на кодинг лишь ~16% времени, при этом 90% теряют 6+ часов в неделю, а 50% — 10+ часов из‑за организационных барьеров.

Общий паттерн: AI ускоряет код, но узкие места смещаются в процессы.

Источники

Качество и доверие — новая зона риска

Сигналы, которые повторяются в исследованиях

46% не доверяют AI30% не доверяют AI‑коду~20% негатив к AI

По мере роста использования уровень доверия к ответам AI не растет синхронно. В Stack Overflow 2025 33% доверяют ответам AI, а 46% не доверяют. В Octoverse 2025 доля негативного отношения выросла до ~20%. DORA фиксирует снижение недоверия к AI‑коду с 39% (2024) до 30% (2025) — улучшение есть, но скепсис сохраняется.

Источники

Роли и навыки смещаются к более «широкому» профилю

Сигналы, которые повторяются в исследованиях

68% ждут AI‑навыков36,3% обучались25% делают AI‑задачи

AI расширяет диапазон задач, которые инженер способен делать сам. В JetBrains 2025 25% разработчиков уже выполняют задачи, связанные с ИИ, а 68% ожидают, что владение AI‑инструментами станет требованием при найме. В Stack Overflow 2025 36,3% респондентов целенаправленно обучались AI‑инструментам, ещё 31% делали это по личной инициативе.

Источники

От личных копилотов — к процессной интеграции

Сигналы, которые повторяются в исследованиях

~62% используют AI~98% прогноз 202860%→20%→5% воронка

Организации переходят от экспериментов к попыткам встраивать AI в процессы SDLC. В AI SDLC 2025 ~62% сотрудников ИТ‑команд уже используют AI, а прогноз проникновения к 2028 — ~98%. При этом State of AI in Business показывает, что ~95% организаций не получили измеримой отдачи, а «воронка» пилотов выглядит как 60% → 20% → 5% (оценка → пилот → прод).

Источники

Дополнительные детали

4 блока

Качество: рост скорости без гарантии стабильности

Где именно возникает разброс эффектов

+15–20% скоррект. эффект0–10% сложные задачи-19% замедление

Экспериментальные данные показывают, что эффект на сложных задачах может быть нулевым или отрицательным. Stanford SEP оценивает «сырой» прирост объёма кода +30–40%, но скорректированный эффект — +15–20%, а на сложных brownfield‑задачах — 0–10%. METR фиксирует ‑19% замедления у опытных разработчиков в знакомых репозиториях.

Источники

Агенты: сильный личный эффект, слабый командный

Где именно возникает разброс эффектов

69% рост продуктивности17% коллаборация37% качество кода

В 2025‑м AI‑агенты дают выраженный индивидуальный эффект: около 69% пользователей отмечают рост продуктивности, ~70% — сокращение времени на задачи, ~65% — рост автоматизации. Но командный эффект слаб: лишь ~17% видят улучшение коллаборации, и ~37% — улучшение качества кода.

Источники

Управление: новые политики, метрики и ответственность

Где именно возникает разброс эффектов

90% теряют 6+ часов98% IDP63% лидеры не понимают

Atlassian 2025 фиксирует масштаб «организационного трения»: 90% теряют 6+ часов в неделю, 50% — 10+ часов, а 63% считают, что руководство не понимает их боли. При этом более 50% команд используют SPACE как базу DevEx‑метрик, а 98% организаций уже используют или планируют IDP (из них 74% — уже используют).

Источники

Роли и навыки: расширение профиля инженера

Где именно возникает разброс эффектов

46% любитель22% новичок~28% опытный

В российском контексте виден дефицит зрелых навыков: в State of DevOps Russia 2025 46% оценивают уровень prompt‑engineering как «любительский», 22% — как «новичок», и лишь ~28% считают себя опытными. Это усиливает спрос на обучение и практики, которые переводят AI из личного инструмента в командный стандарт.

Источники

Что это означает для практики разработки (кратко)

  • AI — это не «ускоритель без условий», а усилитель зрелых процессов: при охвате ~90% (DORA 2025) без базовой инженерии в 2024 фиксировались просадки стабильности ‑1–7%.
  • Индивидуальный выигрыш обычно выше командного: у агентов ~69% отмечают рост личной продуктивности, но лишь ~17% — улучшение коллаборации.
  • Качество и доверие требуют системных практик: 30% в DORA 2025 не доверяют AI‑коду, а в Stack Overflow 2025 46% не доверяют ответам AI.
  • Роли смещаются в сторону системного мышления, работы с контекстом и проверки результатов AI: 68% ждут AI‑навыков как требования, 36,3% уже обучались целенаправленно.
  • Организационный эффект появляется при интеграции AI в платформы и процессы: ~95% компаний не видят измеримого ROI, а «воронка» пилотов — 60% → 20% → 5%.

Сравнения серий (страницы сравнения)

Ниже — 9 серий, где есть сопоставимые метрики и динамика по годам.