Швидше генерувати код завдяки ШІ ще не означає швидше створювати якісні програмні системи.

Що більше відповідальності ми передаємо штучному інтелекту, то гострішими стають питання:
чи правильно агент зрозумів вимоги
чи не порушив архітектурні обмеження
чи врахував негативні сценарії
чи справді тести перевіряють потрібну поведінку
чи можна довіряти отриманому результату

ШІ-агент може самостійно дослідити кодову базу, скласти план, внести зміни та запустити тести. Але разом із прискоренням зростає і масштаб можливої помилки.

Якщо агент отримує нечітку задачу та надто широкі повноваження, його зміни можуть виглядати переконливо, але не відповідати справжньому задуму. У результаті код може дублювати наявну логіку, порушувати архітектуру застосунку, неправильно інтерпретувати бізнес-вимоги та збільшувати технічний борг.

**Так виникає AI slop**: великий обсяг на перший погляд якісного, але поверхневого чи ненадійного коду.

Проблема не в тому, що ШІ завжди генерує погані рішення. Він може створювати сумнівний код швидше, ніж команда встигає його перевіряти.

Тому в Agentic Engineering важливо заздалегідь визначати межі роботи агентів, правила та перевірки результату. **Контроль якості має бути частиною процесу, а не лише фінальним етапом.**

На нашому курсі [Backend Development with Agentic AI](https://career.softserveinc.com/en-us/technology/course/backend-development-with-agentic-ai) ти навчишся будувати керований процес розробки з ШІ-агентами. Про цей підхід розповідає Олександр Бутрим, ментор курсу.

Став , якщо цікаво дізнатися більше на цю тему.