AI in Software Development: Boosting or Slowing Your ProductivityAI в разработке ПО: ускоряет или замедляет вашу продуктивностьAI in der Softwareentwicklung: beschleunigt oder bremst deine ProduktivitätL'AI dans le développement logiciel : booster ou ralentir ta productivitéAI 在软件开发中：提高还是拖慢你的生产力
Nowadays, it’s impossible to ignore the influence of AI on software development. Instead of searching for information on Google, you can now simply ask ChatGPT, and what’s even cooler, you can make your request more specific and get more detailed information, instead of wasting time endlessly searching across the internet hoping to piece together the information like a puzzle. Honestly, I can’t even remember the last time I visited StackOverflow, while back in 2018 I used to have 10-15 active tabs open to find the information I needed or to help others by providing answers. Besides information, AI can help you analyze large logs you might have received from a server or find errors in a config file with 500+ lines, something that would take a human much longer.
AI can also assist in writing technical documentation. When I was working on my open-source library, ChatGPT wrote 80% of the XML documentation and also helped create a good documentation file for the GitHub repository.
But the most important thing is that AI can write code. For about six months now, I’ve been paying $20 a month for a subscription to Claude Code by Anthropic because it boosts my productivity and allows me to solve some routine tasks much faster. Additionally, I use ChatGPT for quick information searches or writing technical documentation.
According to the StackOverflow, about 51% of professional developers use AI tools on a daily basis, which is a pretty significant number.
Recently, the term “vibe coding” has become quite popular. It refers to a new style of programming where AI writes the code for you. It all started with using AI for solving algorithmic tasks, but it has evolved to the point where even people who don’t know how to program are trying to create something on their own. With the arrival of more powerful models and code editors like Cursor, the buzz around this trend is only growing. Now, with just one prompt, AI can generate a large amount of code, from design to business logic, and explain how and why it works.
According to a StackOverflow Survey, only 12-15% of developers are into vibe coding. While these numbers are still small, the direction is already formed and will continue to grow in the future.
When I started working on my startups, I often needed to write frontend code, which, to be honest, I didn’t really enjoy, except when working with Angular. In this case, Claude helped me by creating the basic layout, including mobile-responsive designs, and linking it with frameworks. After that, I would manually improve the components, adjust the appearance, and make everything work.
The risks here are minimal. AI doesn’t deal with business logic, databases, or payment systems. The worst thing that could happen is that AI doesn’t give me the expected result, and I waste a few hours.
Still, you should only engage in vibe coding if you understand what’s happening and are trying to optimize processes, not if you’re relying on AI to do something you don’t fully understand or can’t do yourself.
How Effective is AI?
A study published this summer by the AI research group METR questioned whether AI coding tools really help experienced developers be more productive.
In the study, METR had 16 experienced open-source developers complete 246 tasks on large code repositories. Half of the tasks allowed them to use AI tools like Cursor Pro, while the other half didn’t.
Before starting, the developers thought AI would help them finish their tasks 24% faster. But the results were surprising: “Using AI actually made them 19% slower” the researchers said.
Notably, only 56% of the developers in the study had experience using Cursor, the main AI tool offered in the study. While nearly all the developers (94%) had experience using some web-based LLMs in their coding workflows, this study was the first time some used Cursor specifically. The researchers note that developers were trained on using Cursor in preparation for the study.
These results raise doubts about whether AI tools will always make developers faster. The researchers believe that developers spend a lot of time asking AI for help and waiting for responses, which slows them down. Also, AI struggles with large, complex codebases, like the ones used in this test.
The study’s authors are careful not to draw any strong conclusions from these findings, explicitly noting they don’t believe AI systems currently fail to speed up many or most software developers. Other large-scale studies have shown that AI coding tools do speed up software engineer workflows.
At the same time, on Reddit, developers share their experiences with AI. For example, in the post “How we vibe code at a FAANG”, it’s mentioned that AI increased feature development performance by about 30%, not in a small startup, but in a large IT company. In addition to writing code, AI also helped write tests and sped up code reviews.
As you can see, using AI at work is not a magic pill that solves all problems. It’s primarily a tool that can both help and slow down even experienced developers. From my personal experience, AI is great for simple, localized tasks where no unique solution is required. But the more complex the context and the larger the task, the more it can slow you down.
Learning with AI
Back in 2017, when I was a student, my C++ teacher taught us to write code based only on our knowledge and memory. We didn’t write code on paper or in Notepad; at that time, we used Visual Studio 2015, where IntelliSense wasn’t as developed, and we didn’t know about plugins like ReSharper. You know what was a big discovery for us? Shortcuts. This is when, after typing a keyword (like “for” or “switch”) and pressing “tab” the IDE would write the code for you – not exactly writing the whole thing, but generating a template structure to speed up development. We thought it was really cool, but we soon gave it up. Why? Because we were learning to write code on our own.
You can read books like CLR via C# by Jeffrey Richter or Code Complete by Steve McConnell, but unless you’ve written thousands (or even tens of thousands) of lines of code, you won’t learn how to program properly or will do it poorly. During our C++ studies, we wrote linked lists, binary trees, worked a lot with memory, and even created games like Tic-Tac-Toe and Fifteen in the Windows console. And you know how great it feels when all the code is written by you, without any help or AI?
According to the annual StackOverflow survey, about 70% of people aged 18-24, who are just learning programming, use AI.
In my opinion, AI can help explain material in simple terms, which is a huge plus, and you can talk to it like a mentor if you don’t have one. But you need to write code yourself and spend time understanding why something isn’t working. Only then will the knowledge stick and produce results. Therefore, try to minimize AI’s influence on your learning. Don’t rely completely on the code it provides. It can often give incorrect information and only confuse you, so make sure to consult other sources as well.
Once you learn to write code on your own, work with AI, and understand where to use it best, it will truly boost your productivity.
Conclusion
The appearance of tools like ChatGPT, Claude, Cursor, and others is a big plus for the software development industry. They help reduce routine tasks, speed up, and make development easier for programmers. However, there are still tasks that AI doesn’t handle well. So, first and foremost, you should rely on your knowledge and always keep learning.
Введение
Сегодня уже невозможно игнорировать влияние AI на разработку ПО. Вместо того чтобы искать информацию в Google, можно просто спросить ChatGPT, и что ещё круче, можно сделать запрос более конкретным и получить более подробную информацию, а не тратить часы на бесконечный поиск по интернету в надежде собрать ответ из кусочков, как пазл. Честно говоря, я уже не помню, когда последний раз заходил на StackOverflow, а ведь в 2018 году у меня обычно было открыто 10-15 активных вкладок, чтобы найти нужную информацию или помочь другим ответами. Помимо информации, AI может помочь проанализировать большие логи с сервера или найти ошибку в конфиге на 500+ строк, на что у человека ушло бы куда больше времени.
AI также помогает писать техническую документацию. Когда я работал над своей open-source библиотекой, ChatGPT написал 80% XML-документации и помог собрать хороший файл документации для GitHub-репозитория.
Но самое главное, AI умеет писать код. Уже около полугода я плачу $20 в месяц за подписку на Claude Code от Anthropic, потому что он повышает мою продуктивность и позволяет решать рутинные задачи намного быстрее. Кроме того, я использую ChatGPT для быстрого поиска информации и написания технической документации.
По данным StackOverflow, около 51% профессиональных разработчиков ежедневно используют AI-инструменты, это довольно значительная цифра.
В последнее время термин «vibe coding» стал довольно популярным. Он описывает новый стиль программирования, при котором код за вас пишет AI. Всё началось с использования AI для решения алгоритмических задач, но дошло до того, что даже люди, не умеющие программировать, пытаются создавать что-то сами. С появлением более мощных моделей и редакторов кода вроде Cursor шум вокруг тренда только растёт. Сегодня по одному prompt AI способен сгенерировать большой объём кода: от вёрстки до бизнес-логики, и объяснить, как и почему это работает.
По данным StackOverflow Survey, только 12-15% разработчиков занимаются vibe coding. Цифры пока небольшие, но направление уже сформировалось и продолжит расти.
Когда я начал работать над своими стартапами, мне часто приходилось писать frontend, и, честно говоря, мне это не особо нравилось, кроме случаев с Angular. Тут Claude мне помогал: создавал базовую вёрстку, включая mobile-responsive дизайн, и связывал её с фреймворками. Дальше я уже вручную дорабатывал компоненты, подгонял внешний вид и делал так, чтобы всё работало.
Риски здесь минимальны. AI не работает с бизнес-логикой, базами данных или платёжными системами. Худшее, что может случиться, AI выдаст не тот результат, и я потеряю пару часов.
Тем не менее, заниматься vibe coding стоит только если вы понимаете, что происходит, и пытаетесь оптимизировать процесс, а не если вы рассчитываете на AI, чтобы он сделал то, в чём вы сами не разбираетесь и что не смогли бы сделать сами.
Насколько эффективен AI
Исследование, опубликованное этим летом группой AI-исследований METR, задалось вопросом, действительно ли инструменты AI помогают опытным разработчикам быть продуктивнее.
В исследовании METR попросил 16 опытных open-source разработчиков выполнить 246 задач в крупных репозиториях. В половине задач им разрешалось использовать AI-инструменты вроде Cursor Pro, в другой половине, нет.
До начала разработчики думали, что AI поможет им справиться на 24% быстрее. Но результаты удивили: «Использование AI на самом деле замедлило их на 19%», говорят исследователи.
Что важно, только 56% разработчиков в исследовании имели опыт с Cursor, основным AI-инструментом, который предлагался. Почти все (94%) уже работали с какими-то веб-LLM в своих процессах, но именно Cursor некоторые видели впервые. Исследователи отмечают, что разработчиков обучали работе с Cursor перед исследованием.
Эти результаты ставят под сомнение, что AI-инструменты всегда ускоряют разработчика. Исследователи считают, что разработчики тратят много времени на запросы к AI и ожидание ответов, и это их замедляет. К тому же AI хуже справляется с крупными и сложными кодовыми базами, как те, что использовались в тесте.
Авторы исследования аккуратны в выводах, прямо отмечая, что они не считают, что AI-системы сейчас не ускоряют большинство разработчиков. Другие масштабные исследования показывают, что AI-инструменты действительно ускоряют процессы инженеров.
В то же время на Reddit разработчики делятся опытом с AI. Например, в посте «How we vibe code at a FAANG» говорится, что AI повысил скорость разработки фич примерно на 30%, и это не в маленьком стартапе, а в крупной IT-компании. Помимо написания кода, AI также помогал писать тесты и ускорял код-ревью.
Как видите, использование AI на работе, это не волшебная таблетка от всех проблем. Это прежде всего инструмент, который может как помочь, так и замедлить даже опытного разработчика. По личному опыту, AI отлично справляется с простыми и локальными задачами, где не нужно уникальное решение. Но чем сложнее контекст и больше задача, тем сильнее он может замедлить.
Обучение с AI
Ещё в 2017-м, когда я был студентом, мой преподаватель C++ учил нас писать код опираясь только на знания и память. Мы не писали код на бумаге или в Notepad, тогда мы пользовались Visual Studio 2015, где IntelliSense был ещё слабоват, а про плагины вроде ReSharper мы не знали. Знаете, что было для нас большим открытием? Shortcuts. Это когда после ключевого слова (например, «for» или «switch») и нажатия «tab» IDE сама писала шаблонную структуру, чтобы ускорить разработку. Нам казалось это очень крутым, но мы быстро от этого отказались. Почему? Потому что мы учились писать код сами.
Можно читать книги вроде CLR via C# Джеффри Рихтера или Code Complete Стива Макконнелла, но пока вы не напишете тысячи (или десятки тысяч) строк кода, вы не научитесь программировать как надо или будете делать это плохо. За время учёбы на C++ мы писали связные списки, бинарные деревья, много работали с памятью и даже делали игры вроде Tic-Tac-Toe и «Пятнашек» в консоли Windows. И знаете, как приятно, когда весь код написан вами, без подсказок и AI?
По ежегодному опросу StackOverflow, около 70% людей в возрасте 18-24, которые только учатся программировать, пользуются AI.
На мой взгляд, AI отлично помогает объяснить материал простыми словами, это огромный плюс, и с ним можно общаться как с ментором, если ментора нет. Но писать код нужно самому и тратить время на то, чтобы понять, почему что-то не работает. Только тогда знания закрепятся и дадут результат. Поэтому постарайтесь минимизировать влияние AI на обучение. Не полагайтесь полностью на код, который он выдаёт. Он часто может ошибаться и только запутывать, поэтому обязательно сверяйтесь и с другими источниками.
Когда вы научитесь писать код сами, работать с AI и понимать, где он полезнее всего, он действительно начнёт повышать вашу продуктивность.
Заключение
Появление инструментов вроде ChatGPT, Claude, Cursor и других, большой плюс для индустрии разработки ПО. Они помогают сокращать рутину, ускорять процессы и упрощать разработку для программистов. Тем не менее, есть задачи, с которыми AI справляется плохо. Поэтому в первую очередь полагайтесь на свои знания и не переставайте учиться.
Einleitung
Heutzutage kann man den Einfluss von AI auf die Softwareentwicklung nicht mehr ignorieren. Statt Informationen auf Google zu suchen, kann man jetzt einfach ChatGPT fragen, und was noch cooler ist, du kannst deine Anfrage präziser machen und detailliertere Informationen bekommen, statt Stunden mit endlosem Suchen im Internet zu verbringen und zu hoffen, die Antwort wie ein Puzzle zusammensetzen zu können. Ehrlich gesagt, ich erinnere mich nicht mal, wann ich zuletzt auf StackOverflow war, während ich 2018 normalerweise 10-15 aktive Tabs offen hatte, um die nötige Information zu finden oder anderen mit Antworten zu helfen. Neben Informationen kann AI dir helfen, große Logs von einem Server zu analysieren oder Fehler in einer Konfigurationsdatei mit 500+ Zeilen zu finden, etwas wofür ein Mensch viel länger bräuchte.
AI kann auch beim Schreiben technischer Dokumentation helfen. Als ich an meiner Open-Source-Library gearbeitet habe, hat ChatGPT 80% der XML-Dokumentation geschrieben und auch eine gute Dokumentationsdatei für das GitHub-Repository erstellt.
Aber das Wichtigste ist: AI kann Code schreiben. Seit etwa einem halben Jahr zahle ich $20 im Monat für ein Abo bei Claude Code von Anthropic, weil es meine Produktivität steigert und mir erlaubt, Routineaufgaben viel schneller zu erledigen. Zusätzlich nutze ich ChatGPT für schnelle Informationssuchen oder zum Schreiben technischer Dokumentation.
Laut StackOverflow nutzen etwa 51% der professionellen Entwickler täglich AI-Tools, das ist eine ziemlich beachtliche Zahl.
In letzter Zeit ist der Begriff „vibe coding” ziemlich populär geworden. Er bezieht sich auf einen neuen Programmierstil, bei dem AI den Code für dich schreibt. Angefangen hat es damit, AI für algorithmische Aufgaben zu nutzen, aber es ist soweit gekommen, dass selbst Leute, die nicht programmieren können, versuchen, selbst etwas zu bauen. Mit dem Erscheinen leistungsfähigerer Modelle und Code-Editoren wie Cursor wächst der Hype um diesen Trend weiter. Heute kann AI mit einem einzigen Prompt eine große Menge Code generieren, vom Design bis zur Business-Logik, und erklären, wie und warum es funktioniert.
Laut einer StackOverflow-Umfrage machen nur 12-15% der Entwickler Vibe Coding. Die Zahlen sind noch klein, aber die Richtung steht fest und wird in Zukunft weiter wachsen.
Als ich anfing an meinen Startups zu arbeiten, musste ich oft Frontend-Code schreiben, was mir, ehrlich gesagt, nicht wirklich Spaß gemacht hat, außer wenn ich mit Angular gearbeitet habe. Hier hat mir Claude geholfen, indem er das grundlegende Layout erstellt hat, einschließlich mobile-responsive Designs, und es mit Frameworks verbunden hat. Danach habe ich die Komponenten manuell verbessert, das Aussehen angepasst und dafür gesorgt, dass alles funktioniert.
Die Risiken sind hier minimal. AI fasst keine Business-Logik, Datenbanken oder Bezahlsysteme an. Das Schlimmste, was passieren kann: AI liefert nicht das erwartete Ergebnis und ich verliere ein paar Stunden.
Trotzdem solltest du dich nur dann auf Vibe Coding einlassen, wenn du verstehst, was passiert, und versuchst, Prozesse zu optimieren, nicht wenn du dich auf AI verlässt, damit es etwas tut, was du selbst nicht voll verstehst oder nicht selbst hinbekommst.
Wie effektiv ist AI
Eine diesen Sommer von der AI-Forschungsgruppe METR veröffentlichte Studie ging der Frage nach, ob AI-Coding-Tools erfahrene Entwickler wirklich produktiver machen.
In der Studie ließ METR 16 erfahrene Open-Source-Entwickler 246 Aufgaben in großen Code-Repositorys erledigen. Bei der Hälfte der Aufgaben durften sie AI-Tools wie Cursor Pro nutzen, bei der anderen Hälfte nicht.
Vor dem Start dachten die Entwickler, AI würde ihnen helfen, ihre Aufgaben 24% schneller abzuschließen. Aber die Ergebnisse waren überraschend: „AI zu nutzen hat sie tatsächlich 19% langsamer gemacht”, so die Forscher.
Bemerkenswert: Nur 56% der Entwickler in der Studie hatten Erfahrung mit Cursor, dem in der Studie hauptsächlich angebotenen AI-Tool. Während fast alle (94%) Erfahrung mit irgendwelchen web-basierten LLMs in ihren Coding-Workflows hatten, war es für manche das erste Mal, dass sie speziell Cursor nutzten. Die Forscher merken an, dass die Entwickler vor der Studie auf die Nutzung von Cursor geschult wurden.
Diese Ergebnisse werfen Zweifel daran auf, ob AI-Tools Entwickler immer schneller machen. Die Forscher glauben, dass Entwickler viel Zeit damit verbringen, AI um Hilfe zu bitten und auf Antworten zu warten, was sie verlangsamt. Außerdem hat AI Probleme mit großen, komplexen Codebases, wie denen in diesem Test.
Die Autoren der Studie sind vorsichtig, daraus keine starken Schlüsse zu ziehen, und merken explizit an, dass sie nicht glauben, dass AI-Systeme aktuell die meisten Softwareentwickler nicht beschleunigen. Andere groß angelegte Studien haben gezeigt, dass AI-Coding-Tools die Workflows von Software Engineers beschleunigen.
Gleichzeitig teilen Entwickler auf Reddit ihre Erfahrungen mit AI. Zum Beispiel wird im Post „How we vibe code at a FAANG” erwähnt, dass AI die Performance bei der Feature-Entwicklung um etwa 30% gesteigert hat, nicht in einem kleinen Startup, sondern in einem großen IT-Unternehmen. Neben dem Schreiben von Code half AI auch beim Schreiben von Tests und beschleunigte Code Reviews.
Wie du siehst, AI bei der Arbeit zu nutzen ist keine Wunderpille, die alle Probleme löst. Es ist in erster Linie ein Werkzeug, das selbst erfahrene Entwickler sowohl beschleunigen als auch ausbremsen kann. Aus meiner persönlichen Erfahrung: AI ist großartig für einfache, lokale Aufgaben, bei denen keine einzigartige Lösung gefragt ist. Aber je komplexer der Kontext und je größer die Aufgabe, desto mehr kann es dich bremsen.
Lernen mit AI
2017, als ich Student war, brachte mir mein C++-Lehrer bei, Code nur basierend auf Wissen und Gedächtnis zu schreiben. Wir schrieben Code nicht auf Papier oder in Notepad, damals nutzten wir Visual Studio 2015, wo IntelliSense noch nicht so ausgereift war, und Plugins wie ReSharper kannten wir nicht. Weißt du, was für uns eine große Entdeckung war? Shortcuts. Wenn du ein Schlüsselwort tippst (etwa „for” oder „switch”) und „tab” drückst, schreibt die IDE den Code für dich, nicht den ganzen Code, sondern eine Template-Struktur, um die Entwicklung zu beschleunigen. Wir fanden das richtig cool, gaben es aber schnell wieder auf. Warum? Weil wir lernten, Code selbst zu schreiben.
Du kannst Bücher lesen wie CLR via C# von Jeffrey Richter oder Code Complete von Steve McConnell, aber solange du nicht tausende (oder zehntausende) Zeilen Code geschrieben hast, lernst du nicht, richtig zu programmieren, oder du wirst es schlecht tun. Während meines C++-Studiums schrieben wir verkettete Listen, Binärbäume, arbeiteten viel mit Speicher und bauten sogar Spiele wie Tic-Tac-Toe und Fifteen in der Windows-Konsole. Und weißt du, wie gut sich das anfühlt, wenn der ganze Code von dir geschrieben ist, ohne Hilfe oder AI?
Laut der jährlichen StackOverflow-Umfrage nutzen etwa 70% der 18-24-Jährigen, die gerade programmieren lernen, AI.
Meiner Meinung nach kann AI Stoff in einfachen Worten erklären, das ist ein riesiges Plus, und man kann mit ihm wie mit einem Mentor reden, falls man keinen hat. Aber Code muss man selbst schreiben und Zeit darauf verwenden, zu verstehen, warum etwas nicht funktioniert. Nur dann setzt sich das Wissen fest und liefert Ergebnisse. Deshalb versuche, den Einfluss von AI auf dein Lernen zu minimieren. Verlass dich nicht komplett auf den Code, den es liefert. Es kann oft falsche Informationen geben und dich nur verwirren, also konsultiere unbedingt auch andere Quellen.
Sobald du gelernt hast, Code selbst zu schreiben, mit AI zu arbeiten und zu verstehen, wo es am besten eingesetzt wird, wird es deine Produktivität wirklich steigern.
Fazit
Das Erscheinen von Tools wie ChatGPT, Claude, Cursor und anderen ist ein großes Plus für die Softwareentwicklungs-Branche. Sie helfen, Routine zu reduzieren, Prozesse zu beschleunigen und die Entwicklung für Programmierer einfacher zu machen. Es gibt aber immer noch Aufgaben, mit denen AI schlecht umgehen kann. Verlass dich also in erster Linie auf dein Wissen und höre nie auf zu lernen.
Introduction
Aujourd’hui, il est impossible d’ignorer l’influence de l’AI sur le développement logiciel. Au lieu de chercher des informations sur Google, on peut maintenant simplement demander à ChatGPT, et ce qui est encore plus cool, on peut rendre sa requête plus précise et obtenir des informations plus détaillées, au lieu de perdre des heures à chercher sans fin sur internet en espérant assembler la réponse comme un puzzle. Honnêtement, je ne me souviens même plus de la dernière fois où je suis allé sur StackOverflow, alors qu’en 2018 j’avais habituellement 10-15 onglets actifs ouverts pour trouver l’information dont j’avais besoin ou aider les autres en donnant des réponses. En plus de l’information, l’AI peut aider à analyser des gros logs reçus d’un serveur ou à trouver une erreur dans un fichier de configuration de 500+ lignes, ce qui prendrait beaucoup plus de temps à un humain.
L’AI peut aussi aider à écrire de la documentation technique. Quand je travaillais sur ma librairie open-source, ChatGPT a écrit 80% de la documentation XML et m’a aussi aidé à créer un bon fichier de documentation pour le repository GitHub.
Mais le plus important : l’AI peut écrire du code. Depuis environ six mois, je paie 20$ par mois pour un abonnement à Claude Code d’Anthropic parce que ça booste ma productivité et me permet de résoudre certaines tâches routinières beaucoup plus vite. En plus, j’utilise ChatGPT pour des recherches rapides d’information ou pour écrire de la documentation technique.
D’après StackOverflow, environ 51% des développeurs professionnels utilisent des outils AI quotidiennement, ce qui est un chiffre assez significatif.
Récemment, le terme « vibe coding » est devenu très populaire. Il désigne un nouveau style de programmation où l’AI écrit le code pour toi. Tout a commencé avec l’utilisation de l’AI pour résoudre des problèmes algorithmiques, mais ça a évolué au point où même des gens qui ne savent pas programmer essaient de créer quelque chose par eux-mêmes. Avec l’arrivée de modèles plus puissants et d’éditeurs de code comme Cursor, le bruit autour de cette tendance ne fait que croître. Maintenant, avec un seul prompt, l’AI peut générer une grande quantité de code, du design à la business logic, et expliquer comment et pourquoi ça marche.
D’après le StackOverflow Survey, seuls 12-15% des développeurs font du vibe coding. Les chiffres restent petits, mais la direction est tracée et continuera à croître à l’avenir.
Quand j’ai commencé à travailler sur mes startups, j’avais souvent besoin d’écrire du code frontend, ce qui, honnêtement, ne me plaisait pas vraiment, sauf quand je travaillais avec Angular. Dans ce cas, Claude m’a aidé en créant la mise en page de base, y compris les designs mobile-responsive, et en la connectant aux frameworks. Après ça, j’améliorais les composants manuellement, j’ajustais l’apparence et je faisais en sorte que tout fonctionne.
Les risques ici sont minimes. L’AI ne touche pas à la business logic, aux bases de données ou aux systèmes de paiement. Le pire qui puisse arriver, c’est que l’AI ne donne pas le résultat attendu et que je perde quelques heures.
Cela dit, il faut faire du vibe coding seulement si tu comprends ce qui se passe et que tu essaies d’optimiser des processus, pas si tu comptes sur l’AI pour faire quelque chose que tu ne comprends pas pleinement ou que tu ne saurais pas faire toi-même.
L’AI est-elle vraiment efficace
Une étude publiée cet été par le groupe de recherche AI METR a posé la question de savoir si les outils AI de coding aident réellement les développeurs expérimentés à être plus productifs.
Dans l’étude, METR a demandé à 16 développeurs open-source expérimentés de réaliser 246 tâches sur de gros repositories. La moitié des tâches leur permettait d’utiliser des outils AI comme Cursor Pro, l’autre moitié non.
Avant de commencer, les développeurs pensaient que l’AI les aiderait à finir leurs tâches 24% plus vite. Mais les résultats ont surpris : « Utiliser l’AI les a en fait rendus 19% plus lents », disent les chercheurs.
À noter : seuls 56% des développeurs de l’étude avaient l’expérience de Cursor, le principal outil AI proposé. Alors que presque tous (94%) avaient l’expérience de LLM web-based dans leur workflow de coding, c’était la première fois que certains utilisaient spécifiquement Cursor. Les chercheurs notent que les développeurs ont été formés à l’utilisation de Cursor en préparation de l’étude.
Ces résultats jettent un doute sur le fait que les outils AI rendent toujours les développeurs plus rapides. Les chercheurs pensent que les développeurs passent beaucoup de temps à demander de l’aide à l’AI et à attendre les réponses, ce qui les ralentit. De plus, l’AI a du mal avec de grosses codebases complexes, comme celles utilisées dans ce test.
Les auteurs de l’étude restent prudents avant de tirer des conclusions fortes de ces résultats, en notant explicitement qu’ils ne pensent pas que les systèmes AI actuels n’arrivent pas à accélérer la plupart des développeurs. D’autres études à grande échelle ont montré que les outils AI accélèrent les workflows des software engineers.
En parallèle, sur Reddit, des développeurs partagent leurs expériences avec l’AI. Par exemple, dans le post « How we vibe code at a FAANG », il est mentionné que l’AI a augmenté la performance de développement de features d’environ 30%, pas dans une petite startup, mais dans une grosse boîte IT. En plus d’écrire du code, l’AI a aussi aidé à écrire des tests et accéléré les code reviews.
Comme tu peux le voir, utiliser l’AI au travail n’est pas une pilule magique qui résout tous les problèmes. C’est avant tout un outil qui peut à la fois aider et ralentir, même des développeurs expérimentés. Par expérience personnelle, l’AI est super pour des tâches simples et localisées où aucune solution unique n’est requise. Mais plus le contexte est complexe et la tâche grande, plus ça peut te ralentir.
Apprendre avec l’AI
En 2017, quand j’étais étudiant, mon prof de C++ nous apprenait à écrire du code uniquement basé sur notre connaissance et notre mémoire. On n’écrivait pas de code sur papier ou dans Notepad, à l’époque on utilisait Visual Studio 2015, où IntelliSense n’était pas aussi développé, et on ne connaissait pas les plugins comme ReSharper. Tu sais ce qui était une grande découverte pour nous ? Les shortcuts. C’est quand, après avoir tapé un mot-clé (comme « for » ou « switch ») et appuyé sur « tab », l’IDE écrivait le code à ta place, pas le code entier mais une structure de template pour accélérer le développement. On trouvait ça super cool, mais on a vite arrêté. Pourquoi ? Parce qu’on apprenait à écrire du code par nous-mêmes.
Tu peux lire des livres comme CLR via C# de Jeffrey Richter ou Code Complete de Steve McConnell, mais tant que tu n’as pas écrit des milliers (ou des dizaines de milliers) de lignes de code, tu n’apprendras pas à programmer correctement, ou tu le feras mal. Pendant nos études en C++, on a écrit des listes chaînées, des arbres binaires, on a beaucoup travaillé avec la mémoire, et on a même créé des jeux comme Tic-Tac-Toe et Fifteen dans la console Windows. Et tu sais à quel point c’est satisfaisant quand tout le code est écrit par toi, sans aucune aide ni AI ?
D’après le sondage annuel StackOverflow, environ 70% des gens entre 18 et 24 ans, qui apprennent juste à programmer, utilisent l’AI.
À mon avis, l’AI peut aider à expliquer un sujet en termes simples, c’est un énorme plus, et on peut lui parler comme à un mentor quand on en a pas. Mais il faut écrire le code soi-même et passer du temps à comprendre pourquoi quelque chose ne marche pas. C’est seulement comme ça que le savoir reste et donne des résultats. Donc essaie de minimiser l’influence de l’AI sur ton apprentissage. Ne te fie pas complètement au code qu’elle te fournit. Elle peut souvent donner des informations incorrectes et juste t’embrouiller, donc consulte aussi d’autres sources.
Une fois que tu auras appris à écrire du code par toi-même, à travailler avec l’AI et à comprendre où l’utiliser au mieux, elle boostera vraiment ta productivité.
Conclusion
L’apparition d’outils comme ChatGPT, Claude, Cursor et d’autres est un grand plus pour l’industrie du développement logiciel. Ils aident à réduire les tâches routinières, à accélérer et à simplifier le développement pour les programmeurs. Cela dit, il y a encore des tâches que l’AI gère mal. Donc, d’abord et avant tout, fie-toi à ton savoir et continue à apprendre.
引言
如今 AI 对软件开发的影响已经无法忽视。不用再去 Google 搜信息，你现在直接问 ChatGPT 就行，更酷的是，你可以把请求写得更具体，得到更详细的信息，而不用花几个小时在网上漫无目的地搜索，希望像拼图一样把答案拼起来。说实话，我都不记得上次上 StackOverflow 是什么时候，而 2018 年那会儿我通常会开着 10-15 个标签页找需要的信息，或者通过回答问题去帮别人。除了找信息，AI 还能帮你分析从服务器拿到的大量日志，或者在 500 多行的配置文件里找错误，人来做这些会花更长时间。
AI 也能帮忙写技术文档。我做 open source 库的时候，ChatGPT 写了 80% 的 XML 文档，也帮我为 GitHub 仓库做了一份不错的文档文件。
但最重要的是，AI 能写代码。差不多半年来我每月付 20 美元订阅 Anthropic 的 Claude Code，因为它能提升我的生产力，让我把一些常规任务做得快很多。另外我也用 ChatGPT 做快速信息查询或者写技术文档。
根据 StackOverflow，大约 51% 的专业开发者每天都在使用 AI 工具，这是一个相当大的比例。
最近「vibe coding」这个词变得相当流行。它指的是一种新的编程方式，由 AI 来替你写代码。一开始只是用 AI 解决算法题，但发展到现在，连不会编程的人都在尝试自己做点东西。随着更强的模型和像 Cursor 这样的代码编辑器出现，这股风潮越来越大。现在只需要一个 prompt，AI 就能生成大量代码，从设计到业务逻辑，并解释它是怎么工作的、为什么这么写。
你能看到，在工作中用 AI 并不是解决所有问题的灵丹妙药。它首先是一个工具，对哪怕是有经验的开发者，也可能既有帮助、又会拖慢节奏。从我个人经验看，AI 很适合简单、局部、不需要独特解决方案的任务。但上下文越复杂、任务越大，它就越可能拖慢你。
用 AI 学习
2017 年我还是学生时，我的 C++ 老师教我们只凭知识和记忆写代码。我们不在纸上或 Notepad 里写代码，那时我们用的是 Visual Studio 2015，IntelliSense 还不够强，我们也不知道 ReSharper 这样的插件。你猜什么对我们来说是个大发现？Shortcuts。也就是你输入一个关键字（比如「for」或「switch」）后按「tab」，IDE 就会替你写代码，不是把整段都写出来，而是生成一个模板结构，加快开发速度。我们当时觉得很酷，但很快放弃了。为什么？因为我们要自己学着写代码。
你可以读 Jeffrey Richter 的 CLR via C# 或者 Steve McConnell 的 Code Complete，但只要你没写过几千（甚至几万）行代码，你就学不会真正地编程，或者会做得很差。我们学 C++ 的时候，写过链表、二叉树，大量地操作内存，甚至在 Windows 控制台里做过 Tic-Tac-Toe 和「数字华容道」这样的游戏。你知道那种感觉吗？所有代码都是你自己写的，没有任何外力或 AI 帮忙。
Discussion