⚡️AI навчився писати код швидше. Але релізи не прискорилися так самоНове дослідження NBER на базі понад 100 000 GitHub-розробників і внутрішньої телеметрії Microsoft показує: ШI-інструменти різко збільшують обсяг написаного коду, але цей приріст слабше доходить до продуктового результату.За кількістю комітів ефект зростає з кожним поколінням інструментів:🟢автодоповнення - +40%;🟢синхронні ШI-агенти - +140%;🟢асинхронні ШI-агенти - +180%.Проблема в тому, що далі по ланцюгу ефект стискається. Ті самі +180% комітів дають лише +50% за кількістю проєктів і близько +30% за фактичними релізами. У синхронних агентів розрив ще більший: +741% рядків коду, +65% pull requests і лише +20% релізів.Головний висновок: вузьке місце зміщується з написання коду до ревʼю, інтеграції, прийняття рішень і go-to-market. Якщо команда генерує більше коду, але процес review, QA, product ownership і release management залишаються на старій швидкості, ШI просто збільшує чергу задач перед людьми.Схожа картина проявилася в App Store, Chrome і Google Play: нових застосунків стало більше, але загальне використання застосунків на платформах майже не змінилося. Більшість нових продуктів не набрали навіть мінімальної аудиторії. Там вузьке місце переїхало в маркетинг, дистрибуцію та здатність довести користь продукту користувачу.ШI вже дає великий приріст на рівні production output, але бізнес-результат залежить від усієї системи навколо розробки. Компанії, які автоматизують лише coding, ризикують отримати більше комітів без пропорційного зростання релізів, клієнтів і revenue.#analytics #ai #business Growth Digest: IT news & analytics