AI ускоряет разработку. Но может накапливать когнитивный долг

Про technical debt все привыкли думать в коде: костыли, дубли, странные зависимости, временные решения, которые стали вечными.

Но с AI в разработке появляется ещё один слой - когнитивный долг.

Это когда команда быстро получает результат, но всё хуже понимает:

• почему решение именно такое;
• какие допущения заложены в код;
• где границы применимости;
• какие edge cases не проверены;
• что сломается при изменении требований;
• кто вообще держит модель системы в голове.

AI может написать функцию, тест, миграцию, документацию, план рефакторинга.

Но если инженер просто принимает результат без разбора, знание не появляется. Появляется артефакт.

В моменте это выглядит как ускорение. Через месяц - как код, который “работает, но лучше не трогать”. Через полгода - как команда, которая боится менять собственную систему.

Для меня нормальный AI-assisted workflow - это не “сгенерировал и принял”.

Скорее так:

1. Попросить AI предложить решение. 2. Попросить явно выписать допущения. 3. Проверить edge cases. 4. Сверить с архитектурой и доменной логикой. 5. Добавить тесты. 6. Оставить понятный след в коде, PR или документации. 7. Убедиться, что хотя бы один человек в команде реально понял изменение.

AI снижает стоимость производства кода. Но не снижает стоимость понимания системы.

А в backend и production-разработке именно понимание часто дороже самого кода.

Интересно, у вас AI больше уменьшает когнитивную нагрузку - или иногда наоборот добавляет её?

#AI #backend #разработка #productivity