Код бичилт 180% өссөн ч багуудын 30%-д бүтээмж унав: McKinsey "Vibe Coding"-ийн гашуун үнэнийг дэлгэлээ

Сүүлийн нэг жилийн хугацаанд програм хангамжийн салбар "Vibe Coding" болон бие даасан кодчиллын агентуудын (Agentic AI) сүр хүчинд автлаа. Хөгжүүлэгчийн IDE, CLI дээр хэдхэн промптоор хэдэн зуун мөр код, бүхэл бүтэн сервисүүд хэдхэн секундэд бичигдэж байна. Гэвч энэ бүх их код бидний бодит бүтээгдэхүүнийг хурдан хүргэж (ship) чадаж байна уу?

Олон улсын стратегийн зөвлөх McKinsey компаниас гаргасан хамгийн сүүлийн үеийн тайлан салбарынхныг цочроосон бодит тоо баримтыг дэлгэлээ. Автономит хиймэл оюунт хэрэгслүүдийг нэвтрүүлсэн нийт байгууллагуудын 30%-д инженерийн багийн бодит бүтээмж өсөх биш харин эсрэгээрээ буурсан байна.

180% код үүсгэлт ба 30% хүргэлтийн парадокс

McKinsey-ийн судалгаанд дурдсан хамгийн анхаарал татах үзүүлэлт бол хөгжүүлэлтийн үйл ажиллагаа ба зах зээлд нийлүүлж буй үр дүнгийн зөрүү юм. AI агентуудыг нэвтрүүлснээр байгууллагуудын код бичих, өөрчлөх идэвх (coding activity) дунджаар 180 хувиар өссөн боловч бодит продакшнд гарсан хувилбар буюу хүргэлт (shipped releases) ердөө 30 хувиар л ахижээ.

Өөрөөр хэлбэл, хөгжүүлэгчид 2-3 дахин их код бичиж байгаа мэт боловч энэ нь зах зээлд хэрэглэгчийн гарт хүрэх үнэ цэн болон хувирахгүй байна. Үүнээс ч ноцтой нь, судалгаанд хамрагдсан Engineering Director болон түүнээс дээш түвшний удирдлагуудын дөнгөж 25% нь л AI агентууд төслийн амьдралын мөчлөгийг бодитоор хурдасгаж чадсан гэж хариулжээ.

Энэхүү үзэгдлийг McKinsey "Vibe coding-ийн төөрөгдөл" хэмээн тодорхойлсон байна.

Яагаад бүтээмж унав? "Review Fatigue" ба танин мэдэхүйн ачаалал

Код бичих хурд нэмэгдсэн байхад яагаад нийт бүтээмж унаад байна вэ? Асуудал код бичих хурданд биш, харин түүнийг ойлгох, шалгах, нийлүүлэх үйл явцад үүсчээ.

Код шалгалтын (PR Review) хямрал: Өмнө нь хөгжүүлэгч өдөрт 1-2 жижиг PR оруулдаг байсан бол одоо агентуудын тусламжтайгаар 1000+ мөртэй аварга Pull Request-үүд өдөрт хэд хэдээр орж ирэх болов. Архитектурын алдааг нь олох, нуугдмал эрсдэлийг нягтлах үүрэг ахлах (senior) инженерүүдийн нуруун дээр бууж, тэднийг бүтэн цагийн "код цэвэрлэгч" болгон хувиргажээ.
Context Rot ба техникийн өр: Хөгжүүлэгч өөрөө бодож бичээгүй, AI-ийн бэлэн санал болгосон кодыг хуулснаар системийн дотоод логик, edge case-үүдийг бүрэн ойлгохгүй хоцордог. Энэ нь дараа дараагийн спринтүүдэд алдаа засах хугацааг экспоненциал хэмжээгээр уртасгаж байна.
CI/CD пайплайн болон туршилтын гацалт: Хэт их код автоматаар нэмэгдэх тусам автомат тестүүдийн гүйцэтгэл удааширч, CI дэд бүтэц гацаж, тестүүд эвдрэх давтамж огцом нэмэгджээ.

Итгэлцлийн гүн ангал: Инженерүүдийн ердөө 3% нь л хиймэл оюунд итгэдэг

Судалгааны бас нэг гайхалтай тоо бол хөгжүүлэгчдийн сэтгэл зүй юм. Дэлхийн хэмжээнд програм хангамжийн инженерүүдийн 46% нь хиймэл оюуны гаргаж буй кодын нарийвчлалд огт итгэдэггүй (distrust) гэдгээ илэрхийлжээ.

Харин хиймэл оюуны үүсгэсэн кодонд "маш өндөр итгэлтэй байна" гэж хариулсан хөгжүүлэгч ердөө 3-хан хувь байв. Энэхүү итгэлцлийн хомсдол нь хөгжүүлэгчдийг код мөр бүрийг гараар нягтлан үзэхэд хүргэж, AI ашиглан хэмнэсэн хэдхэн минутыг дараа нь шалгалт дээр цаг, өдрөөр нь алдахад хүргэж байна.

Төсвийн хэтрэлт ба 12 дахин өссөн хөрөнгө оруулалт

Үр дүн нь тодорхойгүй, зарим багт сөрөг нөлөөтэй байгаа хэдий ч компаниуд агентууд руу мөнгө цутгасаар байна. 2025 оноос 2026 он хүртэл агент төвтэй програм хангамжийн хэрэгслүүдэд оруулсан хөрөнгө оруулалт 12 дахин өсжээ.

Үүний зэрэгцээ ихэнх enterprise компаниуд AI-д төсөвлөсөн зардлаа хэтрүүлж байгааг тайланд тэмдэглэсэн байна. Хяналтгүй дуудагдах API токенууд, давталтад орсон сэтгэхүйн процессууд (reasoning loops), үр дүнгүй туршилтууд нь байгууллагын үүлэн дэд бүтцийн зардлыг огцом хөөргөдөж байна.

Гарах гарц: Агентыг биш, хөгжүүлэлтийн процессоо шинэчлэх

McKinsey-ийн ахлах хамтрагч Мартин Харриссон (Martin Harrysson) энэхүү гацаанаас гарахын тулд арга барилаа үндсээр нь өөрчлөх цаг болсныг анхаарууллаа:

"Эдгээр хэрэгслээс бодит үнэ цэн гаргаж авахын тулд програм хангамжийн амьдралын мөчлөгийн (SDLC) үйл ажиллагааны загвар бүхэлдээ өөрчлөгдөх ёстой. Бид агентуудад даалгавар өгч, гүйцэтгэлийг нь хянадаг илүү цомхон, өндөр бүтээмжтэй багуудын бүтэц рүү шилжих шаардлагатай байна."

Энэ нь хөгжүүлэгчдэд юу гэсэн үг вэ?

Код бичих нь бүтээмж биш: Инженерийн бүтээмжийг бичсэн кодын тоо эсвэл хийсэн commit-оор хэмжих хуучирсан арга хэзээ ч ажиллахгүй.
Formal Verification ба автомат тест: Хүний нүдээр код бүрийг уншиж амжихгүй тул contract testing, үл хамаарах архитектурын дүрэм (linter rules), автоматжуулсан хамгаалалтын системүүдийг нэн тэргүүнд тавих хэрэгтэй.
Архитектурч сэтгэлгээ: Хөгжүүлэгчийн гол чадвар syntax бичих биш, харин системийн загварчлал, өгөгдлийн урсгал, хил хязгаарыг (boundaries) зөв тодорхойлж агентуудыг хянах явдал болж хувирч байна.

Хэрэв танай баг AI кодчиллын хэрэгсэл ашиглаад эхэлсэн ч өмнөхөөсөө удаан, төөрөгдөлтэй санагдаж байвал ганцаараа биш юм. Асуудал таны чадварт биш, харин хэт хурдан бичигдэж буй "хоосон код"-ын үерт живж буй хөгжүүлэлтийн хуучин бүтэцтэй холбоотой байж магадгүй юм.

Эх сурвалж: McKinsey & Company (Technology Trends Outlook 2026), CIO Dive