Исследователи из Технического университета Чалмерса и Volvo Group выпустили работу, в которой оспаривают популярный тезис о том, что ИИ-агенты постепенно забирают всё больше задач по программированию, а роль разработчиков быстро снижается. По их версии, агентные ИИ-системы не вытесняют программную инженерию, а расширяют её.
Авторы вводят понятие «полуисполняемые артефакты» — это промпты, рабочие процессы, политики, правила эскалации и процедуры принятия решений. Они напрямую влияют на поведение системы так же, как и код, но для выполнения зависят от человека или вероятностной интерпретации.
Ключевой элемент статьи — модель Semi-Executable Stack, которую исследователи описывают как диагностическую схему из шести колец.
- Кольцо 1 — классический программный код.
- Кольцо 2 — промпты и спецификации на естественном языке.
- Кольцо 3 — оркестрация рабочих процессов ИИ-агентов.
- Кольцо 4 — системы контроля: защитные ограничения и мониторинг.
- Кольцо 5 — операционная логика организации, включая процедуры принятия решений.
- Кольцо 6 — социальная и институциональная совместимость, включая такие рамки, как EU AI Act.
Авторы отмечают, что раньше программная инженерия в основном была сосредоточена на кольцах 1 и 2. Теперь кольца 2–5 становятся приоритетными объектами инженерной работы, а кольцо 6 всё чаще определяет, что вообще работает на практике.
Самый большой пробел, по оценке исследователей, находится во внешних кольцах 5 и 6. Для кода инженерные методы развиваются десятилетиями, а сопоставимых подходов для процедур принятия решений, управления и институциональной совместимости пока нет.
При этом большая часть исследований по-прежнему сосредоточена на генерации кода, исправлении ошибок, тестировании и бенчмарках, то есть в основном на кольцах 1–3.
Авторы подкрепляют свой тезис тремя наблюдениями. Во-первых, ИИ не обязан достигать уровня лучших инженеров, чтобы изменить работу команд: достаточно, чтобы он был «достаточно хорош». Во-вторых, масштаб важнее пикового качества: множество небольших и повседневных внедрений ИИ могут приносить бизнесу больше пользы, чем редкий доступ к эксперту высшего уровня. В-третьих, чем больше профильных специалистов создают свои системы с помощью естественного языка, тем выше потребность в понятных инженерных практиках.
Критику по поводу сбоев, неаккуратного кода и других проблем исследователи не отвергают, а трактуют как инженерные задачи. Если агенты галлюцинируют, то тестирование и мониторинг становятся ещё важнее. Если ИИ ускоряет выпуск кода, то вместе с этим растут и расходы на его поддержку.
В качестве примера авторы приводят «дрейф промпта»: кто-то меняет формулировку запроса, система начинает вести себя иначе, а позже уже невозможно понять, что именно стало причиной изменений.
Если организациям трудно пройти этот переход, то сам переход тоже становится инженерной задачей, пишут исследователи. Они добавляют, что тонкие суждения трудно автоматизировать, и именно поэтому их ценность растёт по мере того, как базовые задачи дешевеют и всё чаще автоматизируются.
Для практиков авторы формулируют главный вывод так: «Дефицитный навык смещается от того, чтобы строить быстрее, к тому, чтобы решать, что вообще стоит создавать или менять, какое именно кольцо меняется, как это изменение будет проверяться, как им будут управлять и как его будут поддерживать со временем».
Исследователи считают, что команды, которые воспринимают ИИ лишь как инструмент повышения эффективности в кольцах 1 и 2, могут получить локальный рост продуктивности, но упустят более крупный вопрос — перестройку самой организации.
Статья сопровождает keynote-выступление Роберта Фельдта на воркшопе Agentic Engineering 2026 в Рио-де-Жанейро. Работа также частично опирается на промышленный опыт в автомобильном секторе, полученный вместе с партнёрами Volvo.
Источник: The Decoder, статья исследователей из Chalmers University of Technology и Volvo Group.
