В продолжение вчерашней темы о том, что нас ждет темная эра софта. Исследователи из Veracode взяли 100 разных LLM, дали им много разных задач по генерации кода, а затем прогнали по результатам свой SAST сканер. Вот что получилось:

👉Только 55% решенных задач не содержали ни одной выявленной уязвимости.
👉Несмотря на то, что более новые модели лучше справляются с генерацией кода, уязвимостей в нем меньше не становится.
👉Не зависит количество найденных уязвимостей и от размера модели.
👉Результаты по Python, JavaScript, C# показали примерно одинаковые результаты, а вот с Java все намного хуже.

Хайп в сторону. Разбираемся в насущном вопросе с анализом успешных кейсов и рабочих инструментов.

Команда Selectel собрала все нужное в новом медиа ML Impact:

- как технологии Edge AI трансформируют бизнес в 2025 году,
- как не переплатить за автоматизацию,
- как подготовить бизнес к запуску ML-проекта (гайд!)

Переходите по ссылке, чтобы внедрить ИИ в бизнес осознанно и без рисков: https://slc.tl/fis4c

Реклама. АО «Селектел», ИНН 7810962785, ERID: 2VtzqvL6Ax1

Хороший разбор нескольких тейков, которые сейчас звучат из каждого утюга:

👉Те, кто первыми научится использовать AI, получат огромное преимущество.

Вряд ли. Навыками вайбкодинга овладеть довольно просто, наборы лучших практик меняются каждую неделю, а на рынок выходят все новые и новые продукты. Нет никакого конкурентного преимущества, которое можно сохранить. Нет никаких глубоких технических навыков, которые можно освоить. В лучшем случае вы выступаете бета-тестером и весело проводите время.

👉Главное – уметь хорошо промптить

Опять же, промптинг – это не сложный навык, требующий долгого обучения. Научиться писать качественный код на новом языке программирования, или строить надежные системы, в тысячи раз сложнее. А для good enough промпта достаточно описать качественную спецификацию, и вместе с AI в несколько заходов ее докрутить.

👉Вайбкодинг ускоряет работу в десять раз

Зависит от типа работы. В прототипировании точно да. В бойлерплейте – тоже. Но большинство разработчиков делает не greenfield проекты, а подкручивает огромные легаси системы. И в таких задачах реального мира ускорение в генерации кода практически никогда не ускоряет получение реального результата, так как бутылочные горлышки вообще не там.

👉AI упрощает работу программиста

Вы обмениваете ясность на скорость. Фичи генерируются быстро, но в голове программиста не выстраивается ментальная карта того, что и как в проекте работает. Поддерживать его становится сложнее, дебажить тоже, и со временем это только накапливается.

Главный вывод, к которому постепенно подходит индустрия – AI нужно уметь держать на коротком поводке, использовать его с очень конкретной целью, и избегать магического мышления. Опыт инструментом не заменить.

Несмотря на истории из Amazon про writing culture, реальность и бигтеха, и компаний поменьше в том, что никто не читает больших документов. В самом лучшем случае часть людей прочитает по диагонали executive summary, но и на это расчитывать не стоит.

Единственный способ добиться того, чтобы информация из документа осела – перевести его в презентацию, регулярно показывать ее разным группам людей, и в целом регулярно ссылаться на документ в других коммуникациях.

Такое отношение к написанному тексту не только в нашей индустрии. Похожая ситуация в науке, где рецензенты не читают бумаги, и в финансах, где никто даже не пытается вчитаться в финансовые отчеты глубже, чем на уровне самых базовых метрик.

А теперь мы в картину сломанной письменной культуры добавляем еще и AI. В итоге еще больше документов будут писаться людьми, не обладающими глубоким знанием темы, а затем суммаризироваться для более быстрого прочтения. И если где-то в этом процессе важная информация теряется или искажается – никто и не заметит.