Компания честно рассказала о практике привлечения современных технологий к разработке
Google опубликовала подробный отчёт о применении ИИ в разработке программного обеспечения внутри компании.
Главный вывод: половина символов в коде сегодня пишется не инженерами, а автодополнением на базе LLM. Принятые подсказки ИИ составляют 50% от общего объёма набранного кода, а средний уровень принятия — 37%.
Как всё начиналось
Ещё в 2019 году ИИ в кодинге казался фантастикой, но с приходом трансформеров всё изменилось. Сегодня в Google используют большие языковые модели внутри IDE, системы ревью, системы планирования и поиска по коду.
Автодополнение — первая крупная фича, с которой началось внедрение LLM. За ней последовали:
- автофиксы комментариев в код-ревью (обрабатывается ИИ более 8% замечаний),
- адаптация вставленного кода под контекст (2% кода в IDE),
- генерация фиксов для ошибок сборки,
- редактирование кода по командам на естественном языке,
- советы по улучшению читаемости кода.
Все эти функции стали частью ежедневной практики инженеров Google.
Что работает — а что нет
Из отчёта можно сделать несколько важных выводов:
- Лучший UX — тот, который не требует лишних действий. Успешные фичи ИИ — те, что «встроены» в привычный рабочий процесс: один Tab — и готово. А всё, что требует ручного вызова, быстро умирает.
- Разработчик всё чаще становится ревьюером. Сначала — ИИ, потом — человек. Баланс между «качеством подсказки» и «стоимостью проверки» — ключевой.
- Самое ценное — данные. Google обучает модели на данных тысяч своих инженеров: от истории правок и сборок до поведения в IDE. Эта связка UX + данные + A/B-эксперименты и даёт реальные улучшения.
- Ошибки случаются на каждом этапе. Google открыто показывает «воронку возможностей»: модель может не сработать, дать плохой результат, опоздать с ответом или просто остаться незамеченной. Поэтому работа ведётся не только над моделью, но и над тем, как, когда и где показывать подсказку.
Что дальше
В Google уверены, что следующий рывок произойдёт не в генерации кода, а в других задачах разработки: от понимания кода и отладки до тестирования и миграций.
Уже сегодня компания активно использует модели Gemini, натренированные на внутренних данных DIDACT, и готовит новые инструменты.
Антивирус Microsoft Defender научился выявлять опасные Wi-Fi точкиtproger.ru
Также Google подчёркивает важность естественного языка как нового интерфейса: всё больше задач можно решать текстом внутри IDE. Следующий шаг — многоагентные системы, где LLM координирует действия с другими инструментами: от обнаружения бага до его автоматического исправления.