Image Credits:Getty Images
Tokenmaxxing делает разработчиков менее продуктивными, чем они думают
11:42 AM PDT · April 17, 2026
Есть старая управленческая истина: что измеряешь, то и получаешь. И, как правило, в большем объеме именно то, что измеряешь.
Инженеры-программисты десятилетиями спорят о метриках продуктивности, начиная с количества строк кода. Но теперь, когда новое поколение AI coding agents генерирует больше кода, чем когда-либо, уже не так ясно, что именно должны измерять их руководители.
Огромные token budgets — по сути, объем AI-вычислений, который разработчику разрешено потреблять, — стали в Кремниевой долине своего рода знаком статуса, но это очень странный способ думать о продуктивности. Измерять вход процесса мало смысла, если важен прежде всего результат. Это может иметь смысл, если вы пытаетесь стимулировать более широкое внедрение AI или продаете токены, но не если ваша цель — стать эффективнее.
Достаточно взглянуть на данные нового класса компаний, работающих в сегменте developer productivity insight. Они видят, что разработчики, использующие инструменты вроде Claude Code, Cursor и Codex, создают куда больше принятого кода, чем раньше. Но они же отмечают, что инженерам приходится гораздо чаще возвращаться и переписывать этот принятый код, что подрывает заявления о росте продуктивности.
Алекс Цирцеи, CEO и основатель Waydev, строит интеллектуальный слой для отслеживания этих процессов; его компания работает с 50 клиентами, на которых трудятся более 10 000 инженеров-программистов. (Цирцеи раньше писал для TechCrunch, но этот репортер с ним прежде не встречался.)
По его словам, менеджеры видят показатели code acceptance rate на уровне 80%–90% — то есть долю AI-generated code, которую разработчики одобряют и сохраняют, — но упускают churn, который возникает, когда инженеры вынуждены исправлять этот код в следующие недели. В итоге реальная доля кода, который в конечном счете остается полезным, падает до 10%–30% сгенерированного объема.
Рост AI coding tools заставил Waydev, основанную в 2017 году для аналитики разработчиков, за последние шесть месяцев полностью перестроить платформу, чтобы она учитывала распространение быстрых кодирующих инструментов. Теперь компания выпускает новые инструменты, которые отслеживают метаданные, генерируемые AI agents, и предлагают аналитику качества и стоимости их кода, давая инженерным менеджерам больше понимания и об AI adoption, и об эффективности.
Techcrunch event
Познакомьтесь со своим следующим инвестором или портфельным стартапом на Disrupt
Ваш следующий раунд. Ваш следующий найм. Ваш следующий прорывной шанс. Найдите их на TechCrunch Disrupt 2026, где более 10 000 основателей, инвесторов и лидеров технологического рынка собираются на три дня ради 250+ практических сессий, полезных знакомств и инноваций, определяющих рынок. Зарегистрируйтесь сейчас и сэкономьте до $410.
Познакомьтесь со своим следующим инвестором или портфельным стартапом на Disrupt
Ваш следующий раунд. Ваш следующий найм. Ваш следующий прорывной шанс. Найдите их на TechCrunch Disrupt 2026, где более 10 000 основателей, инвесторов и лидеров технологического рынка собираются на три дня ради 250+ практических сессий, полезных знакомств и инноваций, определяющих рынок. Зарегистрируйтесь сейчас и сэкономьте до $410.
San Francisco, CA|October 13-15, 2026
Хотя у аналитических компаний есть стимул подчеркивать найденные ими проблемы, все больше данных указывает на то, что крупные организации по-прежнему разбираются, как эффективно использовать AI tools. На это уже обратили внимание и крупные компании — Atlassian в прошлом году купила DX, еще один стартап в сфере engineering intelligence, за $1 млрд, чтобы помочь клиентам понять return on investment от coding agents.
Данные по отрасли в целом рисуют одну и ту же картину: кода пишется больше, но непропорционально большая его часть не задерживается.
GitClear, еще одна компания в этом сегменте, опубликовала отчет в январе, где показала, что AI tools действительно повысили продуктивность, но при этом ее данные выявили, что «обычные пользователи AI в среднем имели в 9,4 раза более высокий code churn, чем их коллеги без AI» — то есть более чем вдвое больше, чем прирост продуктивности, который давали сами инструменты.
Faros AI, engineering analytics platform, использовала данные клиентов за два года для своего отчета за март 2026 года. Вывод: code churn — количество строк кода, удаленных по сравнению с добавленными, — вырос на 861% при высокой степени внедрения AI.
Jellyfish, которая называет себя intelligence platform for AI-integrated engineering, собрала данные по 7 548 инженерам в первом квартале 2026 года. Компания выяснила, что инженеры с самыми большими token budgets создавали больше всего pull requests (предлагаемых изменений в общую codebase), но рост продуктивности не масштабировался. Они добились двукратного увеличения throughput при затратe в 10 раз большего числа токенов. Иными словами, инструменты создают объем, а не ценность.
Такие цифры выглядят правдоподобно, если поговорить с разработчиками: code review и technical debt накапливаются, даже несмотря на радость от свободы, которую дают новые инструменты. Один из самых заметных выводов — разница между senior и junior engineers: последние гораздо чаще принимают AI-generated code и, как следствие, вынуждены делать больше переписывания.
И все же, даже когда разработчики пытаются понять, чем именно занимаются их agents, они не ожидают, что скоро начнут отказываться от них.
«Это новая эпоха software development, и вам нужно адаптироваться, а как компании — вам и вовсе приходится адаптироваться, — сказал Цирцеи TechCrunch. — Это не тот цикл, который просто пройдет».
Материал — перевод статьи с английского.
Оригинал: ‘Tokenmaxxing’ is making developers less productive than they think