Результаты опросов 1 и 2
Раннее я проводил опросы по зрелости применения AI Coding в компаниях и самым насущным проблемам.
Опросы прошли около 40 человек, выборка довольно маленькая, но тем не менее, все результаты довольно очевидны для меня. Как и обещал, делюсь результатами.
Самые актуальные боли AI Coding
1. Потеря ментальной модели – людям становится сложнее понимать систему, которую пишут AI агенты. Раньше это происходило во время написания кода.
2. Код превращается в AI slop – вайбкодинг ведёт к превращению кодовой базы в спагетти и проект начинает разъезжаться.
3. Неконтролируемый техдолг – команда не успевает осмысливать код, который пишется AI и техдолга создаётся ещё больше.
4. Люди делегируют AI анализ – появляются портянки текста, которые сложно прочитать даже автору, и тем более коллегам, которым пересылаются эти портянки.
Вывод: без систематического подхода и ограничений, работа превращается в нечто, к которому страшно прикасаться спустя время.
Применение подходов
Лично респонденты работают гораздо более продвинуто, чем их команды:
- 79% лично используют full-cycle агентов или корпоративную агентную инфраструктуру;
- только 37% говорят, что локальные агенты (codex, claude) регулярно используются значительной частью команды или встроены в процессы;
- у 53% личный уровень применения выше командного.
Вывод: тут, в принципе, всё очевидно. Персонально намного проще выстроить рабочую систему, чем сделать это на уровне компании. Общепринятых best practices всё ещё очень мало.
Применение AI Coding на уровне компании
В компаниях уже есть движение:
- 61% называют AI Coding официальной стратегией руководства;
- у 39% есть общая инфраструктура – у зарубежных компаний этот показатель выше компаний в РФ.
- у 26% — выделенная платформа или команда со сбором метрик.
Но одновременно:
- 47% оплачивают личные подписки;
- 21% не имеют ничего централизованного;
- 13% сталкиваются с запретом внешних провайдеров;
- только 55% оценивают помощь компании на 4–5 из 5, а 34% — на 1–2 либо говорят, что компания ничего не сделала.
Вывод: вводя официальный курс на использование AI в работе, компаниям сложно организовать доступ к SotA решениям. В зарубежных компаниях это делать проще, чем в российских.
Главные блокеры в компаниях
- отсутствие единого подхода и рабочих сценариев — 39%;
- безопасность и комплаенс — 39%;
- слишком быстрое изменение инструментов — 37%;
- нестабильность и качество AI — 32%;
- неподготовленность QA, review, релиза и эксплуатации — 32%;
- бюджет, обучение, время и сопротивление разработчиков — по 29%.
Вывод: общепринятых best practices по организации работы и безопасному использованию AI в работе всё ещё очень мало.
По введённым практикам
Самое простое, что пользуется популярностью – настройка AGENTS.md, skills, mcp. Самое сложное – использованием sandbox, внедрение SDD подходов.
Согласны с результатами?
Лайк, репост,
✔ ️ Тимур Хахалев про AI Coding, подписывайтесь!
Раннее я проводил опросы по зрелости применения AI Coding в компаниях и самым насущным проблемам.
Опросы прошли около 40 человек, выборка довольно маленькая, но тем не менее, все результаты довольно очевидны для меня. Как и обещал, делюсь результатами.
Самые актуальные боли AI Coding
1. Потеря ментальной модели – людям становится сложнее понимать систему, которую пишут AI агенты. Раньше это происходило во время написания кода.
2. Код превращается в AI slop – вайбкодинг ведёт к превращению кодовой базы в спагетти и проект начинает разъезжаться.
3. Неконтролируемый техдолг – команда не успевает осмысливать код, который пишется AI и техдолга создаётся ещё больше.
4. Люди делегируют AI анализ – появляются портянки текста, которые сложно прочитать даже автору, и тем более коллегам, которым пересылаются эти портянки.
Вывод: без систематического подхода и ограничений, работа превращается в нечто, к которому страшно прикасаться спустя время.
Применение подходов
Лично респонденты работают гораздо более продвинуто, чем их команды:
- 79% лично используют full-cycle агентов или корпоративную агентную инфраструктуру;
- только 37% говорят, что локальные агенты (codex, claude) регулярно используются значительной частью команды или встроены в процессы;
- у 53% личный уровень применения выше командного.
Вывод: тут, в принципе, всё очевидно. Персонально намного проще выстроить рабочую систему, чем сделать это на уровне компании. Общепринятых best practices всё ещё очень мало.
Применение AI Coding на уровне компании
В компаниях уже есть движение:
- 61% называют AI Coding официальной стратегией руководства;
- у 39% есть общая инфраструктура – у зарубежных компаний этот показатель выше компаний в РФ.
- у 26% — выделенная платформа или команда со сбором метрик.
Но одновременно:
- 47% оплачивают личные подписки;
- 21% не имеют ничего централизованного;
- 13% сталкиваются с запретом внешних провайдеров;
- только 55% оценивают помощь компании на 4–5 из 5, а 34% — на 1–2 либо говорят, что компания ничего не сделала.
Вывод: вводя официальный курс на использование AI в работе, компаниям сложно организовать доступ к SotA решениям. В зарубежных компаниях это делать проще, чем в российских.
Главные блокеры в компаниях
- отсутствие единого подхода и рабочих сценариев — 39%;
- безопасность и комплаенс — 39%;
- слишком быстрое изменение инструментов — 37%;
- нестабильность и качество AI — 32%;
- неподготовленность QA, review, релиза и эксплуатации — 32%;
- бюджет, обучение, время и сопротивление разработчиков — по 29%.
Вывод: общепринятых best practices по организации работы и безопасному использованию AI в работе всё ещё очень мало.
По введённым практикам
Самое простое, что пользуется популярностью – настройка AGENTS.md, skills, mcp. Самое сложное – использованием sandbox, внедрение SDD подходов.
Согласны с результатами?
Лайк, репост,
