В конце августа клиент задал мне неудобный вопрос при согласовании сметы: «Ты же теперь пишешь код с нейросетями, почему оценка не упала вдвое?» Честного ответа у меня не было — только ощущения. Ощущения меня не устроили, и я завёл таблицу: весь сентябрь на боевых проектах я замерял, сколько времени уходит на задачу с AI-ассистентом и сколько заняла бы она без него. Прошло четыре недели, накопилось 47 задач на трёх проектах — и теперь у меня есть не ощущения, а цифры. Делюсь тем, что реально ускорилось, что не изменилось, а где ассистент откровенно съел время.
Как я замерял, чтобы не обмануть сам себя
Методика простая, но важны детали. Три проекта: интернет-магазин на WordPress 6.8 с WooCommerce (кастомный плагин интеграции со складом), корпоративный портал на Битрикс24 (роботы, REST, немного JS) и легаси-сайт на самописном PHP 7.4, который я сопровождаю пятый год. Инструменты: Cursor с моделью класса Claude для редактирования, GitHub Copilot в VS Code для автодополнения и Kimi в терминале для разбора чужого кода и генерации скриптов.
Каждую задачу я сначала оценивал «по-старому» — в часах, исходя из опыта похожих задач за последние годы. Это база. Потом делал с ассистентом и записывал фактическое время, включая время на проверку и исправление того, что нагенерировала модель. Последнее критично: большинство восторженных отчётов про «десятикратную скорость» считают только время до первого работающего запуска, а не до кода, который не стыдно отдать в продакшен. Я считал до продакшена.
Отдельно отмечу, где мои замеры могут приврать. Во-первых, выборка небольшая и вся — мои собственные проекты: у разработчика с другим стеком картина будет иной. Во-вторых, оценка «без AI» — это моя экспертная оценка по опыту, а не контрольная группа; я не делал одну и ту же задачу дважды. В-третьих, я двенадцать лет пишу на PHP и под WordPress, поэтому в этом стеке ассистент попадает в мою сильную зону — на незнакомом языке результат наверняка был бы хуже. Всё это значит: цифры ниже — не закон природы, а честный срез одной практики за один месяц. Но даже такой срез полезнее маркетинговых «в десять раз быстрее».
Цифры: где выигрыш настоящий
Сводная картина по 47 задачам:
| Тип задачи | Задач | Оценка без AI | Факт с AI | Эффект |
|---|---|---|---|---|
| Рутинные CRUD и шаблонный код | 12 | 9,5 ч | 3 ч | −68% |
| Миграции и скрипты обработки данных | 7 | 6 ч | 2,5 ч | −58% |
| Тесты и документация к коду | 8 | 7 ч | 3 ч | −57% |
| Вёрстка и мелкий JS по макету | 6 | 8 ч | 5 ч | −37% |
| Разбор и правка легаси-кода | 8 | 11 ч | 10 ч | −9% |
| Нетривиальная бизнес-логика (Битрикс24, WooCommerce) | 6 | 14 ч | 17,5 ч | +25% |
Суммарно по проектам месяц дал экономию около 18% рабочего времени. Не «в два раза быстрее», как обещают лендинги AI-инструментов, но и не иллюзия: восемнадцать процентов — это почти полторы рабочие недели в год. Просто они распределены очень неравномерно.
Чемпион ускорения — рутина. Скелет кастомного плагина для WordPress: регистрация пост-типа, метабоксы, REST-эндпоинты, настройки. Раньше я собирал такой каркас за полтора-два часа из собственных сниппетов. Cursor собирает его за пятнадцать минут, и качество примерно как у моих сниппетов — потому что я десять лет писал их по тем же кодстайл-гайдам WordPress, на которых модель и училась. То же с миграциями: скрипт, который перегоняет девять тысяч товаров из старой структуры метаполей в новую таксономию, с описанием структуры в комментарии — пишется за один диалог. Я потом двадцать минут проверял его на копии базы, но это всё равно вдвое быстрее ручного написания.
Приятный сюрприз — тесты. PHPUnit-тесты для плагина я исторически писал через силу и не на всё. Ассистент генерирует заготовку набора тестов по сигнатуре класса за минуты, и главный эффект даже не в скорости, а в том, что тесты вообще появились там, где их раньше не было.
Где AI не ускорил, а затормозил
Теперь неудобная часть. Шесть задач с нетривиальной бизнес-логикой заняли с ассистентом больше времени, чем я оценивал без него, — плюс четверть к оценке. Характерный пример: робот в Битрикс24, который при переходе сделки в стадию должен проверить остаток по связанному товару, зарезервировать его, уведомить ответственного и записать результат в пользовательское поле — с учётом того, что у клиента нестандартная схема резервирования из прошлой интеграции. Модель уверенно выдала код с вызовами REST, которые существуют в документации, но не учитывают ни нестандартную схему, ни лимиты портала, ни то, что часть полей у клиента переименована. Я потратил сорок минут на разбор красивого, гладкого, уверенного и неправильного кода — дольше, чем писал бы сам по памяти, потому что чужой код проверять тяжелее, чем писать свой. Поэтому в проектах, где заявки из форм напрямую уезжают в Битрикс24 через вебхуки и REST, я по-прежнему пишу критичные обработчики руками, а ассистенту отдаю только черновую структуру.
Вторая ловушка — легаси. Самописный PHP 7.4 с процедурным кодом двенадцатилетней давности модель читает плохо: контекст не влезает, соглашения проекта ей неизвестны, и она начинает «улучшать» код в стиле современных фреймворков, ломая негласные зависимости. Минус процентов выигрыша здесь почти нулевой: что сэкономил на генерации, то потратил на вычитку. Справедливости ради, одну задачу ассистент здесь всё же решил блестяще — объяснил мне регулярное выражение длиной в двести символов, написанное ушедшим разработчиком в 2014 году. За двадцать секунд. Я бы убил на него час.
Три правила, которые я вывел из замеров
Первое: ассистент усиливает то, что вы и так умеете. В WordPress-разработке у меня двенадцать лет практики, и там модель работает как идеальный джуниор под моим контролем: быстро печатает то, что я бы написал сам. В областях, где я сам плаваю, она плавает вместе со мной, но увереннее по тону — и это опасно. Проверять её вывод можно только тогда, когда у вас есть собственная экспертиза для проверки.
Второе: выигрыш пропорционален качеству постановки задачи. Задачи, где я потратил пять минут на подробный контекст — структура таблиц, пример данных, ограничения, стиль кода проекта — закрывались вдвое быстрее задач «накидал в одну строку». Промпт с контекстом — это новая форма ТЗ, и экономить на нём так же глупо, как экономить на ТЗ для подрядчика.
Третье: время проверки никуда не делось, оно переименовалось. Раньше я писал код и проверял его по ходу. Теперь я получаю готовый блок и проверяю после. Суммарное время на «думание» почти не изменилось — изменилось время механического набора. Отсюда главный вывод для сметы, с которого началась эта история: дешевле всего AI сделал те задачи, которые и так были самыми дешёвыми. Дорогая часть разработки — понять, что именно нужно бизнесу, и не наломать дров в чужой системе — стоит ровно столько же.
Кстати, сама экосистема движется в сторону, где ассистент встроен уже не в редактор, а в саму платформу: в ядре WordPress 7.0 появился AI Client — слой для подключения моделей на уровне CMS, и я отдельно разбирал, что это меняет для разработчика. Похожая история и в CRM-мире: когда полгода назад я пробовал AI-агентов и CoPilot в Битрикс24, вывод был тот же — автоматизируется рутина, а постановка и контроль остаются на человеке.
Что я изменил в процессе работы
По итогам месяца я переформатировал свой пайплайн. Ассистент теперь получает: каркасы плагинов, миграции, тесты, докстринги, разбор незнакомых библиотек и регулярных выражений, перевод «хочу кнопку как на том сайте» в заготовку JS. Руками я пишу: интеграционную логику с деньгами и остатками, всё, что трогает продакшен-данные клиента, миграции без возможности отката и код, который потом буду сопровождать годами в одиночку — его я должен понимать до последней строки.
И ещё одно изменение, которого я не ожидал: я стал писать больше комментариев в коде. Не для себя — для ассистента. Чем понятнее описаны намерения в коде проекта, тем точнее он продолжает этот код через месяц. Комментарий превратился из акта вежливости в рабочий инструмент.
Ответ клиенту, с которого всё началось, в итоге звучит так: да, я стал быстрее примерно на пятую часть, и эта часть уже отражена в моих оценках. Но двукратного удешевления не будет, пока нейросеть не научится за час разобраться в двенадцати годах чужих решений на вашем конкретном портале — а пока она в этом слабее меня.
А как у вас: замеряли ли вы реальный эффект AI-ассистентов на своих задачах, или пока тоже ориентируетесь на ощущения? Особенно интересно, что получается у тех, кто работает с легаси, — там, по моим цифрам, картина сильно отличается от рекламных буклетов.
