Pydantic: разработчики устали проверять код за ИИ

Дизайнер и программист компании Pydantic (создателя одноимённой Python-библиотеки и фреймворка Pydantic AI) по имени Харита написала эссе о том, каково сейчас программировать с помощью LLM: работа реально стала продуктивнее, но одновременно разрушает привычные ощущения от профессии, и если это игнорировать, разработчики будут выгорать.

Центральный пример, коллега Дауве, мейнтейнер фреймворка Pydantic AI. Он просыпается к тридцати pull request'ам, которые за ночь собрал чей-то ИИ-агент, и должен по каждому быстро решить, принимать его или нет. Соблазн делегировать само ревью тоже ИИ велик, но, по его словам: «Так чем я тогда вообще тут занимаюсь?». Раньше сотрудничество с живым человеком над фичей в open source давало дофаминовый эффект, Дауве помогал людям расти как разработчикам. Теперь, по его словам, «всё, что я пишу, улетает в какую-то чёрную дыру ИИ: по ту сторону больше нет человека, который бы чему-то учился».

Автор приводит и личный опыт: она тратила почти два полных дня на то, чтобы максимально подробно расписать ИИ план работы, а тот всё равно делал что-то необъяснимо нелепое: переносил React-хук не в тот файл истории Storybook, читал не тот план, выдумывал несуществующие компоненты. Это, подчёркивает автор, не ошибки способностей модели, а ошибки согласованности («coherence»), модель достаточно умна, чтобы выдать правдоподобный код, но не всегда способна удержать целостное намерение в сложном изменении.

Автор вводит термин «проблема функции вознаграждения человека» (human reward function problem): раньше написание кода вручную давало маленькие, но постоянные награды, решить задачу в уме, разобраться в запутанной логике, увидеть, что код скомпилировался, почувствовать контроль. ИИ автоматизировал именно эту часть работы, заменив её нагрузкой ревью и надзора: приятная часть сократилась, изматывающая, выросла, а новых источников удовлетворения не появилось.

Со ссылкой на Саймона Уиллисона и исследование Berkeley Haas School of Business автор отмечает: использование ИИ повышает не производительность в спокойном смысле, а именно интенсивность работы, постоянное искушение сделать «ещё один промпт перед сном». Сама она недавно засиделась почти до двух ночи, добиваясь идеального плана для модели. Другой коллега, Марсело, когда у него зависла сессия Claude Code, пошутил: «просто открой пять сессий Claude, не заметишь простоя, будешь занят фидбэком для остальных». Число задач, которые можно запустить параллельно, резко выросло, а число задач, которые можно вдумчиво довести до конца, нет, потому что для этого по-прежнему нужен единственный непараллелизуемый ресурс, человеческий мозг.

Автор проводит параллель с переходом веб-дизайна на адаптивную вёрстку около 2009 года (Итан Маркотт, круг Zeldman / A Book Apart): тогда дизайнеры болезненно теряли контроль над фиксированной пиксельной вёрсткой, но со временем ремесло не умерло, а эволюционировало, чувство пропорции и иерархии осталось важным, а одержимость точным пиксельным контролем перестала иметь значение. Нынешний сдвиг, по её мнению, происходит по той же логике, но за месяцы, а не годы, и потому переживается острее.

Автор описывает и новые практики, которые из этого рождаются: «премортемы», просить свежую (не заражённую контекстом) сессию ИИ представить, что план катастрофически провалился, и найти причину заранее; и файл AGENTS.md, в который один из инженеров Pydantic дистиллировал правила из тысяч своих прошлых комментариев к код-ревью, закодировав годы неявной инженерной интуиции в инструкции для модели. Вывод эссе: узким местом в разработке никогда не был сам код, им всегда было человеческое внимание, инженерное суждение, способность удерживать целостное видение системы. Теперь, когда написание кода автоматизировано, эти способности раскрылись как по-настоящему дефицитный и ценный ресурс.

Ключевые факты

Автор, дизайнер и программист компании Pydantic, описывает «усталость супервизии»: программировать с ИИ продуктивнее, но менее приятно, потому что дофаминовые награды ручного кодинга исчезли, а нагрузка ревью и контроля выросла
Коллега Дауве, мейнтейнер фреймворка Pydantic AI, каждое утро разбирает тридцать pull request'ов, собранных за ночь чужими ИИ-агентами, и принимает решения по каждому с ходу
Личный пример автора: два дня детальной подготовки плана для ИИ, и модель всё равно переносит React-хук не в тот файл, читает не тот план, выдумывает несуществующие компоненты (ошибки согласованности, не способностей)
Со ссылкой на исследование Berkeley Haas (через Саймона Уиллисона), использование ИИ повышает интенсивность работы, а не облегчает её; коллега шутит про параллельный запуск пяти сессий Claude Code
Практические выводы: «премортемы» со свежей ИИ-сессией для поиска слабых мест плана и файл AGENTS.md, дистиллирующий годы правил код-ревью в инструкции для модели

Почему это важно

Эссе называет вслух то, что многие разработчики чувствуют, но редко формулируют: работа с ИИ-кодом объективно продуктивнее, но субъективно менее удовлетворительна. Автор вводит рабочий термин, «усталость супервизии», для нового вида утомления: не от написания кода, а от постоянного удержания в голове намерения, пока модель генерирует большие объёмы «в основном правильного» кода, который всё равно требует твоих глаз, суждения и вкуса.

Кому это важно

В первую очередь, разработчикам и мейнтейнерам open-source проектов, которые ежедневно разбирают потоки pull request'ов, собранных ИИ-агентами (как коллега автора Дауве с его тридцатью PR по утрам). Также релевантно тимлидам и инженерным менеджерам, которые управляют командами, активно использующими ИИ-кодинг, и хотят понять, откуда берётся выгорание при формально растущей продуктивности.

Как это применить

Автор предлагает две конкретные практики. Первая, «премортемы»: просить свежую, не заражённую предыдущим контекстом сессию ИИ представить, что план уже катастрофически провалился, и диагностировать причину заранее, до реализации. Вторая, собирать файл AGENTS.md, дистиллируя в него годы неявных правил из собственных комментариев к код-ревью, чтобы закодировать личную инженерную интуицию в инструкции, которым будет следовать модель. Также рекомендуется сознательно давать себе разрешение переключаться между ИИ-ассистированным и полностью ручным кодингом, не считая это шагом назад.

Можно ли доверять

Это личное эссе сотрудницы Pydantic (дизайнера и программиста, самоучки в разработке), а не эмпирическое исследование, она прямо описывает его как «честный отчёт о том, каково это, быть разработчиком прямо сейчас». Ключевые утверждения подкреплены именованными источниками: прямыми цитатами коллег по компании (Дауве, мейнтейнер Pydantic AI; Марсело) и ссылкой на внешнее исследование Berkeley Haas School of Business, упомянутое Саймоном Уиллисоном. Это делает материал достоверным как личный и коллективный опыт команды, но не как статистически обобщённое исследование индустрии.

Риски и подводные камни

Автор описывает несколько связанных рисков: рост выгорания из-за того, что приятная часть работы (решение задач руками) исчезает, а изматывающая (ревью и контроль) растёт; ошибки согласованности в ИИ-коде, которые модель выдаёт уверенно и правдоподобно, даже не понимая, чего не знает; усиливающееся одиночество, программирование с LLM «интенсивно уединённое» занятие, вытесняющее моменты обращения к коллегам; и эффект «ящика Скиннера», непредсказуемое чередование блестящих и провальных результатов ИИ делает процесс по-своему аддиктивным и мешает вовремя остановиться.

«Всё, что я пишу, улетает в какую-то чёрную дыру ИИ. По ту сторону больше нет человека, который бы чему-то учился»

— Дауве, мейнтейнер фреймворка Pydantic AI