Битву AI-інструментів закінчено — але чи зможуть переможці нею скористатися — це вже інше питання. Трансформація розробки ПЗ в епоху AI · Learn AI Slowly 175

Почну з висновку. Озираючись назад у середині 2026 року, “трон” серед AI-інструментів не переходив з рук у руки між чотирма претендентами — його забрали Claude Code та Codex. Точніше, вони забрали собі категорію “високої автономності” — ту саму, яка реально стискає цикл наскрізної доставки. GitHub Copilot досі тримає перше місце за впровадженням на робочих місцях (29%), але це інерція корпоративних закупівель — крива нових підключень уже вийшла на плато. Cursor — король досвіду попереднього покоління, його зростання сповільнюється. Google Antigravity — третя сила, яка заходить через Gemini, хмару та корпоративну відповідність, але за два місяці лише 6% — вона ще на старті.

У Китаї поки що лише дві компанії здатні одночасно закрити всі три вимоги — “автономний агент + відповідність регуляторним вимогам + корпоративне розгортання”: це Trae від ByteDance та Qoder від Alibaba (колишній Tongyi Lingma, перейменований у травні 2026). Але якщо чесно: у категорії “автономних агентів” вони все ще відстають від Claude Code та Codex на одне покоління.

Отже, ця стаття не відповідає на питання «який інструмент найпотужніший» — це було питання 2025 року, і в 2026-му воно вже застаріле. Цього року, обираючи інструменти, справді варто відповісти на три інші питання, і кожне наступне легше пропустити, ніж попереднє:

  1. Який рівень автономності ваша організація може собі дозволити? Що вища автономність, то більше й глибше коду генерує інструмент, і то вищі вимоги до вашої здатності його перевіряти. Запускати автономних агентів без відповідного захисту — це все одно що ставити потужний двигун в авто без гальм.
  2. Чи може ваш код перетинати кордони? У фінансах, телекомі, держсекторі та оборонці це жорстке обмеження, яке напряму визначає, чи можете ви взагалі користуватися хмарними інструментами на кшталт Claude Code чи Codex, які передають код за кордон.
  3. Думаєте, що з купівлею інструменту постачання пришвидшиться? Здебільшого — ні. AI стискає етап кодування, але в сильно регульованих галузях кодування в наскрізному процесі постачання часто є лише найдешевшою, найменшою частиною.

Розібратися з цими трьома питаннями — у десять разів важливіше, ніж сперечатися про те, «Cursor чи Claude Code». Розберімо все пошарово.

1. Трон — за двома лідерами, а не чотирма

Погляньмо спершу на дослідження JetBrains за січень 2026 року — це найсвіжіше й наймасштабніше опитування ринку інструментів розробки на сьогодні (понад десять тисяч професійних розробників, вісім мов). Дані виглядають так:

| Інструмент | Впізнаваність | Рівень впровадження на робочому місці | Динаміка рік до року |
|—|—|—|—|—|
| GitHub Copilot | 76% | 29% | Стагнація (тримається на інерції закупівель; у компаніях з 10 000+ співробітників — 56%) |
| Cursor | 69% | 18% | Темпи зростання сповільнюються |
| Claude Code | 57% | 18% | За 9 місяців — з 3% до 18% (у 6 разів); у Північній Америці — 24%; CSAT 91, NPS 54 (найвищі показники в категорії) |
| OpenAI Codex | 27% | 3% | Прискорення (на момент опитування десктопна версія ще не вийшла; згодом — понад 5 млн щотижневих активних користувачів) |
| Google Antigravity | — | 6% | Новачок (вийшов у листопаді 2025 року, за два місяці — 6%) |
| JetBrains Junie CLI | — | 5% | Модельно-нейтральний, з власною моделлю |

Джерело: JetBrains AI Pulse Survey, січень 2026 року, 10 000+ розробників.

Дивлячись лише на показники впровадження, можна подумати, що Copilot досі лишається королем. Але впровадження — це запізнілий показник: він вимірює, скільки ліцензій уже куплено, а не те, де буде попит у наступні 12 місяців. Щойно накладаєш криві зростання — картина змінюється: Claude Code за 9 місяців зріс із 3% до 18%, і це найшвидше зростання в цьому дослідженні. Codex на момент опитування мав лише 3%, але за чотири місяці після нього тижнева активність зросла з 3 мільйонів до понад 5 мільйонів користувачів (за публічними даними Sam Altman / OpenAI). Щомісячні завантаження Codex CLI з npm зросли з 82 тисяч у квітні 2025-го (місяць запуску) до 41,8 мільйона у травні 2026-го — це зростання у 510 разів (детальні дані від gradually.ai). Річний дохід Claude Code за 9 місяців виріс із нуля до 2,5 мільярда доларів (розкрито в раунді G від Anthropic у лютому 2026-го). Ці дві криві — це нахил, якого в історії інструментів для розробників майже не бачили.

Adoption rate is stock, momentum is the throne Bar height = workplace adoption (JetBrains 2026.1); color = growth momentum 29% Copilot Procurement inertia · stalled 18% Cursor UX king · slowing 18% Claude Code 9 months 6× · surging 3% Codex Weekly active 3M→5M+ · surging 6% Antigravity Feb to 6% · off the line Adoption measures "paid seats" (lagging); momentum measures "next 12-month delta"—Copilot tallest but flattest, CC/Codex short but steepest

Copilot і Cursor: різні траєкторії

Криві зростання Copilot і Cursor мають зовсім різну форму. 29% Copilot тримаються на великих корпораціях, які вже пройшли комплаєнс і підписали багаторічні контракти — нові робочі місця заблоковані закупівельними процедурами, а щоб перейти на Claude Code, розробникам потрібен окремий бюджет. Тож Copilot досі лідер, але зростання майже зупинилося. Cursor із 18% ділить друге місце з Claude Code, але це різні історії: Cursor сповільнюється з високої бази, а Claude Code злітає з низької. Річний дохід Cursor на початку 2026 року сягнув $2 млрд (команда трохи більша за 50 людей, ARR на людину — близько $40 млн, і це найшвидший вихід на $100 млн ARR серед application-layer SaaS в історії). Cursor досі має найзручніший досвід і найбільше його люблять інтернет-компанії та стартапи, але його стеля вже проглядається.

Antigravity — єдиний інструмент, якого немає в головній ролі таблиці, але який не варто ігнорувати. Це «agent-first» інструмент програмування від Google, випущений у листопаді 2025 року, створений спеціально для Gemini 3; у 2026 році на Google I/O його оновлено до версії 2.0, і він перетворився на повноцінну agentic-платформу розробки з десктопним клієнтом, CLI та SDK. Він спирається на три речі, яких немає в інших: моделі Gemini, корпоративну compliance-базу Google Cloud і живий пошук Google Search. Проникнення у 6% за два місяці свідчить про швидкий старт, але 6% є 6% — він усе ще на початковій дистанції, а не на троні. Обираючи інструменти у 2026 році, вам не обов’язково чекати на нього, але варто зафіксувати у довгострокових прогнозах той факт, що Google заходить у цю гру з усією корпоративною м’язовою масою: у цьому сегменті фінальних гравців, можливо, буде не четверо, а «два лідери + один добре фінансований переслідувач».

Якщо розмістити ці п’ять компаній на одній координатній площині, стає очевидно: вони взагалі не в одній гонці.

Five tools, not one track: more autonomy, heavier governance Autonomy → (completion · conversational · autonomous multi-step · multi-agent parallel) Governance & review requirements → Copilot IDE plugin · completion Cursor AI-native IDE Claude Code Terminal autonomous agents · two leaders Codex Multi-agent parallel · two leaders Antigravity Початок·наздоганяння капіталу Межа можливостей іде вправо вгору, вимоги управління та перевірки теж ідуть угору (пунктирне коло = стартовий рівень Antigravity) Перше питання не «що сильніше», а «який рівень автономності ваша організація може втримати»

Одна картинка — і все зрозуміло: ці інструменти розташовуються вздовж однієї діагоналі — що правіше й вище, то більша потужність, але й вищі вимоги до governance і контролю. Тож обирати інструмент варто не за бенчмарками, а з огляду на те, на якому рівні зрілості перебуває ваша організація в питаннях управління. Claude Code і Codex займають верхній правий кут — максимальні можливості, але й найвищі вимоги до вашої системи стримувань і противаг. Copilot — у нижньому лівому куті: найнижчий поріг входу, найменші ризики, але й найменш імовірно, що він дасть вам проривний стрибок у продуктивності.

2. Ліцензії купили, а швидше не стало — вузьке місце у верифікації, а не в кодуванні

Цей розділ — те, про що більшість статей про вибір інструментів мовчить, але саме тут у високорегульованих галузях витрачаються найбільші бюджети.

Я проводив AI-тренінги для операторів звʼязку і тривалий час стежив за цифровими командами в телекомі. Памʼятаю один показовий випадок із регіональним оператором. Торік вони розгорнули Copilot для розробників. За пів року підбили підсумки — і наскрізний цикл поставки майже не змінився. Розробники справді стали швидшими: час на написання коду скоротився більш ніж на третину. Але зміна тарифного плану або коригування правил білінгу від запиту до релізу, як і раніше, займали понад місяць. Керівник був не дурний — він і сам розумів, що вузьке місце не в кодуванні. Але розуміння розумінням, а бюджет затвердили за кількістю ліцензій — бо у звітності для керівництва фігурували метрики на кшталт «скількох розробників покрили» і «скільки seat-ів придбали». Це класична ситуація для великих компаній: «знаємо, але нічого не можемо вдіяти». Проблема не в обізнаності, а в метриках.

Те, що насправді з’їло цей місяць, — це низка етапів верифікації, і ці етапи майже не стосуються самого коду. Функція, яка зачіпає білінговий модуль, може писатися два дні, але далі йде черга: погодження в Change Advisory Board (CAB), алгоритмічна реєстрація (якщо залучена модель), оцінка відповідності рівню захищеності (等保测评), оцінка трансграничної передачі даних (якщо використовуються закордонні моделі або хмара — доведеться обрати один із трьох шляхів: оцінка безпеки, стандартні договори або сертифікація захисту персональних даних), звірка даних і аудиторська перевірка перед релізом. Кожен із цих етапів займає від кількох днів до кількох тижнів, і все разом — це місяць. AI стискає цей невеликий відрізок кодування на 30%, але цей відрізок і так становить лише незначну частку всього процесу від початку до кінця.

Телеком-доставка: кодування пришвидшилось, а вузьке місце — у верифікації Уявлення: Вимоги → кодування (здається, що це головне) → запуск Реальність: Кодування Погодження CAB Реєстрація алгоритмів Оцінка захищеності Звірка/аудит Запуск AI стискає лише цей маленький відрізок Ці етапи займають тижні, не пов’язані з кодом, AI їх не пришвидшить The same logic holds when switching industries Finance: credit risk control features → model validation + regulatory reporting + audit Manufacturing: MES changes → process validation + safety interlock review + line trial run E-commerce: promo rules → finance reconciliation + risk review + canary So the seat is bought, end-to-end cycle unchanged—bottleneck is validation, not coding

Тут варто окремо звернути увагу на один інтернет-упереджений погляд. Багато статей про AI-програмування за замовчуванням описують «верифікацію» як CI/CD автоматизоване тестування, юніт-тести, проходження лінтера. Це світ інтернет-компаній. У телекомі та фінансах «верифікація» — це алгоритмічна реєстрація, оцінка відповідності рівню захищеності, оцінка трансграничної передачі даних, погодження змін у CAB, звірка та аудит. Це не має жодного стосунку до коду, але кожен етап займає тижні. Якщо згадати про це одним рядком як про «тестові ворота», читачі з фінансів і телекому одразу втратять довіру — їхні найбільші витрати саме тут, а ви про це жодним словом.

Цей висновок критично важливий для осіб, що ухвалюють рішення: у високорегульованих галузях AI-інструменти здатні стиснути лише найдорожчий сегмент усього ланцюга постачання. Якщо ваша мета — пришвидшити наскрізний процес, вам доведеться або перебудувати етап верифікації (перепроєктувати ритм Change Advisory Board, процедури погодження, графіки оцінювання), або змінити метрики, за якими ви звітуєте керівництву. Саме по собі придбання інструментів нічого не змінить.

Тут варто перевернути інтуїтивне уявлення «чим більше інструментів — тим краще». Найбільш контринтуїтивний факт першого півріччя 2026 року: що більше інструментів використовують розробники, то менше вони їм довіряють.

Згідно з дослідженням JetBrains від січня 2026 року, 90% розробників використовують принаймні один AI-інструмент — рівень впровадження практично досяг насичення на позначці дев’яносто відсотків. Проте в кількох дослідженнях за той самий період довіра розробників до AI-згенерованих «PR production-grade» виявилася нижчою, ніж у 2024 році: за однією з методик — падіння з 40% у 2024 році до 29% у 2026-му. Дані корпоративної підтримки Cursor, Anthropic та OpenAI вказують на те саме: чим активніше використовуються інструменти, тим менше розробники готові дозволити їм працювати автономно. Це ознака зміни виробничих відносин: розробник перетворюється з «того, хто пише код» на «того, хто рев’ює код», а когнітивне навантаження рев’ю значно вище, ніж написання.

Практичне значення: хто виграє наступні 24 місяці — той, хто закриє «розрив довіри». Швидкість токенів — другорядна. Cursor інвестує в інтерактивні потоки, Anthropic — у систему Skills, OpenAI — у паралельних субагентів. Усі троє роблять ставку на «більш пояснюване, більш переривне, більш відкотне» — ніхто не б’ється за «швидше». Якщо ви не розумієте цього напрямку, ви не зрозумієте, за що точиться конкуренція інструментів у 2026 році.

3. Комплаєнс і корпоративне впровадження: «обряд переходу» для інструментів

Якими б потужними не були два лідери, є один поріг, який вони не перетнуть без відповідності вимогам — комплаєнс і корпоративне впровадження. У цьому розділі розглянемо кілька пасток, у які легко потрапляють новачки, але про які заздалегідь питають професіонали. ⚠ У цьому розділі частини про зберігання даних у ЄС і позицію щодо постачальників орієнтовані на європейську/міжнародну перспективу — якщо ви читач із Китаю і вас цікавить лише питання «що робити, якщо код не може покинути країну», можете одразу перейти до розділу 4 (вітчизняні Trae/Qoder) або до висновку №4 у кінці статті.

Claude Code та зберігання даних у ЄС: пастка, через яку ви думаєте, що все купили, а насправді — ні.

Одразу до суті: якщо просто користуватися claude.ai або Anthropic API, дані за замовчуванням потрапляють до США. Claude Enterprise, корпоративний SaaS-пакет від Anthropic, сам по собі не включає зберігання даних у ЄС — за замовчуванням він також працює на американській інфраструктурі. Це найпоширеніша пастка. Щоб код залишався в Євросоюзі, є лише один шлях: не купувати напряму в Anthropic, а йти через європейські дата-центри хмарних провайдерів — EU profile у AWS Bedrock (Франкфурт/Ірландія/Париж) або регіон ЄС у Google Vertex AI, причому до ідентифікатора моделі потрібно додавати префікс eu., щоб примусово залишити дані в Європі. Claude Code може працювати на Bedrock, а дані залишаються у вашому власному AWS-середовищі, не покидаючи вашої інфраструктури — це ключова корпоративна перевага, але лише за умови, що ви обрали саме цей шлях. Є ще одна прихована пастка: у липні 2026 року Claude стане загальнодоступним у Європі на Microsoft Foundry, однак у документації Anthropic зобов’язання щодо зберігання даних обмежені лише Vertex і Bedrock — Foundry туди не входить, а позначка “Coming 2026” не містить конкретної дати. Тож фраза “ми купили Claude Enterprise, тож із комплаєнсом усе гаразд” у дев’яти випадках із десяти — помилкова. Правильне запитання не “купили чи ні”, а “яким шляхом забезпечується зберігання даних”.

Claude Code EU data residency: three paths, only one gets there Need Claude Code, and data must stay in the EU Three routes, wildly different outcomes ↓ ↓ ↓ Go via claude.ai Or Anthropic API Default → US infrastructure ✗ No EU residency Buy Claude Enterprise (Enterprise SaaS plan) Still defaults → US ✗ також не містить EU-резидентності (найпоширеніша пастка) Використовуйте AWS Bedrock EU profile (Франкфурт / Ірландія / Париж) або Vertex AI EU + префікс eu. ✓ EU-резидентність даних ⚠ Є ще підступ: Microsoft Foundry 2026.7 вийшов у Європі GA, але документація Anthropic обмежує гарантії резидентності Vertex/Bedrock — Foundry не входить, лише позначка "Coming 2026", без дати. Тож "ми купили Claude enterprise, комплаєнс ок" — здебільшого помилка Схема рішень (не архітектура розгортання); приклад префікса "eu.": eu.anthropic.claude-sonnet-4-6

Корпоратизація Codex — це інший шлях: прямо у вашу серверну. 18 травня 2026 року OpenAI і Dell на Dell Technologies World анонсували Dell AI Factory with OpenAI Codex — розгортання Codex у on-premises або гібридній хмарі підприємства, щоб код залишався «там, де вже живуть дані». CTO Dell буквально сказав: «дати підприємствам змогу розгортати AI там, де вже існують їхні дані, і запропонувати клієнтам практичний, безпечний шлях до масштабованого впровадження агентів». Додайте сюди EU data residency для ChatGPT Enterprise, яка діє з 2025 року (і зберігання, і інференс можуть залишатися в європейських регіонах), — і ви отримаєте найширшу комплаєнс-позицію серед усіх гравців цього рівня: у хмарі — EU-резидентність, on-premises — рішення від Dell. Саме тому Codex зміг за чотири місяці піднятися з 3 мільйонів до понад 5 мільйонів щотижневих активних користувачів: ним не лише зручно користуватися розробникам — він «проходить через двері» великих підприємств.

Позиція постачальника щодо governance — це вже частина ризику вашого ланцюга постачання. Це найважливіше, що варто прочитати за перше півріччя 2026 року.

Anthropic відмовилася виконувати вимогу Пентагону щодо «необмеженого використання» своєї моделі Claude — і в першій половині 2026 року Міністерство оборони США внесло компанію до списку «ризиків для ланцюга постачання», а федеральний суддя виніс попередню заборону. Деталі цієї історії важать набагато більше, ніж заголовок. Вимога Пентагону полягала в тому, щоб військові могли використовувати Claude «for all lawful purposes (для будь-яких законних цілей, без обмежень)». Генеральний директор Anthropic Даріо Амодеї провів межу по двох пунктах: жодного масового стеження всередині країни та жодної повністю автономної зброї. Після провалу переговорів, 27 лютого 2026 року, Трамп у Truth Social наказав усім федеральним відомствам «негайно припинити використання» технологій Anthropic. Міністр оборони Гегсет оголосив: «Будь-які підрядники, постачальники та партнери, які ведуть бізнес зі збройними силами США, не мають права мати жодних комерційних зв’язків з Anthropic». На початку березня компанію офіційно внесли до списку ризиків для ланцюга постачання. Anthropic подала зустрічний позов до федерального окружного суду Північної Каліфорнії, і 26 березня суддя Ріта Лін задовольнила клопотання про попередню заборону. У своєму рішенні вона написала: «Матеріали справи переконливо свідчать, що внесення Anthropic до списку ризиків для ланцюга постачання було лише приводом (pretextual), а справжнім мотивом уряду була незаконна помста».

Найцікавіше порівняння — того ж дня, коли Anthropic відмовилася, OpenAI оголосила про укладення угоди про умови використання з Пентагоном. Один провів межу й втратив військовий контракт; інший підписав документи й отримав замовлення. Я не суджу, хто правий, а хто ні. Обираючи між Claude Code і Codex, ви обираєте не лише модель, а й те, чи готова компанія платити комерційну ціну за свої цінності. У 2026 році, коли темпи технологічного розмежування між Китаєм і США залишаються невизначеними, позиція постачальника щодо управління, політика даних і стійкість ланцюга постачання стали такими ж важливими критеріями вибору, як функціональність і ціна.

4. На внутрішньому ринку Китаю лідирують Trae та Qoder — але до справжніх автономних агентів їм ще одне покоління

У фінансовому секторі, державному управлінні, оборонній промисловості та значній частині телекомунікаційних ядерних систем код просто не може перетинати кордони. Цей розділ — про локальні рішення. Наразі в Китаї лише дві компанії реально просувають поєднання «автономний агент + відповідність регуляторним вимогам + корпоративне розгортання»: це Trae від ByteDance і Qoder від Alibaba. Розгляньмо їхні корпоративні версії детальніше.

Trae (ByteDance) — найбільш просунутий представник автономних агентів серед китайських рішень. Корпоративна версія Trae CN вийшла в грудні 2025 року. Понад 92% інженерів у ByteDance уже користуються ним, а кількість зареєстрованих користувачів особистої версії перевищила 6 мільйонів. До корпоративного напрямку тут підійшли серйозно: пропонують два варіанти розгортання — “Enterprise” (стандартизований, без потреби в обслуговуванні) та “Enterprise Dedicated” (вищий рівень ізоляції та безпеки, розрахований на компанії з жорсткими вимогами до комплаєнсу, яким потрібен доступ через приватні мережі). Безпека: наскрізне шифрування коду, нульове зберігання в хмарі, моделі не використовуються для навчання, логи не зберігаються. Продуктивність: індексація надвеликих репозиторіїв — до 100 000 файлів і 150 мільйонів рядків коду, відповідь корпоративного GPU-кластера за мілісекунди. Trae підключається до внутрішніх баз знань і підтримує протокол MCP, завдяки чому генерацію коду, рев’ю та тестування можна вбудувати в наявні CI/CD і DevOps-процеси. Є SSO, дашборд ефективності (відстеження частки AI-згенерованого коду та його обсягів), ліміти витрат і моніторинг використання. Ще одна фірмова “байтівська” фішка: споживча версія безкоштовна назавжди — це їхній маховик зростання. Режим SOLO (єдине робоче середовище, що поєднує редактор, термінал, браузер і документи: ви даєте завдання, а інструмент сам планує, пише, налагоджує і розгортає) також відкритий безкоштовно — це їхня головна зброя в конкуренції з Claude Code та Cursor за автономність. Серед реальних кейсів — Huifu (китайський фінтех, цифрові платежі) та Douyin Life Services (сервіси життя від ByteDance). Huifu почав пілот із вересня 2025 року, масштабував на понад сотню розробників, а пікове використання перевищило 70%.

Qoder (Alibaba, колишній Tongyi Lingma) — найзріліше корпоративне рішення з найкращою підтримкою національного технологічного стеку. У травні 2026 року Alibaba Cloud офіційно перейменувала Tongyi Lingma на Qoder CN, перетворивши його з простого IDE-плагіна на повноцінну екосистему: кодинг, офісні інструменти, термінал і мобільні застосунки. Корпоративна версія має два чіткі рівні: Enterprise Standard — ліцензійна підписка за робочими місцями, готова до використання одразу, з централізованим керуванням акаунтами, аналітикою та журналами операцій; Enterprise Dedicated (VPC) — для компаній із суворими вимогами до відповідності: приватне розгортання у VPC, дані не покидають внутрішню мережу, SSO, корпоративна база знань, тонке налаштування моделей, розширений аудит коду, SLA 99.9%, виділений технічний консультант і підтримка 7×24. На рівні ядра підтримується вільне перемикання між кількома китайськими моделями: Qwen, GLM, DeepSeek, Kimi, MiniMax — дані не передаються за межі країни, що відповідає вимогам Cybersecurity Law та Data Security Law КНР. Чому я кажу, що він особливо добре лягає у ваші телеком- та фінансові сценарії? Тому що ваша інфраструктура, найімовірніше, уже працює на Alibaba Cloud — система акаунтів Qoder, RAM-дозволи та інструменти Yunxiao вже інтегровані, тож міграція потребує мінімальних зусиль.

Після розгляду двох продуктів — трохи холодної води: у сегменті «автономних агентів» китайські рішення відстають від американських на одне покоління. У корпоративних версіях кількох великих вендорів (приватне розгортання + алгоритмічне регулювання + адаптація до локалізованого IT-стека) питання compliance в основному закриті — і це не є джерелом розриву. Справжня різниця — в автономності: Claude Code може самостійно змінити десятки файлів, виконувати shell-команди, працювати з Git і відкривати pull request; Codex здатен запускати кілька сабагентів паралельно в ізольованих копіях репозиторію, а потім об’єднувати результати. Така довга послідовність дій і високий рівень автономності — те, до чого Trae та Qoder лише наближаються (Trae — через режим SOLO), і розрив залишається, особливо у складних міркуваннях і довготривалих автономних сценаріях. Тож запит «зріла команда в жорстко регульованій галузі хоче автономного агента + код не залишає межі країни» китайські продукти закривають лише частково: з compliance все гаразд, але агент відстає на покоління. Цей розрив — і є можливість. Саме тому варто свідомо проєктувати шлях впровадження, а не просто купувати інструмент.

Baidu Comate (Agent Hub + граф коду, сильний у великих проєктах і сценаріях з високими вимогами до compliance) та Zhipu CodeGeeX (широке покриття мов, слабший агент) також можуть бути в списку кандидатів — залежно від вашого конкретного сценарію. Тут не заглиблюємось.

П’ять. Як обирати: зрілість × межі передачі даних

Зведемо попередні чотири розділи в один практичний алгоритм вибору. Розглядаємо два виміри — і обидва обов’язкові.

Вимір перший: організаційна зрілість — визначає, який рівень автономності ви можете собі дозволити. Організаціям, які лише починають (розробники ще майже не користувалися AI, немає усталених практик code review і тестування), варто стартувати з інструментів із низькою автономністю, як-от Copilot: найнижчий поріг входу, мінімальні ризики, і головне завдання — привчити команду до AI-колаборації. Якщо в компанії вже є база (розробники користувалися AI, є базові інженерні стандарти), можна переходити на Cursor або китайські Trae / Qoder — кращий досвід використання дасть помітніший приріст продуктивності. І лише зрілі організації (сильна інженерна культура, налагоджені code review, автоматизоване тестування, security-сканування, поетапний rollout) готові до високоавтономних агентів на кшталт Claude Code чи Codex. Чому зрілість — це критичний фактор: що вища автономність, то більше коду генерує інструмент і то глибші зміни він вносить, а отже, тим вищі вимоги до вашої здатності це перевіряти й контролювати. Дослідження Pragmatic Engineer дає дуже показову цифру: серед компаній із менш ніж 10 000 співробітників 75% обирають Claude Code, а серед компаній із понад 10 000 — 56% досі працюють із Copilot. Це не питання вподобань — це питання організаційної спроможності.

Другий вимір: межа керованості — визначає, який рівень інструменту взагалі може пройти “вхідний контроль”. Перший бар’єр — чи можуть дані коду перетинати кордон. Хмарні сервіси Claude Code, Codex, Cursor і Copilot передають код за межі країни, а для фінансового сектору, державних установ, оборонної промисловості та частини телеком-систем вивезення коду просто заборонене. Тому фраза “впровадити по всій компанії” в галузях із жорстким регулюванням практично не працює — ви не зможете розгорнути інструмент, поки не пройдете процедуру допуску (clearance). Для частин, де вивезення даних дозволене, Claude Code має найвищу стелю можливостей, а Codex — найширше корпоративне покриття відповідності. Для критичних доменів, де дані не можуть покидати країну, використовуйте корпоративні версії Trae або Qoder (приватне розгортання у VPC) як базовий рівень, а далі додатково підключайте Comate або CodeGeeX залежно від сценарію.

Зведемо попередні розділи до одного рішення — три питання, чотири шляхи:

Три питання, чотири шляхи: яка ситуація — який інструмент Q1 Чи можуть дані виїжджати за кордон? Фінанси / держсектор / оборона / телеком-ядро Trae enterprise / Qoder VPC Комплаєнс пройдено, автономні агенти ще на покоління позаду (розрив = можливість) Ні → ↓ Так Q2 组织成熟吗？ 刹车四样齐？review/测试/扫描/灰度 Copilot 起步 / 国产私有化打底 先装刹车，再谈升级 Ні → ↓ Так Q3 要端到端自主代理？ 改多文件·跑 shell·提 PR Copilot 广覆盖 + Cursor / Trae 体验档 成熟但暂不需要高自主性 Ні → ↓ Так Claude Code（推理/单线深）· Codex（多代理并行·企业合规铺最开） 两强·能力上限最高，治理要求也最高 决策路径示意；落地组合得看你公司真实情况（出境边界/成熟度/行业）——见文末咨询

Логіка цього шляху: спочатку питаємо, чи може код перетинати кордон (ні → національні інструменти з приватним розгортанням як основа, але автономні агенти ще на покоління відстають); далі — рівень зрілості організації (не встановили всі запобіжники — не впроваджуйте автономних агентів); і нарешті — чи потрібен наскрізний автономний агент (так → два лідери: Claude Code / Codex). Зверніть увагу на “розрив поколінь” на першій розвилці: у галузях із жорстким регулюванням зрілі команди, які хочуть “можливості автономного агента + код без вивезення за кордон”, зараз стикаються з незадоволеним попитом — і саме ця прогалина і є можливістю.

Перш ніж дерево рішень дійде до вашої компанії, оцініть власну зрілість за трьома критеріями (це займе 30 секунд і якраз дасть відповідь на Q2):

  • ① Чи користуються AI хоча б раз на тиждень понад 50% ваших розробників? (У середньому по галузі 90% хоч раз пробували, але саме «щотижневе» використання — надійний показник реальної активності)
  • ② Чи є у вас обов’язковий code review і автоматизоване тестування, що покриває понад 60% коду? (Ключове слово «покриває»: тести мають реально ловити помилки в коді, згенерованому AI, а не просто формально проходити по рядках)
  • ③ Чи є канарейковий (поетапний) реліз звичною практикою? (Не «один раз зробили», а «нові фічі за замовчуванням виходять через канарейку»)

Усі три пункти виконуються = ви зрілі, можете брати Claude Code / Codex із лівої колонки. Виконується один-два = є база, ваш рівень — Cursor / Trae / Qoder. Жодного = ви на старті: спершу Copilot або локальне рішення, і лише потім, коли «гальма» на місці, думайте про апгрейд.

Ось прагматична комбінація: для всього, що можна використовувати за межами країни, — Claude Code для складних задач, Codex для масових паралельних запусків, Copilot для широкого покриття рутинних доповнень. Для критичного ядра, яке не можна виносити за межі, — корпоративні версії Trae або Qoder як база. Не варто ставити все на одну інструментальну платформу — протокол MCP вже робить багатоінструментальну взаємодію реальністю, тож стратегія з кількома постачальниками сьогодні — це і технічно можливо, і комплаєнсно необхідно. У Pragmatic Engineer найкращою практикою senior-інженерів названо саме те, що 70% фахівців одночасно використовують від 2 до 4 інструментів, перемикаючись залежно від задачі.

На цьому каркас завершено. Але конкретно для вас — з урахуванням ваших меж експорту, рівня зрілості та галузі — підсумкова комбінація буде іншою. Цей рівень не можна визначити в одній статті; він залежить від реальної ситуації у вашій компанії. Саме тому я залишив контакти в кінці матеріалу.

6. Що вища автономність — то важче керування: не ставте потужний двигун на авто без гальм

Зростання верхньої межі можливостей супроводжується зростанням навантаження на ревʼю. У звіті CodeRabbit за кінець 2025 року, який аналізував 470 відкритих GitHub PR, зроблено висновок: код, згенерований за участі ШІ, містить у 1,7 раза більше дефектів, ніж суто людський код (у середньому 10,83 проти 6,45 на PR), а кількість вразливостей за окремими підкатегоріями вища у 1,82–2,74 раза (XSS — 2,74×, небезпечні прямі посилання на обʼєкти — 1,91×, неналежна обробка паролів — 1,88×, небезпечна десеріалізація — 1,82×). Результати сканування Apiiro у вересні 2025 року в репозиторіях компаній зі списку Fortune 50 (дані за період грудень 2024 — червень 2025) ще конкретніші: код, згенерований ШІ, збільшив щомісячну кількість виявлених проблем безпеки приблизно з 1000 до понад 10 000 (зростання у 10 разів), кількість вразливостей підвищення привілеїв зросла на 322%, а проєктних дефектів на рівні архітектури — на 153%; за той самий період кількість синтаксичних помилок знизилася на 76%, а логічних багів — на 60% (тому розробники й «відчувають», що працюють швидше, але небезпечні типи вразливостей тим часом непомітно зростають). Ці дані не означають, що код, написаний ШІ, не можна використовувати. Вони означають, що ШІ пише більше і швидше, а дефекти й вразливості зростають пропорційно. Щойно обсяг згенерованого коду збільшується, навантаження на ревʼю різко зростає — код прибуває швидше, ніж розширюється пропускна здатність ревʼю, і середня ланка швидко досягає межі насичення.

Ці два показники разом розповідають одну історію: продуктивність інструментів зросла, а ваш контроль за ними — ні, тож ви просто швидше накопичуєте небезпечніший борг. Особливо це стосується автономних агентів. Такі інструменти, як Claude Code, можуть самостійно змінити десятки файлів і відкрити pull request — їхня верхня межа можливостей надзвичайно висока, але й зона неконтрольованості величезна. У січні–лютому 2026 року Carlini публічно задокументував приклад, на який часто посилаються: дослідник Anthropic Ніколас Карліні запустив 16 агентів Claude Opus 4.6 паралельно протягом 2 тижнів, приблизно 2000 сесій, близько 20 000 доларів API-витрат — і вони з нуля написали компілятор C на Rust обсягом 100 000 рядків, який здатен компілювати ядро Linux 6.9 (x86/ARM/RISC-V), проходить 99% GCC torture test і запускає FFmpeg/Redis/PostgreSQL/QEMU/Doom. Така автономність в організації без code review, без автоматичного тестування, без сканування безпеки та без поетапного розгортання — це лише питання часу, коли станеться інцидент.

Перш ніж запускати автономних агентів, треба спершу побудувати чотири речі: обов’язковий людський code review (PR від AI не звільняється від рев’ю), автоматизоване тестування (після змін AI код має запускатися), сканування безпеки (код AI перевіряється за тими самими стандартами, що й людський), і поетапне розгортання (зміни від AI спершу випускаються малими частками). Ці чотири речі — гальма. Спочатку встанови гальма, а вже потім говори, який двигун ставити. Саме тому я ставлю організаційну зрілість першим виміром у виборі рішення — справжній сенс зрілості в тому, наскільки повно в тебе зібрані ці гальма.

Ще одна підступна пастка, яку легко не помітити: shadow AI — інструменти штучного інтелекту, які співробітники використовують самі, без погодження з IT-відділом. Згідно з дослідженням JetBrains від січня 2026 року, 90% розробників уже користуються AI-інструментами; кілька галузевих опитувань сходяться на тому самому висновку — більшість розробників визнають, що використовували на роботі AI-інструменти, які не пройшли офіційного погодження з IT (UpGuard у 2025 році оцінює цю частку в межах 80%). Ви думаєте, що все ще на етапі «вибору рішення», а ваші розробники вже давно вставляють код у різноманітні закордонні інструменти, які не пройшли комплаєнс-перевірку. В опитуванні Pragmatic Engineer від лютого 2026 року є ще тривожніший показник: 56% досвідчених інженерів кажуть, що понад 70% їхньої інженерної роботи залежить від AI-інструментів — це вже не «AI допомагає мені написати кілька рядків коду», а «AI став стандартним способом роботи». Не дасте їм легальний інструмент — вони користуватимуться нелегальним. Ціна shadow AI — це не просто кілька втрачених ліцензій для IT-відділу; це одночасна втрата комплаєнсу, втрата контролю над інтелектуальною власністю та ризик витоку коду.

Сім. Що це означає для керівників

Урок перший: вибір інструменту — це організаційне рішення, а не технічне. Ви обираєте не просто інструмент, а те, як ваша організація працюватиме. Обрати Copilot означає «людина керує, AI допомагає», обрати Claude Code — «AI діє автономно, людина контролює». Ці два шляхи висувають зовсім різні вимоги до спроможностей організації. Найбільша ціна помилки — не підписка, а те, що інструмент змушує вас працювати у спосіб, який ви не можете собі дозволити. Тож перший крок — підняти це питання з рівня технічного рішення CTO до рівня організаційного рішення CEO/COO.

Урок другий: що вища автономність — то важче керування. Спочатку встановіть гальма. Перш ніж запускати автономних агентів, обов’язково мають бути: code review, автоматичне тестування, сканування безпеки та поетапний (canary) реліз. Дані CodeRabbit — 1.7× більше дефектів і 1.82–2.74× більше вразливостей безпеки — це найпряміше попередження проти «запуску агентів без страховки». Спочатку — керування, потім — можливості.

Висновок третій: у високорегульованих галузях спершу пройдіть «clearance» на інструменти, а вже потім масштабуйтеся; і паралельно змініть метрики. Ви думаєте, що вузьке місце в повільній доставці — це кодування? Здебільшого ні. Воно — на етапі валідації (CAB, реєстрація, тестування, аудит). Але метрики, які ви звітуєте керівництву — кількість seat-ів, покриття, рядки коду — саме вони ховають ці справжні вузькі місця. Тож бюджет іде на інструменти. Щоб вилікувати хворобу «знаю, але не можу зрушити», треба змінити метрики: не вимірюйте ROI від AI у ліцензіях і рядках коду, а дивіться на наскрізний час доставки, частоту невдалих змін, час проходження валідації та кількість інцидентів у продакшні. Змініть метрики — і бюджет перетече з «купити більше seat-ів» у «розгребти етап валідації».

Урок четвертий: позиція постачальника щодо управління — це вже частина ризику для вашого ланцюга постачання. Anthropic потрапила до списку ризиків через відмову надати військовим «необмежений доступ», а OpenAI того ж дня підписала контракт із військовими. Тож під час вибору інструментів, окрім функціоналу та ціни, звертайте увагу на три речі: політику обробки даних (чи зберігається код, і якщо так — як довго), позицію щодо комплаєнсу (чи готовий постачальник відповідати вашим регуляторним вимогам, чи готовий він платити бізнес-ціну за свої цінності) та стійкість ланцюга постачання (не ставте всю свою долю на одного закордонного постачальника). Мультипостачальність — це не приємний бонус, а жорстка вимога ризик-менеджменту. (Для керівників у телекомі, фінансах і держсекторі Китаю: ваш головний обмежувач — це трансгранична передача даних, а не позиція постачальника. Останнє — це радше західний погляд на ризики, тож не дозволяйте йому затьмарювати головне.)

Урок п’ятий: криза довіри — це справжнє поле бою на наступні 24 місяці. Ваші розробники вже користуються AI, але їхня довіра до результатів його роботи впала порівняно з двома роками тому — з 40% до 29%. Це означає, що під час оцінки інструментів варто звертати увагу ще на один аспект: чи готові ви покластися на код, який він пише, — чи можна його пояснити, перервати, відкотити й покласти відповідальність.

Зворотна самоперевірка (не прикрашайте відповідь): коли ви обираєте інструмент, ви спершу думаєте про те, «який рівень автономності моя організація може собі дозволити», чи «що зараз модно, те й купуємо»? Перш ніж впроваджувати автономних агентів, чи готові у вас процеси code review, тестування, сканування безпеки та поетапного розгортання (canary releases)? Коли ви звітуєте перед радою директорів про ROI від AI-програмування, ви оперуєте кількістю ліцензій (seats) чи наскрідною тривалістю циклу доставки (end-to-end delivery cycle)? Чи можуть ваші коди в критичних доменах перетинати кордон, і чи існує для них локальна альтернатива? Чи оцінювали ви позицію постачальника щодо управління (governance) та його політику щодо даних? Чи стає ваша команда дедалі більш довірливою до результатів AI, чи навпаки — дедалі скептичнішою? Якщо хоча б на одне з цих шести питань ви не можете відповісти впевнено — ваша рамка вибору інструментів потребує ще однієї ітерації.

Що далі

У наступній, п’ятій, статті ми розглянемо іншу половину екосистеми інструментів — генератори застосунків та AI-IDE (Bolt, Lovable, Replit, v0) і те, як вони переосмислюють саму суть «розробки». Вони знижують поріг входу в розробку майже до нуля, але поріг безпеки та відповідності вимогам аж ніяк не має знижуватися разом із ним — це ще одна, тихіша, криза «тіньового AI», яка вже відбувається.

Хочете застосувати цей підхід у своїй компанії?

Коли AI-інструменти для програмування потрапляють у корпоративне середовище, зазвичай потрібно вирішити кілька конкретних питань: які коди та дані можна передавати в модель, який рівень автономності агентів підходить вашій команді, наскільки потрібно посилити наявні процеси верифікації та за якими метриками оцінювати пілотне впровадження.

Наразі пропоную три формати співпраці:

Корпоративне навчання: на основі реальних проєктів вашої компанії — вибір інструментів, визначення меж використання, процес верифікації та проєктування механізмів управління.

Спеціалізований консалтинг: зосередження на конкретному рішенні, наприклад, чи доцільно впроваджувати Claude Code, як впровадити Trae або Qoder у середовищі з жорстким регулюванням, або як розробити 90-денну пілотну програму.

Доповіді для керівництва та галузеві виступи: навколо AI-програмування, трансформації процесів розробки програмного забезпечення, корпоративної AI-трансформації та організаційного управління.

Стаття пропонує загальну рамку. Конкретне впровадження все одно потребує перепроєктування з урахуванням меж даних вашого підприємства, регуляторних вимог, рівня інженерної зрілості та наявних процесів постачання. Співпраця — через coach@iaiuse.com.

Рекомендоване читання: «Методологія “Вивіска” v1.0» (Повільно вивчаємо AI, 187) — системний огляд 7-крокової рамки корпоративної AI-трансформації.

Про цю серію

«Трансформація розробки програмного забезпечення в епоху AI» — це дослідницька серія для CIO, CDO, CTO та керівників цифрової трансформації в телекомунікаціях, фінансах, виробництві та електронній комерції. Основна увага — як AI-інструменти програмування впливають на процеси постачання ПЗ, організаційну структуру, механізми управління та метрики менеджменту.

Серія постійно відстежує академічні публікації, матеріали вендорів та галузеві звіти. Дослідницька база налічує понад 200 джерел. Ключові твердження позначаються рівнем доказовості, щоб чітко розрізняти підтверджені факти, заяви вендорів, галузеві спостереження та авторські припущення.

Маю майже 8 років досвіду в консалтингу для великих підприємств і бізнес-аналітиці. Працював в IBM, брав участь у проєктах для телекомунікаційної, фінансової, страхової та виробничої галузей. Згодом продовжив працювати на передовій — над продуктами для операторів звʼязку, інтернет-продуктами та розробкою AI-застосунків, займаючись аналізом вимог, продуктовим дизайном і впровадженням рішень між командами.

Висновки цього циклу щодо вибору інструментів, процесів валідації та організаційного управління базуються на цьому практичному досвіді, а також на відкритих дослідженнях і галузевих кейсах, які я перехресно звіряв. Усе, що стосується конкретних проєктів, знеособлено; частина галузевих сценаріїв — це типова реконструкція проблем, і відповідні джерела наведено в кінці матеріалу.

Джерела (кожне з посиланням + рівень доказовості + позначення позиції)

Опитування JetBrains AI Pulse Survey 2026.1 (рівень 1): понад 10 000 професійних розробників, 8 мов. GitHub Copilot — 76% впізнаваність / 29% використання на робочому місці / зростання зупинилося (у компаніях з понад 10 000 співробітників — 56%); Cursor — 69% / 18% / темпи зростання сповільнилися; Claude Code — 57% / 18% / зростання у 6 разів за 9 місяців, у Північній Америці — 24%, CSAT 91 / NPS 54; Codex — 27% / 3% (до появи десктопної версії); Antigravity — 6% (вийшов у листопаді 2025); Junie CLI — 5%. 90% розробників використовують принаймні один AI-інструмент; 70% — від 2 до 4 інструментів. https://www.jetbrains.com/research/ai-coding-assistant-usage/

  • Pragmatic Engineer Newsletter (лютий 2026, першоджерело): опитування 15 000 розробників; Claude Code — 46% найбільш вподобаний (проти Cursor 19%, Copilot 9%); у компаніях до 10 000 співробітників 75% обирають Claude Code, понад 10 000 — 56% обирають Copilot; 70% використовують 2–4 інструменти одночасно. https://newsletter.pragmaticengineer.com/p/ai-tooling-2026

  • Анонс раунду G від Anthropic (лютий 2026, першоджерело, позиція вендора): Claude Code за 9 місяців з нуля досяг $2,5 млрд річного регулярного доходу. Reuters, Forbes, SaaStr та інші джерела підтверджують одностайно.

  • Фінансові звіти Microsoft за FY26 Q1/Q2 (28.01.2026, дані зі сторінки для інвесторів Microsoft, позиція вендора): GitHub Copilot — 4,7 млн платних підписок, зростання +75% рік до року (дані зі звіту за Q2 FY26); Copilot Pro+ (індивідуальна підписка) — +77% квартал до кварталу у Q2. Приблизно 77 тисяч корпоративних клієнтів — це показник, розкритий за FY24; у FY26 він не оновлювався, тому використовуємо його із зазначенням джерела.

  • Cursor / Anysphere, раунд D (листопад 2025, первинний ринок): залучення $2,3 млрд, оцінка $29,3 млрд. ARR зріс з $100 млн (січень 2025) до $2 млрд (лютий 2026) — найшвидше досягнення $100 млн ARR серед прикладних SaaS-продуктів в історії. Джерела: CNBC, The Information.

  • Публічна позиція Sam Altman / OpenAI (квітень–червень 2026, першоджерело, позиція вендора): Codex — 3 млн щотижневих активних користувачів (початок квітня) → 4 млн (21 квітня) → 5+ млн (2 червня, з них 20% — не розробники); обсяг використання токенів зростає на 70%+ місяць до місяця; щомісячні завантаження Codex CLI з npm зросли з 82 тис. у квітні 2025 (місяць запуску) до 41,8 млн у травні 2026 — зростання у 510 разів. Дані підтверджуються кількома джерелами: gradually.ai, Neowin, Constellation Research.

  • Партнерство OpenAI × Dell (18 травня 2026, першоджерело, позиція вендора): на Dell Technologies World офіційно анонсовано Dell AI Factory with OpenAI Codex — розгортання Codex у корпоративних середовищах on-premises та гібридних хмарах; покриття: Codex + ChatGPT Enterprise. https://openai.com/index/dell-codex-enterprise-partnership

  • Резидентність даних OpenAI в ЄС (з лютого 2025 р., першоджерело, позиція постачальника): європейська резидентність даних для ChatGPT Enterprise/Edu/API; з січня 2026 р. розширення на регіональні GPU-інференси (США/ЄС). https://openai.com/index/introducing-data-residency-in-europe/

  • Claude Code на AWS Bedrock + перебування даних у ЄС (рівень 1): Claude через claude.ai/API Anthropic за замовчуванням використовує інфраструктуру США; Claude Enterprise (SaaS) не включає перебування даних у ЄС; для перебування даних у ЄС потрібно використовувати AWS Bedrock EU profile (Франкфурт eu-central-1 / Ірландія / Париж) або Vertex AI EU, з префіксом eu. у ID моделі; Microsoft Foundry виходить у Європі у GA у 2026.7, але зобов’язання щодо перебування даних не поширюються на Foundry («Coming 2026»). compound.law, InfoQ, bespinian. https://www.infoq.com/news/2026/07/claude-foundry-ga-europe

  • Суперечка між Anthropic і Міністерством оборони США (перше півріччя 2026, рівень 1, новинний факт + юридичні документи): Пентагон вимагав, щоб Claude використовувався без обмежень «для всіх законних цілей»; позиція Даріо Амодеї — не використовувати для масового внутрішнього стеження та повністю автономної зброї; 27.02.2026 Трамп доручив федеральним відомствам припинити використання, Гегсет вніс Anthropic до переліку «ризиків для ланцюга постачання»; 04.03 Міноборони офіційно затвердило це рішення; 09.03 Anthropic подала позов (ND Cal, 3:26-cv-01996, суддя Ріта Лін); 26.03 попередня заборона («підстави, найімовірніше, є лише приводом, а мотив — незаконна помста»); 08.04 апеляційний суд відхилив клопотання Anthropic про зупинення виконання рішення; того ж дня OpenAI оголосила про угоду з Пентагоном. Mayer Brown, Wikipedia, Arms Control Association, Breaking Defense, CNBC. https://www.mayerbrown.com/en/insights/publications/2026/03/pentagon-designates-anthropic-a-supply-chain-risk-what-government-contractors-need-to-know

  • TRAE CN Enterprise Edition Release (2025.12.18, Tier 1, vendor perspective): 92% of ByteDance engineers use it internally; 6M+ individual registrations; dual deployment of Enterprise Edition + Enterprise Exclusive Edition (the latter with private network isolation); end-to-end encryption + zero cloud storage + models not used for training; indexing of 100K files / 150M lines; SSO, performance dashboards, MCP; deployed at Huifu Payment (Chinese fintech) and Douyin Life Services (ByteDance service). Covered by CSDN, Sina Tech, ZOL (citing official release). https://www.csdn.net/article/2025-12-18/156057918

  • Qoder CN (колишній Tongyi Lingma) Enterprise Edition (травень 2026, рівень 1, позиція вендора): У травні 2026 року Tongyi Lingma було перейменовано на Qoder CN, розширивши матрицю продуктів: кодинг, офісні інструменти, термінали та мобільні рішення. Доступні дві редакції: Enterprise Standard (ліцензія за робочими місцями) та Enterprise Dedicated (VPC-приватне розгортання, дані не виходять за межі внутрішньої мережі, SSO, тонке налаштування моделей, SLA 99.9%, виділений консультант, підтримка 7×24). Під капотом — кілька вітчизняних моделей (Qwen/GLM/DeepSeek/Kimi/MiniMax). Офіційна документація Alibaba Cloud. https://help.aliyun.com/zh/lingma/qoder-cn-account-and-subscription

  • Google Antigravity (листопад 2025 + I/O 2026, рівень 1): У листопаді 2025 року Google представив agent-first інструмент для програмування (розроблений для Gemini 3, за даними The Verge); на Google I/O 2026 вийшла версія 2.0 — повноцінна agentic-платформа розробки з desktop-клієнтом, CLI та SDK. У JetBrains 2026.1 рівень впровадження сягнув 6%. Джерела: Wikipedia, The Verge, офіційні матеріали Google.

  • CodeRabbit (2025.12.17, першоджерело): 470 відкритих GitHub PR (AI проти людини). Загальна кількість дефектів у 1,7 раза більша (10,83 проти 6,45 на PR); вразливості безпеки за підкласами у 1,82–2,74 раза — XSS у 2,74 раза, небезпечні прямі посилання на об’єкти у 1,91 раза, неналежна обробка паролів у 1,88 раза, небезпечна десеріалізація у 1,82 раза; проблеми з читабельністю у 3 рази. https://www.coderabbit.ai/whitepapers/state-of-AI-vs-human-code-generation-report

  • Apiiro (2025.9.4, позиція вендора): сканування репозиторіїв підприємств зі списку Fortune 50 (дані за 2024.12–2025.6). Щомісячні знахідки вразливостей у коді, згенерованому AI, зросли приблизно з 1000 до 10000+ (у 10 разів), вразливості підвищення привілеїв +322%, дефекти проєктування на рівні архітектури +153%; кількість синтаксичних помилок знизилася на 76%, логічних багів — на 60%. The Register, Cloud Security Alliance Labs.

  • Дослідження GitHub × Accenture (першоджерело, позиція вендора, GitHub Blog, квітень 2024): 450+ розробників Accenture, контрольований експеримент тривалістю 6 місяців. Кількість pull request на людину зросла на +8,69%, рівень злиття — на +15%, розробники зберегли 88% згенерованого Copilot коду (після перевірки). Примітка: поширена теза про «прискорення на 55%» походить з іншого експерименту GitHub на невеликій вибірці з JavaScript HTTP-сервісом і не має стосунку до дослідження Accenture — її часто помилково приписують саме цьому дослідженню.

  • Робочий документ економічної групи MIT (першоджерело): експеримент Microsoft (1663 особи) — PR +12,9%–21,8%; експеримент Accenture (311 осіб) — PR +7,5%–8,7%. https://economics.mit.edu/sites/default/files/inline-files/draft_copilot_experiments.pdf

  • Опитування розробників Stack Overflow 2025 (першоджерело): 84% розробників використовують AI-інструменти; у JetBrains 2026.1 цей показник зріс до 90%.

  • UpGuard 2025 / Journal of Accountancy (вторинне джерело): близько 80% розробників зізнаються, що використовують AI-інструменти, не схвалені IT-відділом (так званий «тіньовий AI»).

  • Зниження довіри розробників (вторинне джерело, кілька джерел): у 2026 році лише близько 29% розробників довіряють коду, згенерованому AI, порівняно з 40% у 2024 році; показник code churn зріс із 3,1% у 2020 році до 5,7% у 2024-му. Дані Uvik Software та інших.

  • Carlini / Anthropic (січень–лютий 2026, первинне джерело, оригінальне дослідження): дослідник Anthropic Ніколас Карліні запустив 16 агентів Claude Opus 4.6 паралельно протягом 2 тижнів — близько 2000 сесій, ~$20 000 витрат на API — і вони з нуля написали компілятор мови C на Rust обсягом 100 000 рядків коду. Компілятор успішно зібрав Linux 6.9 (x86/ARM/RISC-V), пройшов 99% тестів GCC torture test і запустив FFmpeg, Redis, PostgreSQL, QEMU та Doom. Джерела: InfoQ, блог Anthropic.

  • Примітка про анонімізацію кейсів: Сценарій оператора зв’язку, згаданий у цій статті, базується на моєму досвіді проведення внутрішніх AI-тренінгів для операторів і спостереженні за цифровими командами; усі дані анонімізовано. Абзаци про банківську сферу, виробництво та електронну комерцію, які ілюструють тезу «та сама логіка працює в інших галузях», є типовими галузевими моделюваннями, а не звітами про консалтингові проєкти для конкретних клієнтів. Будь-яке цитування має зазначати факт анонімізації.