Технооптимизм vs технопессимизм: два памфлета о эффективности LLM в кодинге
В статье сравниваются два взгляда — технооптимисты и технопессимисты — на роль LLM в программировании, их аргументы и прогнозы на 2026‑й год.
Что обсудили в памфлетах?
На Habr AI опубликованы два коротких очерка‑памфлета, в которых авторы противопоставляют технооптимизм и технопессимизм относительно применения больших языковых моделей (LLM) в кодинге. Оба текста — перевод оригинальных материалов, опубликованных в начале августа 2026 года.
Технооптимисты
- Считают, что LLM уже способны генерировать рабочий код с точностью ≈ 85 % при небольших доработках.
- Приводят результаты внутреннего исследования GitHub Copilot: среднее время написания функции сократилось на 30 %.
- Делают ставку на демократизацию разработки: любой желающий может стать «программистом‑помощником».
- Ожидают, что к 2030 году 50 % новых проектов будут стартовать с помощью AI‑подсказок.
Технопессимисты
- Указывают на галлюцинации моделей: в 12 % сгенерированных функций присутствуют критические ошибки, которые трудно отследить без глубокого ревью.
- Выражают опасения по поводу безопасности кода и утечки интеллектуальной собственности.
- Прогнозируют сокращение спроса на junior‑разработчиков и рост конкуренции за позиции senior‑уровня.
- Ссылаются на недавний доклад OpenAI о росте количества уязвимостей в AI‑генерируемом коде на 27 % за последний год.
Общие выводы
Оба лагеря согласны, что LLM уже влияют на индустрию, но разнятся в оценке масштабов и рисков. Авторы подчёркивают, что реальная эффективность будет зависеть от интеграции моделей в процессы CI/CD, качества prompt‑инжиниринга и наличия человеческого контроля.
Для разработчиков и студентов это значит, что LLM уже стали частью рабочего процесса, но полагаться только на генерацию кода нельзя. Нужно осваивать prompt‑инжиниринг, учиться быстро проверять и отлаживать AI‑созданный код, а также следить за безопасностью и лицензированием.
