Ідеї · Есей
AI зробив код дешевим у написанні. Але не дешевим у володінні
Написання коду ніколи не було найдорожчою частиною розробки. Найдорожче — володіти ним. Свіжі дані з репозиторіїв свідчать, що AI помітно переносить витрати з першого в друге.
Команда Nythrex2 хв читання
Кожен новий рядок коду — це невеличке зобов’язання. Хтось має його прочитати, протестувати, підтримувати сумісність, виправити після оновлення залежності й видалити, коли функція помре. Десятиліттями ці витрати стримували зусилля, потрібні, щоб код взагалі написати. AI ці зусилля прибрав.
Результат — не те щоб поганий код. Це більше коду: більше дубльованого, менше об’єднаного — і рахунок за підтримку, який приходить через місяці після спринту, що здавався таким продуктивним.
Аргумент за: більше коду, швидше
Оптимістичне прочитання справедливе. Згенерований код часто цілком нормальний. Дублювання іноді — найпростіший варіант, рефакторинг заради рефакторингу марнує час, а команда, яка випускає більше функцій, більше дізнається від користувачів. Якщо код працює і тести проходять, навіщо перейматися його формою?
Що показують репозиторії
Тому що саме форма визначає ціну наступної зміни. GitClear, яка аналізує дані про зміни коду, стежить за нею вже кілька років. У звіті за 2025 рік вона зафіксувала, що в 2024-му скопійованих рядків вперше стало більше, ніж переміщених, — а саме переміщений код GitClear вважає ознакою рефакторингу. Звіт за 2026 рік, The Maintainability Gap, охоплює 623 мільйони змін за 2023–2026 роки: частка переміщеного коду впала з 13% змінених рядків до 3,8%, дубльованих рядків стало не 40,3, а 73,0 на мільйон змінених (плюс 81%), а кількість викликів функцій між файлами — ознака повторного використання — зменшилася на 35%. Конструкцій, що маскують помилки, стало на 47% більше, а коду, переписаного впродовж двох тижнів, — на 15% більше.
Економію записують у спринт. Витрати — у роки після нього.
GitClear обережно формулює причину. Її аргумент не в тому, що AI суцільно пише поганий код, а в тому, що типовий робочий процес винагороджує зелений тест і закритий тікет, відкладаючи повторне використання й об’єднання. Відкладена робота не зникає. Вона робить наступну зміну повільнішою, ризикованішою й дорожчою.
Рахуйте ціну зміни за весь її життя
Рішення не в тому, щоб стримати AI. Воно в тому, щоб перестати рахувати лише першу чернетку.
- Явно закладайте час на рефакторинг і підтримку, як радить GitClear, а не сподівайтеся, що це станеться саме собою.
- На рев’ю шукайте дубльовані блоки й короткострокове переписування, а не лише зелені тести.
- Коли порівнюєте вартість роботи з AI, враховуйте подальші зміни, відкати й виправлення, які пізніше лягають на той самий код.
Де тут Nythrex
Nythrex показує, скільки коштувала кожна зміна — від AI-сесії до коміту, pull request’у, CI і деплою, за проєктами й командами, з обґрунтуванням кожної цифри. Подальші зміни рахуються так само, як будь-які інші, тож якщо в проєкті дешеві перші чернетки обертаються дорогими переробками, це видно в тренді. Він не вимірює якість коду і не оцінює розробників.
Джерела
Часті питання
Чи збільшує код, згенерований AI, технічний борг?
Дані репозиторіїв вказують на це. Аналіз GitClear 2026 року за 623 мільйонами змін показав, що з 2023 по 2026 рік дубльованих рядків стало на 81% більше, а частка рефакторингу (переміщеного коду) впала з 13% до 3,8% змінених рядків.
Як командам керувати витратами на підтримку коду, написаного AI?
Явно закладати час на рефакторинг, перевіряти дублювання й короткострокове переписування на рев’ю та оцінювати роботу з AI за тим, скільки зміни коштують за весь свій життєвий цикл, включно з пізнішими виправленнями.
Читайте також
- Після tokenmaxxing: чому витрати на токени — це вартість, а не показник продуктивностіУ 2026 році команди почали змагатися, хто з інженерів спалює більше AI-токенів. Потім закінчилися бюджети. Чому споживання токенів — це вхідна величина, а не результат, і що вимірювати натомість.Читати
- DORA оцінила в грошах розробку з AI: J-крива, податок на перевірку і справжні джерела віддачіКоманда DORA в Google Cloud опублікувала підхід до оцінки фінансової віддачі AI у постачанні софту. Головна думка: AI підсилює систему, в яку потрапляє, а перші місяці можуть коштувати більше, ніж повертають.Читати
- Як працює Nythrex: від AI-сесії до production в одному ланцюгуЯк Nythrex з’єднує задачу, AI-сесію, коміт, pull request, CI, деплой і хмару в одиницю роботи зі своєю вартістю та підставою кожної суми.Читати
Перестаньте вгадувати.
Почніть бачити.
Без картки й без підписки: платні тарифи ще не запущені.