Технический долг остаётся, просто за него теперь платят токенами

Автор статьи на основе личного опыта анализирует, как появление LLM и AI-агентов повлияло на проблему технического долга в разработке ПО. Раньше компании нанимали всё больше разработчиков (часто джуниоров), чтобы компенсировать снижение скорости разработки из-за технического долга — это приводило к росту коммуникаций, регрессий и, в итоге, к дальнейшему увеличению долга. Сегодня вместо найма людей компании могут использовать LLM: увеличивать контекстное окно, запускать агентные циклы, повторять генерацию. Это действительно позволяет временно сохранять высокую скорость, но фундаментальная проблема остаётся — LLM не устраняют сложность системы, а лишь меняют валюту оплаты технического долга с человеко-часов на токены. Автор выделяет несколько причин, почему стоимость всё равно начинает расти: контекст становится дороже (чем сложнее проект, тем больше затрат на понимание системы), падает качество понимания (особенно в плохо структурированных энтерпрайз-проектах), возрастает стоимость проверки и верификации кода, а регрессии никуда не исчезают — AI генерирует код быстрее, но пропорционально растёт и число ошибок. Кроме того, проблему стало сложнее заметить, так как вместо явного увеличения команды компания плавно наращивает расходы на инференс, агентные циклы и автоматическое создание тестов. Производительность со стороны кажется высокой, но стоимость каждой следующей задачи постепенно растёт. Автор приходит к выводу, что главный дефицит эпохи AI — не скорость генерации кода, а архитектурная энтропия. Если архитектура становится слишком сложной для человека, она становится сложной и для AI, и затраты (будь то зарплаты или токены) начинают расти экспоненциально. Поэтому ключевым конкурентным преимуществом становится способность поддерживать архитектуру достаточно простой для понимания как человеком, так и AI.