Вайбкодинг есть, а вайбрезультатов нет?

Поклонники вайбкодинга и агентных инструментов говорят, что стали продуктивнее в 2, в 10, а то и в 100 раз. Кто-то собрал целый браузер с нуля. Впечатляет!

Тогда скептики резонно спрашивают: где все приложения? Если разработчики стали (возьмём консервативную оценку) хотя бы вдвое продуктивнее, где искать вдвое больше произведённого ПО? Такие вопросы исходят из допущения, что мир хочет больше программ, а значит, если их дешевле делать, их будут делать больше. Если вы с этим согласны — где тогда этот избыток, который можно назвать «AI-эффектом»?

Посмотрим на PyPI — центральный репозиторий Python-пакетов. Он большой, публичный и стабильно измеримый, так что AI-эффект должен быть хорошо заметен.

Считаем пакеты

Видите? Вот момент выхода ChatGPT. Похоже ли это на эпохальную революцию производительности на верхнем графике? Нет.

На нижнем графике — несколько всплесков новых пакетов в месяц в так называемую «AI-эру» с 2020 года. Но они отражают волны спама и вредоносного ПО, а не реальное создание пакетов.

Странно. Если AI делает разработчиков продуктивнее, почему они не производят больше ПО?

Считаем обновления

Можно возразить: создание пакетов — не тот показатель. Любой может загрузить «пакет», внутри которого лишь hello world. Это всегда проще, чем создать что-то устойчивое, чем люди реально пользуются. Нужно смотреть на «настоящие» пакеты — те, которые скачивают, используют и поддерживают.

Тогда другой график. Берём 15 000 самых скачиваемых Python-пакетов на PyPI за декабрь 2025 года, делим их на когорты по году создания и для каждой смотрим медианную частоту релизов во времени. Это разумный показатель производства реального, активно используемого ПО.

Что видим? Пакеты обновляются чаще после появления ChatGPT?

Отчасти.

Пакеты, "рождённые" после ChatGPT, обновлялись чаще в первый год жизни (13 релизов/год), чем пакеты 2014 года (6 релизов/год). Но это продолжение тренда, который начался слишком рано, чтобы его объяснить AI. Частота релизов в первый год начала расти с 2019-го (10 релизов/год) — задолго до появления современных AI-инструментов для разработки. Скорее всего, дело в росте популярности инструментов непрерывной интеграции вроде GitHub Actions.

Ещё один аргумент против AI-объяснения: пакеты по-прежнему обновляются реже по мере старения. Это не изменилось. То есть люди не используют AI так, чтобы обновлять старые пакеты активнее.

Дело в AI

Но часть роста начальной частоты релизов всё же связана с AI? Посмотрим глубже.

Разделим пакеты на те, что связаны с AI, и остальные — по описанию пакета. Виден ли AI-эффект?

Кое-что есть!

Пакеты не про AI ведут себя почти так же, как их предшественники до ChatGPT: тот же скромный, постепенный рост релизов в год.

А вот пакеты про AI показывают резкий скачок частоты обновлений. Например, пакеты про AI, впервые выпущенные в 2023 году, достигли медианы в 20 релизов за первые 12 месяцев — почти вдвое больше, чем их не-AI аналоги того же года.

Иными словами, новые пакеты про AI обновляются значительно чаще. Вопрос — почему.

Или дело в популярности?

AI сейчас очень популярен. Может быть, мы просто наблюдаем, что популярные пакеты обновляются чаще?

Проверим. Разобьём 15 000 пакетов на две группы: 7 500 более популярных и 7 500 менее популярных.

Нет. Верхний правый квадрант выбивается: популярные AI-пакеты после ChatGPT достигли 21–26 медианных релизов в год — более чем вдвое больше примерно 10 у популярных не-AI-пакетов (и заметно больше менее популярных AI-пакетов).

Так что эффект >2x в частоте релизов существует, и он сосредоточен именно в самых популярных AI-пакетах.

И что с того?

Резюмируем данные:

1. Никакого очевидного роста скорости создания пакетов в целом после ChatGPT нет — и лишь минимальный рост частоты обновлений в целом.

2. Небольшой, устойчивый рост частоты обновлений по годам существует, но этот тренд предшествует ChatGPT.

3. Крупный рост (>2x) частоты обновлений — только у популярных AI-пакетов, со скромным эффектом у менее популярных.

Делает ли AI разработчиков в целом радикально продуктивнее?

Нет. Признаков того, что разработчики в среднем стали в 100 или даже в 10 раз продуктивнее, нет. Волны новых пакетов или обновлений просто не существует.

Создают ли некоторые разработчики приложения значительно быстрее благодаря AI?

Возможно. Но видимый совокупный эффект настолько скромен, что если кто-то и получает большой прирост, таких людей немного. Или же реальный прирост не такой большой. На графиках мы не увидели заметного роста частоты обновлений.

Создаётся ли огромное количество ПО для работы с AI?

Да. Скачок частоты обновлений у свежих AI-пакетов — это главный заметный эффект. И именно его узость требует объяснения.

Почему этот скачок сосредоточен в ПО про AI? Две гипотезы:

1. Проблема навыков. Люди, создающие AI-инструменты, вероятно, лучше умеют использовать AI для разработки. Это даёт им больший прирост продуктивности. Но если бы дело было только в навыках, эффект распределился бы по всем AI-пакетам — а не только по самым популярным, как показывает матрица 2?2.

2. Деньги и хайп. В AI влиты огромные средства и энтузиазм, которые конвертируются в том числе в PyPI-пакеты. Возможно, дело не в том, что разработчики стали продуктивнее, — просто они работают больше, потому что на это есть финансирование. Когорты на третьем графике иллюстрируют это: в 2021 году соотношение не-AI к AI-пакетам — больше 6:1 (1211 к 185). В 2024 году — меньше 2:1 (727 к 423). Получается, не AI делает разработчиков сверхлюдьми, а гиперинтерес к AI оплачивает более высокий темп создания и итерации пакетов про него.

Данные не позволяют определить, какой из эффектов больше.

Главный измеримый итог революции генеративного AI — пока не кембрийский взрыв (когда за короткое время расцветает всё и сразу), а резкий и узкий всплеск обновлений именно в пакетах про AI.