AI сильно удешевил генерацию кода, но не удешевил его проверку, поддержку и ответственность за ошибки. Из-за этого в индустрии всё чаще возникает то, что можно назвать “кризисом code slop” — потоком плохо сделанного, небезопасного и трудно поддерживаемого AI-кода.

После появления vibe coding — подхода, при котором человек пишет приложение почти на естественном языке, а AI генерирует код — барьер входа в разработку резко упал. Это позволило тысячам людей без классической инженерной подготовки быстро делать прототипы, приложения и демо.

Но именно здесь и начались проблемы. Проблема не в том, что “непрограммисты вдруг лезут в код”. Проблема в том, что создание работающего приложения — это не только генерация текста, а целый комплекс задач:

архитектура;

безопасность;

права доступа;

обработка ошибок;

работа с базой данных;

масштабируемость;

поддержка в долгую.

AI может быстро сгенерировать внешне рабочий код, но он часто не понимает контекст, не учитывает уязвимости и не умеет строить устойчивую систему.

Apple уже начала жёстче реагировать на такие приложения. Например:

приложение Anything было полностью удалено из App Store;

Replit и Vibecode сталкивались с длительной заморозкой обновлений;

причина — нарушение правил, связанных с загрузкой и выполнением неаудированного кода.

Это важный сигнал: платформы понимают, что поток AI-сгенерированных приложений становится проблемой не только качества, но и безопасности.

Особенно тяжёлые последствия видны в open source. Поддерживающие мейнтейнеры начали сталкиваться с лавиной AI-сгенерированных pull request’ов и ложных баг-репортов. Из-за этого:

проекты тратят больше времени на фильтрацию мусора;

реальные уязвимости тонут в потоке фальшивых;

у сопровождающих просто выгорают ресурсы.

Некоторые проекты уже начали ограничивать или даже запрещать AI-сгенерированные PR без проверки.

Генерировать код стало почти бесплатно. А вот проверять, исправлять и сопровождать его по-прежнему дорого.

Именно поэтому система становится несбалансированной:

создавать можно за секунды;

разбирать последствия приходится людям;

ответственность тоже остаётся на людях.

Это и есть основа будущего кризиса. Даже опытные разработчики в некоторых экспериментах тратили с AI больше времени, а не меньше.

Почему так происходит?

AI генерирует лишний код;

разработчик тратит время на правки;

создаётся ложное ощущение скорости;

в итоге выпускается больше сырого материала.

То есть “ощущение продуктивности” не всегда означает реальный рост эффективности. Сейчас AI в программировании оказался в точке, где:

барьер входа стал ниже;

количество кода выросло;

качество в среднем упало;

нагрузка на проверяющих и мейнтейнеров выросла;

риски для пользователей стали выше.

По сути, индустрия получила масштабируемый генератор прототипов, но не получила столь же масштабируемую систему контроля качества.

AI действительно может ускорять создание простого кода и демо. Но если компания или разработчик не умеют:

проверять результат,

понимать архитектуру,

обеспечивать безопасность,

поддерживать продукт в долгую,

то AI становится не помощником, а источником code slop — дешёвого кода с дорогими последствиями.

“Кризис кодовой помойки” — это не временный шум, а системная проблема новой эпохи. И чем больше AI будет писать код, тем важнее станет человеческое суждение: архитектурное, инженерное и этическое.

Как и сказано в статье, AI может заменить набор текста, но не может заменить решение, что стоит писать, а что — нет.

Если хочешь, я могу ещё:

сделать короткую выжимку на 1 экран,

переписать это в стиле деловой колонки,

или собрать список главных рисков AI-кода для бизнеса.