Когда ChatGPT и агенты в IDE стали массовыми, ожидание было предсказуемым: разработка подешевеет. Зачем платить сеньору 300 тысяч в месяц, если джуниор с подпиской на Cursor за 20 долларов напишет то же самое за вечер? Заказчики начали сравнивать сметы: «у вас дорого, у нас племянник с нейросетью сделает MVP».
Прошло два года. Средняя ставка сильного разработчика не рухнула. Проекты, где «всё накодил джун + GPT», чаще приходят в студию на переделку — с долгом, дырами в безопасности и архитектурой, которую нельзя чинить точечно. В ДругойКод мы используем AI каждый день — но не как замену опыта, а как усилитель того, что инженер уже умеет. Отсюда и цена: качественная разработка с AI стоит как работа опытного специалиста, а не как «джуниор плюс подписка».
Ниже — почему ИИ не сделал рынок дешевле, что именно не перекрывает модель, и как не попасть в ловушку «экономии» на грейде.
Ожидание: AI = меньше часов = меньше денег
Логика заказчика звучит просто:
Раньше: сеньор пишет 100 строк в день → 100 дней → X рублей
Сейчас: AI пишет 500 строк в день → 20 дней → X / 5 рублейПервая ошибка — строки не равны продукту. Вторая — AI ускоряет набор текста, а не принятие решений. Третья — ревью, тесты, инциденты и переделки после «быстрого» кода часто съедают всю экономию и переворачивают её в убыток.
По данным Stack Overflow Developer Survey 2025, 84% разработчиков используют или планируют использовать AI-инструменты — но доверие к точности ответов падает. Люди пишут быстрее, но проверяют дольше. Это не дешевле — это другой профиль работы, где опыт нужен не меньше.
Джуниор с AI ≠ сеньор: что модель не закрывает
Искусственный интеллект хорош в известных паттернах. Он слаб там, где нужен контекст, которого нет в промпте и в обучающих данных: ваш бизнес, ваши ограничения, ваш прод с вчерашним инцидентом.
| Задача | Джуниор + AI | Сеньор + AI | |--------|--------------|-------------| | CRUD-форма по макету | Часто справится за день | За полдня + сразу валидация, a11y, edge cases | | Авторизация и роли | «Работает у меня» | Threat model, refresh tokens, audit log | | Интеграция с 1С / Modbus / платежами | Копипаст из доки, ломается в проде | Контракт, идемпотентность, таймауты, ретраи | | Нагрузка 10k RPS | «Надо Redis» без понимания зачем | Где кеш, где очередь, где узкое место в БД | | «Почини баг» | Меняет симптом | Находит корень, не ломает соседний модуль |
Модель не знает, что у вас вчера упал Redis, что регулятор запрещает вынос ПДн, что заказчик через месяц попросит мультиязычность. Это знает инженер — если у него был опыт таких проектов. AI не заменяет этот опыт — он ускоряет применение уже имеющегося.
Что ломается в приложениях «джун + GPT без присмотра»
Типичный набор, с которым к нам приходят:
- секреты в репозитории или в клиентском бандле;
- SQL-инъекции и отсутствие rate limit на формах;
- «работает на моём ноутбуке» — нет Docker, CI, нормального деплоя;
- отсутствие логов и метрик — в проде «ничего не понятно»;
- связность всего со всем: один файл на 2000 строк, правка ломает три фичи;
- зависимость от пакетов, которые модель «придумала» или которые устарели с уязвимостями.
Джуниор часто не видит эти проблемы — и AI их не подсвечивает, если не спросить правильно. Сеньор видит их на ревью за десять минут — или предотвращает на этапе архитектуры.
AI усиливает опыт — формула, которая объясняет цену
Удобная модель:
Результат = Опыт × Инструменты × Дисциплина процессаЕсли Опыт ≈ 0 (джун без ментора), умножение на мощный инструмент даёт много кода низкого качества быстро. Это не ускорение продукта — это ускорение технического долга.
Если Опыт высокий, AI снимает рутину:
- бойлерплейт, тесты-черновики, документация, миграции;
- разбор легаси, поиск по кодовой базе;
- прототип для обсуждения с заказчиком.
Сеньор тратит сэкономленные часы на архитектуру, граничные случаи, безопасность, согласование с бизнесом — то, за что и платят. Поэтому ставка не падает: меняется состав работы, не её рыночная ценность.
В OtherCode мы явно разделяем это в процессе — см. AI-assisted coding в команде: агенты помогают тем, кто умеет ревьюить; джунам — только в изолированных задачах с обязательным approve сеньора.
Почему смета не делится на пять
1. Ревью стало важнее, а не исчезло
AI генерирует код, который выглядит правдоподобно. Ложные уверенности — главный риск. Сеньор на ревью:
- проверяет инварианты домена;
- ловит уязвимости и гонки;
- отсекает лишние зависимости;
- следит, чтобы решение вписалось в архитектуру URAP, Synapse Stream, промконтур Typhoon — а не было «ещё одним островком».
Время ревью растёт относительно «написал сам», если объём сгенерированного кода больше. Экономия — на черновике, не на ответственности.
2. Сложность продукта не уменьшилась
Клиенту по-прежнему нужны: интеграции, мобилка, админка, аналитика, соответствие 152-ФЗ, отказоустойчивость. AI не отменил разработку с AI как продуктовый контур — RAG, оценка качества, стоимость токенов, fallback без модели. Объём инженерии вокруг модели часто больше, чем «просто API OpenAI».
3. Инциденты дороже «сэкономленных» часов
Один простой в проде на неделю — потерянная выручка, репутация, экстренный фикс втрое дороже плановой разработки. «Дёшево написали» без опыта — классический путь к дорогому пожару.
4. Заказчик платит не за строки, а за результат
Работающий продукт, который можно сопровождать, масштабировать и показывать инвестору или регулятору. Это ответственность, а не WPM (words per minute). AI не подписывает акт и не отвечает на звонок в 3 ночи.
Типичные диалоги с заказчиком
«Племянник с ChatGPT сделает за 50 тысяч»
Заказчик: Зачем мне студия за 800 тысяч, если племянник-студент за выходные с ChatGPT соберёт приложение?
Студия: Соберёт демо. Вопрос — что будет через три месяца: безопасность, бэкапы, обновления, права на код, интеграция с вашей CRM. Мы оцениваем продукт в эксплуатации, не скриншот в пятницу.
Заказчик: Ну начнём с демо, потом доработаете.
Студия: Переписывать с нуля часто дороже, чем сделать сразу с архитектурой. «Демо на GPT» — отдельный бюджетный spike с явной датой выброса, не фундамент.
«У вас же AI — должно быть вдвое дешевле»
Заказчик: Вы пишете с Cursor — значит, работаете вдвое быстрее. Снизьте смету.
Студия: Мы быстрее на рутине — да. Но смета — это не только набор кода: ТЗ, архитектура, тесты, деплой, правки, гарантия. AI сократил у нас часть часов, мы вложили их в качество и меньше итераций с вами. Итоговая цена — честная за срок до запуска, не за «сколько нажали Tab».
«Наймите джуна, он с AI как сеньор»
Заказчик: Возьмите двух джунов с подпиской на Copilot вместо одного сеньора — выйдет дешевле.
Студия: Два джуна без сеньора на ревью — два потока кода, которые надо чинить. Один сеньор с AI закрывает больше принятых задач в месяц, чем пара джунов с хаосом в main. На промышленных и финтех-проектах мы не ставим такую схему на критичный контур.
Где экономия всё же есть — и кому она достаётся
AI может удешевить правильно ограниченный scope:
- внутренний скрипт на один раз;
- прототип для проверки гипотезы (throwaway);
- черновик контента, документации, тест-кейсов.
Для коммерческого продукта экономия чаще выглядит так:
| Не дешевле | Дешевле / быстрее | |------------|-------------------| | Ставка сеньора | Время до первого согласованного прототипа | | Полный объём QA и безопасности | Стоимость документации и бойлерплейта | | Ответственность за прод | Количество итераций «переделайте всё» |
Заказчик выигрывает в календаре и предсказуемости, не обязательно в рублях за час. Иногда итоговая смета та же — но релиз через 2 месяца вместо 4. Это другая ценность.
Подробнее про иллюзии скорости — в статье про метрики AI в разработке; про границы вайбкодинга — в вайбкодинге.
Как мы считаем проекты в ДругойКод
- Оцениваем сложность и риски — домен (промышленность, AI/OCR, игры, мобилка), интеграции, требования к данным.
- Не дисконтируем смету за «у нас есть Cursor» — инструмент уже в базовой ставке команды, как IDE и Git.
- Не отдаём критичный контур джуну даже с агентом: платежи, SCADA-команды, античит, ПДн — только с ревью сеньора / архитектора.
- Показываем состав работ — чтобы было видно: вы платите за продукт, а не за миф «AI всё написал сам».
AI в наших проектах (URAP, Content Factory, Synapse Stream, корпоративные сайты) сжимает рутину, а не заменяет экспертизу. Поэтому цена качественной разработки остаётся на уровне сильного инженера — и это нормально.
Если нужен продукт, а не «накодить за выходные» — обсудим задачу: оценим честно, с учётом того, что AI у нас в процессе, но ответственность на людях.
Итог: разработка с AI не стала дешевле, потому что ценность — в опыте и ответственности, а не в количестве строк. Джуниор с нейросетью не выдаёт приложение уровня сеньора: модель не компенсирует пробелы в архитектуре, безопасности и продакшен-мышлении. ИИ усиливает тот опыт, который уже есть — у инженера и у процесса команды. Платить за это по-прежнему нужно как за профессиональную разработку — и это не переплата, а страховка от самой дорогой ошибки: «сэкономили на грейде».
