AI-инструменты и open source: дар или проклятие?

Дешёвый код оказался дорогим удовольствием

Когда AI-инструменты для написания кода начали стремительно распространяться, казалось, что open source проекты выиграют больше всего: хронически недофинансированные и перегруженные, они получат наконец дешёвый способ закрывать задачи. Но реальность оказалась принципиально иной — и об этом откровенно говорят мейнтейнеры крупнейших проектов.

По данным TechCrunch, проекты VLC, Blender, cURL и другие фиксируют резкое падение среднего качества контрибьюций. Причина — AI-инструменты максимально снизили порог входа, и теперь любой человек, не понимающий кодовой базы, может за минуты сгенерировать и отправить pull request.

«AI-слоп» захлёстывает мейнтейнеров

Особенно показателен случай с cURL — популярной утилитой для передачи данных. Её создатель Дэниел Стенберг был вынужден полностью закрыть bug bounty программу после того, как её буквально залило автоматически сгенерированными отчётами об ошибках.

«Раньше человек вкладывал много времени в отчёт о безопасности. Была встроенная точка сопротивления. Теперь усилий нет вообще — шлюзы открыты», — сказал Стенберг на конференции. Похожая история у Blender: CEO фонда Франческо Сидди отметил, что LLM-ассистированные контрибьюции «впустую тратили время ревьюеров и подрывали их мотивацию».

Для опытных — суперсила. Для новичков — кнопка «отправить мусор»

Парадокс в том, что для опытных разработчиков AI-кодинг действительно работает. Жан-Батист Кемпф, CEO VideoLAN (создатели VLC), описывает реальный сценарий: скормить модели весь репозиторий и попросить портировать на новую ОС. Это реально экономит недели работы.

• Опытный разработчик + AI = ускорение в 3–10x на знакомых задачах
• Новичок + AI = поток уверенно оформленного, но нерабочего кода
• Мейнтейнер = тратит всё больше времени на отклонение плохих PR вместо реальной работы

Митчелл Хашимото пошёл на радикальный шаг: запустил систему, ограничивающую контрибьюции только от «проверенных» пользователей. По его словам, «AI уничтожил естественный барьер входа, который позволял open source проектам доверять по умолчанию».

Структурная проблема: код растёт быстрее, чем люди успевают

Но за операционной болью скрывается более глубокая структурная проблема. Инвестор в open source Константин Виноградов формулирует её чётко: кодовые базы растут экспоненциально, количество взаимозависимостей — тоже, а число активных мейнтейнеров едва увеличивается. AI ускорил обе части этого уравнения — и рост кода, и сложность его поддержки.

Это принципиально меняет то, как мы думаем об инженерии. Если инженерия — это «производство работающего кода», AI делает задачу легче. Но если инженерия — это «управление сложностью программных систем», AI может сделать задачу значительно сложнее.

Открытость под угрозой

Open source исторически строился на принципе открытых дверей: любой может внести вклад. Это была не просто идеология — это был механизм роста и инноваций. Теперь этот принцип под давлением. Когда вклад становится слишком дешёвым, а проверка — слишком дорогой, проекты неизбежно начнут закрываться.

Уже сейчас несколько крупных проектов ужесточают правила принятия PR. Если тренд продолжится, через несколько лет «открытый исходный код» может де-факто превратиться в «исходный код с приглашённым доступом» — что разрушит саму суть движения.

Вывод редактора

Мы привыкли думать, что «больше кода» = «больше прогресса». AI наглядно показывает, что это не так. Программирование — это не только написать, но и поддерживать, понимать, нести ответственность. Open source держится на людях, которые делают это годами, часто бесплатно. Когда AI позволяет неопытным людям генерировать видимость работы, эти люди платят своим временем и мотивацией.

Решение — не запрет AI, а новые ритуалы качества: тесты, ревью-культура, системы репутации. Но для этого нужны ресурсы, которых у большинства open source проектов попросту нет. Вот настоящая проблема.