Аналитики: выбор IDE влияет на качество ИИ-кода не меньше, чем политики шлюзов

В новой статье, опубликованной компанией JetBrains, утверждается, что при внедрении инструментов искусственного интеллекта в разработку программного обеспечения компании упускают из виду критически важный архитектурный рычаг — выбор среды разработки, через которую ИИ-инструменты получают доступ к кодовой базе.

Аналитики: выбор IDE влияет на качество ИИ-кода не меньше, чем политики шлюзов. Фото: СС0

Согласно данным DORA 2025, контекст, который модель получает перед генерацией вывода, напрямую определяет качество результата, причём IDE-опосредованное взаимодействие (когда ассистент или агент запускается через среду разработки) может предоставлять структурное знание о кодовой базе автоматически, в отличие от прямой работы разработчика через браузер или автономного агента, которые вынуждены собирать контекст самостоятельно.

Исследования показывают, что метод сборки контекста на основе статического анализа зависимостей и информации о типах даёт более точные результаты. Например, в 2026 году было обнаружено, что метод, основанный на отслеживании связей между файлами, обеспечил на 213 процентов более полное покрытие тестами для Java и на 174 процента для Go по сравнению с методом, основанным на поиске семантически похожего кода.

Другое исследование 2024 года показало, что метод извлечения зависимостей и типов повышает точность автодополнения кода на 62 процента по сравнению с методом, основанным на поиске похожего кода. JetBrains утверждает, что их IDE поддерживают непрерывное структурное представление всей кодовой базы, которое автоматически поступает встроенному AI Assistant, а через протокол Agent Client Protocol — и внешним агентам, использующим Model Context Protocol.

Ранние бенчмарки Sourcegraph показали, что агенты с MCP-инструментами выполняют задачи на 38 процентов быстрее и на 70 процентов чаще находят нужные файлы в больших многорепозиторных кодовых базах.

Несмотря на то, что шлюзы ИИ обеспечивают контроль над уже сформированными запросами (маршрутизация моделей, лимитирование, распределение затрат), они не влияют на то, с какой информацией инструмент работает до формирования запроса.

Авторы статьи призывают руководителей включить выбор IDE в повестку по ИИ наряду с политиками безопасности данных и решениями о моделях, а также начать классифицировать вызовы моделей по типу взаимодействия — через IDE, напрямую агентом или самим разработчиком.