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

🤔 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 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.