Первоначальное наблюдение автора после праздничных каникул заключалось в том, что большие языковые модели достигли уровня надежного производства полезного и доступного кода. Это побудило к переосмыслению экономики разработки программного обеспечения, где производство кода больше не является основным ограничением. Автор опубликовал эти мысли, предположив, что машины будут все чаще создавать программное обеспечение под руководством человека, что потребует архитектурных изменений. Впоследствии GitLab продемонстрировал архитектурные компоненты для параллелизма в машинном масштабе и контекста жизненного цикла. Недавняя публикация Anthropic "The AI-Native SDLC Playbook" укрепила этот сдвиг, заявив, что код больше не является узким местом. Этот сдвиг означает, что планирование становится машиночитаемым, передача задач автоматизируется, проверка встраивается, а человеческое суждение фокусируется на ключевых точках принятия решений. Автор интересуется тем, что станет дефицитным и какая корпоративная архитектура потребуется, когда люди, агенты и модели будут работать на машинной скорости. Опыт таких компаний, как Stripe, Spotify и Amplitude, укрепил убеждение в том, что фундаментальное изменение заключается не просто в более быстром создании кода, а в экономических и архитектурных сдвигах, которые происходят, когда реализация становится дешевле. Ограничение смещается с производства кода на доверие к нему, причем доверие зависит от окружения модели, такого как контекст, проверка и управление. В течение шестидесяти лет разработка программного обеспечения была организована вокруг ценности и дороговизны кода, влияя на все: от сохранения устаревших систем до оптимизации производительности разработчиков и обширных церемоний перед выпуском. Однако это ограничение рушится, и, как и в случае с предыдущими технологическими абстракциями, выявляется новая проблема. Производство кода становится изобильным, но хорошее программное обеспечение остается дефицитным. Разрыв между быстрой реализацией и корректностью, безопасностью и соответствием бизнес-намерениям — это новая задача. Дешевая итерация фундаментально меняет стратегию, смещая фокус с устранения неопределенности на начальном этапе на более быстрое обучение и адаптацию. Организационные знания, ранее хранившиеся в умах людей, все чаще могут становиться исполняемым кодом, превращая сбои в производстве в регрессионные тесты, а инциденты безопасности — в политики. Автор предполагает, что ключевой экономической единицей является стоимость принятого изменения, а не стоимость строки кода, поскольку ИИ значительно снижает стоимость генерации, делая другие аспекты пропорционально более важными. Компании, такие как Stripe, Amplitude и Spotify, уже преодолевают эти изменения, и их опыт показывает, что ИИ-агенты выявляют, а не устраняют существующие инженерные ограничения. Переход к ИИ в корпоративной разработке, вероятно, будет происходить в трех сосуществующих режимах: управляемая человеком унаследованная разработка, ускоренная агентами разработка и автономная разработка.