AI в проверке кода: что работает, а что нет

Полгода AI-проверка кода работает в проектах. Разбираем, где AI лучше человека, а где нужен senior.

Что AI делает хорошо

1. Поиск однотипных ошибок: nullable-поля, отсутствующие await, забытые return, необработанные исключения. Не устаёт на 20-м запросе за день.
2. Проверка стиля и конвенций: no-any, prefer-const, explicit return types. Соблюдает последовательнее человека.
3. Подсказки по тестам: замечает непокрытые ветки, предлагает сценарии.

Что AI делает плохо

1. Архитектурные решения. AI-модель не знает контекста, истории, бизнес-ограничений. Это работа senior.
2. Оценка читаемости. Хвалит и ругает по формальным признакам, не понимает «тут читается лучше, хотя функция длиннее».
3. Безопасность. Знает типовые уязвимости, пропускает специфичные для проекта. Аудит безопасности всё ещё нужен человеку.

Как устроена AI-проверка

AI-проверка запускается на каждый запрос на слияние через GitHub Actions. Комментарии помечены [AI]. Разработчик видит их до проверки человеком. Если AI ошибся — пометка ложное срабатывание.

Метрики за полгода

AI нашёл 34% ошибок, которые иначе ушли бы в основную ветку. Точность (доля полезных комментариев): 71%. Ложных срабатываний: 29%.

Экономика

Стоимость: ~3 000 ₽/мес на OpenAI API при 200 запросах на слияние. Экономия: 3–4 часа в неделю senior-разработчика. Окупается в первый день.

Чек-лист внедрения

1. Начните с одного репозитория.
2. Чёткая инструкция для AI с правилами проекта.
3. Помечайте AI-комментарии явным тегом.
4. Обучите команду отличать полезное от ложного.
5. Метрики: точность, ложные срабатывания, экономия времени.
6. Раз в квартал пересматривайте инструкцию для AI.

Выводы

AI в проверке кода — первый фильтр, не замена разработчику. Снимает рутину, оставляет человеку контекст и вкус. Больше 20 запросов на слияние в неделю — попробуйте.