Тишина на PyPI против шума в Твиттере
Открываешь LinkedIn — там очередной пост про то, как Claude Code переписал legacy за два месяца. Заходишь на Hacker News — хвастаются, что с GPT-5 пишут вдесятеро быстрее. Идиллия. Потом смотришь на сырые цифры загрузки пакетов на PyPI за первый квартал 2026-го. И тишина. Ровная, как линия горизонта. Никакого взрывного роста. Как так?
Свежий отчет Google Cloud State of DevOps за 2025-2026 годы вводит новую метрику — delivery throughput. Это не про строки кода в час, а про количество успешных деплоев и изменений в прод в неделю. И по ней — стагнация. Средний показатель по индустрии почти не изменился с 2024 года, когда AI-инструменты стали массовыми.
Почему PyPI — лучший детектор лжи про AI
PyPI — это не опросник. Это цифровой след. Каждая установка пакета через pip — это реальный разработчик, который реально пишет код. Если бы скорость разработки и правда выросла в разы, мы бы увидели взрывной рост: больше экспериментов, больше библиотек, чаще обновления. Вместо этого график похож на плоскую Эверест.
| Период | Среднедневные загрузки (млн) | Прирост к прошлому году |
|---|---|---|
| Q1 2024 | ~145 | — |
| Q1 2025 | ~162 | ~12% |
| Q1 2026 | ~175 | ~8% |
Рост есть. Но он линейный, органический. Никакого «искусственного интеллекта» в росте не видно. Те же 8-12% в год были и до эпохи ChatGPT. Получается, AI не создал новую волну разработки. Он просто стал её частью. Как автодополнение в IDE. Полезно, но не революционно.
Три причины, почему метрики не шелохнулись
Почему обещанный прорыв не случился? Отчет Google Cloud и опыт компаний, которые реально внедрили ИИ, указывают на системные проблемы.
1. AI экономит время на ерунде, а не на главном
Claude 3.5 Sonnet или GPT-5 Turbo отлично пишут boilerplate. Генерируют функцию парсинга JSON, класс-конфиг, юнит-тест. Но архитектуру системы, сложную бизнес-логику, интеграцию с легаси — всё это по-прежнему делает человек. И это занимает 80% времени. AI съел маржу в 20%, которые и так были не критичны.
2. Сложность поглотила производительность
Потому что теперь от команд ждут больше. Раньше на фичу давали две недели. Теперь — неделю, ведь «у тебя же есть AI-ассистент». В итоге разработчики тратят сэкономленное время на более сложные задачи или на борьбу с проблемами сгенерированного кода. Delivery throughput остался прежним, потому что пропускная способность команды — это не только код, а коммуникация, ревью, деплой.
3. Инфраструктура не поспевает
Самый болезненный пункт. Ты сгенерировал код в три раза быстрее. А потом час ждешь, пока Conda или PyPI отдадут метаданные для установки зависимостей. Или три часа профилируешь медленный инференс на продакшне, как в нашем гиде по Py-Spy. AI ускорил написание, но не сделал быстрее весь цикл — сборку, тесты, деплой. Бутылочное горлышко просто сместилось.
Что делать? Стратегия вместо хайпа
Значит, AI — пустышка? Нет. Он просто не про скорость, а про качество и доступность. Новые разработчики быстрее вливаются. Сложные концепции проще объяснить. Код ревью стало проводить легче. Но измерять это в «строках кода» или «деплоях в неделю» — бессмысленно.
Вот на что смотреть вместо этого:
- Time to First Value: как быстро новый сотрудник закрывает первый тикет.
- Complexity Index: какую сложность задач берет команда сейчас vs год назад.
- Defect Escape Rate: сколько багов уходит в прод (AI-ревьюеры реально помогают его снижать).
AI стал таким же инструментом, как Git или Docker. Его наличие не дает преимущества. Дает умение им пользоваться. И здесь важно понимать, что реально работает в продакшне, а что — просто игрушка.
Что будет дальше? Прогноз на 2027-й
Хайп схлынет. Уже схлынывает — стартапы без реальной ценности закрываются. Останутся те, кто интегрировал AI в процесс, а не делал на нём шоу. График загрузок PyPI продолжит ползти вверх с тем же скромным темпом. А скорость разработки, возможно, даже немного упадет, когда мы упремся в фундаментальные ограничения — закон Амдала для команд, а не для процессоров.
Итог? Перестаньте ждать, что AI решит ваши проблемы с дедлайнами. Он не решит. Решите их сами — выстройте процессы, улучшите инфраструктуру, снимите бюрократические барьеры. А AI пусть помогает писать этот самый инфраструктурный код, например, через компиляцию Python в нативный код для ускорения инференса. В этом его настоящая ценность. Не в хайпе. В работе.
