Среди разработчиков Кремниевой долины сложилась негласная мода: чем больше токенов потребляет твой ИИ-агент, тем круче. Токеновый бюджет — лимит вычислительных ресурсов, которые разработчик может направить на генерацию кода — превратился в показатель статуса. Это явление получило название tokenmaxxing. Проблема в том, что токены измеряют затраты, а не результат.
Аналитические платформы, работающие с реальными инженерными командами, фиксируют одну и ту же картину. Waydev — компания, основанная в 2017 году и обслуживающая более 50 корпоративных клиентов с суммарным штатом свыше 10 000 инженеров, — обнаружила, что менеджеры видят acceptance rate ИИ-кода на уровне 80–90%. Это доля сгенерированного кода, которую разработчик одобряет и оставляет в проекте. Но эта цифра не учитывает, что происходит в последующие недели: инженеры возвращаются и переписывают принятый код. С учётом этого churn реальный показатель падает до 10–30%. Основатель и CEO Waydev Алекс Чирчеи называет это «скрытым churm»: метрика выглядит хорошо на дашборде, но не отражает фактическую стоимость работы.
Code churn — количество строк, удалённых или переписанных вскоре после добавления, — стал главным индикатором проблемы. GitClear в январском отчёте зафиксировала, что активные пользователи ИИ-инструментов генерируют в 9,4 раза больше churn, чем коллеги, работающие без ИИ. При этом прирост продуктивности от инструментов оказался вдвое меньше этого показателя — то есть переработка кода съедает большую часть выигрыша во времени. Faros AI, собравшая данные за два года и опубликовавшая отчёт в марте 2026 года, зафиксировала рост code churn на 861% в командах с высоким уровнем ИИ-адаптации.
GitClear: пользователи ИИ-инструментов генерируют в 9,4 раза больше code churn, чем коллеги без ИИ.
Jellyfish проанализировала 7 548 инженеров в первом квартале 2026 года и получила, пожалуй, самый наглядный результат: разработчики с наибольшими токеновыми бюджетами создавали больше всего pull request'ов — предложений изменений в общую кодовую базу. Но масштабирование не работало: двукратный рост throughput обходился в десять раз дороже по стоимости токенов. Инструменты производят объём, а не ценность.
Отдельная закономерность касается опыта разработчиков. Джуниоры принимают значительно больше ИИ-сгенерированного кода, чем сеньоры, и в итоге тратят больше времени на его переработку. Сеньоры чаще отклоняют предложения агента или существенно их правят до принятия — что снижает churn, но требует глубокого понимания кодовой базы, которого у начинающих специалистов ещё нет.
Рынок реагирует на проблему деньгами. В прошлом году Atlassian купила DX — стартап в сфере engineering intelligence — за $1 млрд. Цель сделки: дать корпоративным клиентам инструменты для измерения реальной отдачи от ИИ-агентов. Waydev, в свою очередь, за последние шесть месяцев полностью переработала платформу и теперь выпускает инструменты для отслеживания метаданных, которые генерируют ИИ-агенты, — с аналитикой качества и стоимости кода. Инструменты вроде Claude Code, Cursor и Codex уже стали стандартом рабочего процесса, и разворачиваться никто не собирается. «Это новая эра разработки программного обеспечения, и вы вынуждены адаптироваться», — говорит Чирчеи. Вопрос не в том, использовать ли ИИ, а в том, как научиться измерять его реальный вклад.
