Итоги исследования METR: LLM замедляют разработчиков

Недавнее исследование METR выявило, что использование LLM в опенсорсных проектах замедляет работу опытных разработчиков на 19%. Несмотря на то, что разработчики ценят инструменты автодополнения, такие как Claude Code, это не всегда приводит к повышению продуктивности. Опрос Stack Overflow за 2025 год показал, что положительное отношение к LLM снизилось с 70% до 60%. Главной проблемой оказались неочевидные ошибки в «почти правильном» коде, требующие значительных усилий на проверку. Разработчики сообщают, что написать код с нуля зачастую быстрее, чем исправлять сгенерированные решения. При этом 54% разработчиков используют более шести инструментов, что усложняет рабочий процесс. Несмотря на проблемы, интерес к LLM сохраняется, и 69% разработчиков изучают новые техники программирования с их помощью. Однако качество кода остается под угрозой, что требует дополнительных ресурсов для исправления.

Вопрос-ответ

Как LLM влияют на производительность опытных разработчиков согласно исследованию METR?

Исследование METR показало, что использование больших языковых моделей (LLM) в опенсорсных проектах замедляет работу опытных разработчиков в среднем на 19%.

Почему использование LLM замедляет работу, а не ускоряет ее?

Основная причина — неочевидные ошибки в «почти правильном» коде, который генерируют LLM. Проверка и исправление такого кода требуют значительных усилий, и зачастую написать его с нуля оказывается быстрее.

Несмотря на проблемы, есть ли у LLM положительные стороны для разработчиков?

Да, несмотря на снижение продуктивности, 69% разработчиков активно используют LLM для изучения новых техник программирования. Также отмечается, что сами по себе инструменты автодополнения кода ценятся специалистами.