AI‑агент написал код, тесты проходят, сборка зелёная. Кажется, задачу можно принимать. Но тесты подтверждают только то, что реализация соответствует заложенным проверкам. Они не отвечают на более неприятный вопрос: правильно ли мы вообще описали поведение системы? Если в требованиях не определено, что делать при повторном запросе, частичном сбое, устаревших данных или неожиданном порядке событий, агент может написать аккуратное и полностью протестированное решение для неверного сценария. Перед генерацией кода полезно зафиксировать проверяемый контракт: • какие входные данные допустимы; • что считается успешным результатом; • какие действия можно безопасно повторить; • что происходит при частичном выполнении; • как система сообщает об ошибке; • какие события и решения должны попасть в журнал; • когда требуется вмешательство человека. После этого тестировать нужно не только ожидаемый путь, но и границы: дубли, тайм-ауты, конкурирующие запросы, потерю связи и некорректные данные. AI действительно снижает стоимость написания кода. Но стоимость неверно сформулированной задачи от этого только растёт: ошибочную реализацию теперь можно получить быстрее и в большем объёме. Поэтому главный вопрос при проверке AI‑кода для меня звучит не «все ли тесты прошли?», а «какое поведение системы эти тесты на самом деле доказывают?» А в вашей практике чаще ломается реализация или первоначальное описание задачи?