Состояние AI-кодинг-агентов — synthesis 114 источников
Саммари
Фундаментальный synthesis состояния AI-кодинг-агентов на 2026 год: 114 источников, анализ METR, DORA, Faros. Джо Янг формулирует ключевой парадокс — разработчики на 19% медленнее с AI на знакомом коде, при субъективном ощущении ускорения на 20%. Стоимость сместилась из генерации в ревью, оркестрацию и контекстное бюджетирование.
Из этого следует, что парадокс AI-производительности критичен при проектировании Revit-инструментов: AI ускоряет незнакомые задачи (новый Revit API), но замедляет знакомые (рутинные операции). Нужна архитектура харнеса, минимизирующая context switching.
На практике результаты по review capacity подтверждают необходимость автоматической верификации Revit-агентов. Без automated review узким местом станет человек, проверяющий AI-сгенерированные Revit-скрипты.
Важный нюанс: закон масштабирования (удвоение каждые 7 месяцев) — медиана, а не максимум. Tail performance сильно отстаёт, и для production-grade Revit-агентов это означает необходимость закладывать запас надёжности.