AI ускоряет junior. Но ускоряет ли он его развитие?
Мы уже знаем, что AI способен ускорять выполнение задач. Но скорость delivery и скорость обучения — разные метрики.
В январе Anthropic опубликовал рандомизированное исследование о том, как AI-помощь влияет на формирование навыков программирования.
52 разработчика, преимущественно junior, изучали незнакомую им Python-библиотеку Trio. Одна группа могла обращаться к AI, другая писала код самостоятельно. После задания участники прошли тест на понимание концепций, чтение кода и отладку.
Группа с AI закончила в среднем примерно на две минуты раньше. Разница оказалась статистически незначимой.
Зато результат теста отличался заметно: 50% у группы с AI против 67% у тех, кто писал самостоятельно. Самый большой разрыв был в вопросах на отладку.
Это не означает, что AI вреден для junior.
Интереснее другое: результат зависел от того, как именно разработчик использовал модель.
Хуже справлялись те, кто делегировал AI написание и исправление кода. Лучше — те, кто задавал концептуальные вопросы, просил объяснить решение и продолжал разбираться самостоятельно.
По сути, исследование показывает риск cognitive offloading: задача решена, но часть размышлений, которые должны были сформировать навык, выполнила модель.
Раньше обучение часто выглядело так:
задача → тупик → документация → попытка → ошибка → отладка → понимание.
Теперь легко получить более короткий маршрут:
задача → агент → решение.
Формально результат есть. Фактически из процесса могла исчезнуть половина учебной петли.
И здесь появляется новая ответственность тимлида: различать задачи, которые нужно оптимизировать на скорость, и задачи, в которых разработчику нужно оставить пространство для обучения.
Например:
— знакомую рутину можно смело делегировать агенту;
— при освоении новой технологии AI лучше использовать как наставника, а не генератор ответа;
— после сгенерированного решения полезно просить разработчика объяснить его и найти возможные ошибки;
— часть задач стоит разбирать без автоматической генерации кода.
Возможно, AI-native командам придётся сознательно создавать «неэффективные» учебные ситуации. Не запрещать инструменты, а проектировать способ работы с ними.
Потому что максимальная скорость выполнения задачи и максимальная скорость развития человека — не одно и то же.
А у вас AI для junior сейчас скорее исполнитель или наставник?
Исследование Anthropic о влиянии AI на формирование навыков программирования
Мы уже знаем, что AI способен ускорять выполнение задач. Но скорость delivery и скорость обучения — разные метрики.
В январе Anthropic опубликовал рандомизированное исследование о том, как AI-помощь влияет на формирование навыков программирования.
52 разработчика, преимущественно junior, изучали незнакомую им Python-библиотеку Trio. Одна группа могла обращаться к AI, другая писала код самостоятельно. После задания участники прошли тест на понимание концепций, чтение кода и отладку.
Группа с AI закончила в среднем примерно на две минуты раньше. Разница оказалась статистически незначимой.
Зато результат теста отличался заметно: 50% у группы с AI против 67% у тех, кто писал самостоятельно. Самый большой разрыв был в вопросах на отладку.
Это не означает, что AI вреден для junior.
Интереснее другое: результат зависел от того, как именно разработчик использовал модель.
Хуже справлялись те, кто делегировал AI написание и исправление кода. Лучше — те, кто задавал концептуальные вопросы, просил объяснить решение и продолжал разбираться самостоятельно.
По сути, исследование показывает риск cognitive offloading: задача решена, но часть размышлений, которые должны были сформировать навык, выполнила модель.
Раньше обучение часто выглядело так:
задача → тупик → документация → попытка → ошибка → отладка → понимание.
Теперь легко получить более короткий маршрут:
задача → агент → решение.
Формально результат есть. Фактически из процесса могла исчезнуть половина учебной петли.
И здесь появляется новая ответственность тимлида: различать задачи, которые нужно оптимизировать на скорость, и задачи, в которых разработчику нужно оставить пространство для обучения.
Например:
— знакомую рутину можно смело делегировать агенту;
— при освоении новой технологии AI лучше использовать как наставника, а не генератор ответа;
— после сгенерированного решения полезно просить разработчика объяснить его и найти возможные ошибки;
— часть задач стоит разбирать без автоматической генерации кода.
Возможно, AI-native командам придётся сознательно создавать «неэффективные» учебные ситуации. Не запрещать инструменты, а проектировать способ работы с ними.
Потому что максимальная скорость выполнения задачи и максимальная скорость развития человека — не одно и то же.
А у вас AI для junior сейчас скорее исполнитель или наставник?
Исследование Anthropic о влиянии AI на формирование навыков программирования