Секундомер, Cursor и −19%: три режима ИИ в одном рабочем дне

Три режима ИИ в одном рабочем дне: навязанная сводка, Cursor Pro с ревью и задача с оракулом, который отвечает за миллисекунды. Соло-разработчику важен не бренд модели, а есть ли способ поймать правдоподобную ошибку до слияния; в разборе от секундомера METR до фильтра «можно ли поймать ложь».
Навязанный ИИ и выбранный экспертом: не две модели
Rudratosh на Dev.to противопоставляет не вендоров, а роли получателя: кто выбирал инструмент, можно ли проверить ответ и кто платит за промах. «ИИ, который вам навязали»: AI Overviews в поиске, принудительные саммари, чужой сгенерированный черновик без ревью. «ИИ, который выбрал эксперт»: связка опытного разработчика с ограниченной, проверяемой задачей.
Одна и та же LLM ведёт себя как разный продукт, если у читателя нет дешёвого способа поймать ложь.
Для vibe coding это выбор: включаете сопилот «как в демо» или строите контур, где агент не подменяет вашу ответственность за слияние.
«Может ли человек, получающий этот вывод, понять, когда он неправ?» Да, режим ближе к «правому столбцу». Нет, ловушка навязанного саммари, «рабочего шлака» или джун без ревью.
METR, Cursor Pro и налог на проверку диффов
Центральный замер METR 2025: рандомизированное сравнение. Шестнадцать опытных open-source разработчиков, 246 задач из их же крупных репозиториев, случайное назначение «AI allowed» / «AI forbidden». В протоколе фигурируют Cursor Pro и Claude 3.5/3.7 Sonnet.
Таблица ожиданий и секундомера (как у Rudratosh):
| Ожидание / ощущение / замер | Значение |
|---|---|
| До теста, прогноз ускорения | +24% быстрее |
| Субъективно после | +20% быстрее |
| Фактическое время | −19% медленнее |
Микроразбивка времени объясняет парадокс: ручное написание кода и чтение документации сжимаются, а prompting, ожидание генераций и review/clean растут. На ревью уходит порядка 9% времени задачи; принимается меньше 44% сгенерированного кода, остальное отбрасывается или переписывается.
Выборка честно узкая.
Четверо из шестнадцати ускорились; новички, незнакомые репозитории или greenfield могут выигрывать. Для соло на своём монорепо минус девятнадцать процентов не универсальный закон, а сигнал про налог на верификацию на знакомой базе.
Три сцепленных механизма связывают замер с ежедневной практикой. Verification tax: правдоподобный, но не гарантированный вывод требует проверки; в замерах METR около 9% на review и менее 44% acceptance. Асимметрия ценности: максимум пользы там, где пользователь и так эксперт; деплой «ИИ по умолчанию» в поиск и чатботы нацелен на аудиторию без верификации. Skill atrophy: меньше людей, способных ловить ошибки, при росте объёма правдоподобного шума.
Перенос на ежедневный цикл в IDE прямой.
Вы платите за Cursor Pro и ждёте Sonnet, но если каждый дифф нужно читать как чужой PR без тестов, «ускорение» остаётся в голове, а календарь толстеет. Соло-разработчик не может делегировать ревью команде: налог на верификацию ложится на одного человека.
Пять линий к одному фильтру «поймать ошибку»
Остальные блоки Dev.to не отдельные «сенсации», а иллюстрации того же разрыва «можно ли поймать ошибку».
Поиск и AI Overviews. Спорные оценки неточности Gemini 3, доля ungrounded ответов, цитирование Facebook/Reddit и цифра Pew: 1% кликают ссылку в summary против 99%, принимающих текст как ответ. Это масштаб «левого столбца»: forced ИИ без эксперта-получателя.
Рабочий шлак (workslop). По сводке HBR / BetterUp / Stanford (сентябрь 2025, с пометкой self-reported): порядка 40% получали такой вывод за месяц; около 1 ч 56 мин на разбор инцидента; оценки около $186/мес на сотрудника. Социальный эффект: примерно половина доверяла отправителю меньше; 22% offended. Для агентов в продукте аналог: «успешный» ответ, который коллега или пользователь не может быстро проверить.
Model collapse (Nature, 2024, Shumailov et al.): рекурсивное обучение на собственном выводе; девять поколений fine-tune; редкие корректные детали исчезают первыми; около 10% человеческих данных замедляет деградацию, не останавливает.
Косвенно бьёт по доверию к бесконтрольной генерации в пайплайне.
Опросы и «счёт за промпт». Pew (июнь 2025, 5 023 взрослых в США по данным автора): 50% больше обеспокоены, чем в восторге; 57% видят высокий риск для общества против 25% высокой пользы. Энергия и вода на запрос (около 0,3 Wh, около 519 ml на 100 слов) автор помечает как contested; для разработчика важнее локальный налог времени, а не глобальный carbon.
Оракул в Cursor и маркировка задач в соло-workflow
К «правому столбцу» относят triage логов и ERP, поиск паттернов в больших датасетах со экспертом, static analysis / security на фиксированном артефакте. Общая форма: эксперт, ограниченная проверяемая задача, данные слишком велики для ручного чтения.
В комментариях на Dev.to уточняют: для adversarial test fixtures верификация через parser / schema / regression suite как «дешёвый oracle» (миллисекунды) против stateful-кода без oracle. Rudratosh соглашается переформулировать критерий с «эксперт + bounded task» на «есть ли дешёвый sound oracle». Таблица в ответе делит задачи: fixtures, log triage, static analysis, с oracle; control flow, email, без.
Прежде чем открывать чат с агентом, спросите, чем вы за миллисекунды докажете, что вывод well-formed, а не «звучит правдоподобно».
Regression suite, JSON Schema, парсер ожидаемого формата снижают residual tax, даже когда oracle не проверяет intent.
# Условный чек перед «ускорением» агентом (смысл из дискуссии к посту)
1. Есть ли детерминированный oracle (парсер / schema / suite)?
2. Ограничена ли задача артефактом, а не «перепиши весь сервис»?
3. Кто платит за пропущенную ошибку: вы один или организация?
Подписка на IDE с ИИ не заменяет архитектуру доверия.
METR на Cursor Pro и Claude Sonnet показывает: опытные разработчики могут чувствовать +20% скорости и терять 19% на секундомере, потому что генерация дешёвая, а проверка дорогая. Если вы один в проекте, имеет смысл явно маркировать задачи: «oracle есть» (тесты, схема, линтер на фиксированном входе) против «oracle нет» (рефакторинг чужого модуля, «объясни бизнес-логику»). Второй класс не запрещён, но его нельзя смешивать с первым в голове и в отчётах про «ускорение от ИИ».
На ближайшей неделе зафиксируйте на одной повторяющейся задаче в Cursor долю принятого кода без переписывания и время на ревью. Сравнение с порогом менее 44% acceptance из METR не вердикт о вас, а калибровка: не платите ли вы дважды за токены и за тихое переписывание.
Источники
- Rudratosh, «Developers Swear AI Makes Them Faster. A Stopwatch Says They're 19% Slower» (Dev.to, METR RCT, пять находок, механизм verification tax; комментарии про oracle): Dev.to (доступ при обогащении: 2026-11-09T18:05:00Z)