ChatGPT анонсирован: что это значит для ИТ-команд прямо сейчас

OpenAI запустила ChatGPT 30 ноября. Мы смотрели на объявление без особого удивления - GPT-3 существует с 2020-го, Copilot работает в IDE у части команды уже год. Но то, что случилось дальше, немного изменило отношение к теме: за несколько дней в Slack посыпались ссылки на скриншоты с ответами чатбота, коллеги из других компаний стали присылать примеры «как ChatGPT написал мне SQL», а один заказчик спросил напрямую - «вы уже используете, нам надо внедрить». Это уже другой масштаб разговора.

Что произошло

ChatGPT - это GPT-3.5, обёрнутый в чат-интерфейс и дообученный через RLHF (reinforcement learning from human feedback). Не новая модель - новый формат взаимодействия. Раньше работа с GPT требовала API, prompt engineering и понимания что ты вообще делаешь. Теперь любой открывает браузер и начинает переписку. Именно это дало миллион пользователей за неделю: не прорыв в качестве модели, а снятый порог входа.

Из того, что мы сами проверили за первые дни:

• Генерация кода. Работает заметно лучше, чем ожидали. SQL-запросы средней сложности, Python-сниппеты для работы с данными, регулярки - выходит быстро и часто без ошибок. Не всегда, но часто.
• Объяснение кода. Скармливаешь кусок незнакомого кода - получаешь читаемое объяснение. Для онбординга или аудита чужих скриптов это реально полезно.
• Написание текстов и документации. Работает, но здесь уже надо проверять факты. Модель уверенно пишет несуществующие детали.
• Галлюцинации. Это главная проблема прямо сейчас. ChatGPT выдаёт неверные факты с той же интонацией, что и верные. В коде ошибку видно на прогоне, в тексте про API или архитектуру - только если ты сам в теме.

Почему в профсообществе сейчас разные реакции

За несколько дней в чатах и комментариях прошло два полярных лагеря. Первый: «джунов скоро не нужно», «через год никто не будет писать код руками», «это конец профессии». Второй: «не более чем красивый автодополнялка», «ничего принципиально нового», «мы так и знали».

Оба лагеря, кажется, описывают разные части одного слона.

Инструмент ускоряет типовые задачи - это факт, мы видим на своей практике. Заменить разработчика на нетривиальной задаче он не может - это тоже факт, мы проверяли. Проблема не в инструменте, а в том, что люди склонны экстраполировать первое впечатление до предела. Когда ты видишь, что ChatGPT написал рабочую функцию сортировки за 10 секунд - легко решить, что через полгода он напишет всё приложение. Это не так линейно.

Что это означает для ИТ-команд в 2023

Наши наблюдения по первым дням - с пониманием, что картина ещё будет меняться:

Первое - пробовать стоит, но избирательно. Code review вспомогательных скриптов, генерация шаблонов конфигов, написание тестовых данных, объяснение чужого SQL - всё это уже сейчас экономит время. Бизнес-логику и архитектурные решения не стоит делегировать.

Второе - галлюцинации требуют процесса, а не доверия. Любой вывод ChatGPT про конкретные API, документацию, параметры систем надо проверять. Это не недостаток инструмента, который «исправят», - это фундаментальное свойство языковых моделей. Строить процесс работы без слоя верификации значит копить технический долг другого рода.

Третье - хайп плохо масштабируется. Запрос «внедрить AI» без понимания, в какой конкретно процесс и зачем - это не стратегия. Если в команде нет задачи, которую реально можно ускорить этим инструментом, форсированное внедрение даст только потраченное время на эксперименты.

Четвёртое - данные никуда не отправляй. OpenAI обрабатывает запросы на своих серверах. Передавать в ChatGPT реальные данные клиентов, внутренние схемы БД с именами таблиц, конфиги с именами хостов - плохая идея. Пока нет on-premise решения или чёткой политики - только синтетика и обезличенные примеры.

Где мы сейчас

Несколько человек в команде начали использовать ChatGPT как ускоритель при написании скриптов и черновиков документации. Никакого формального решения по этому поводу не принимали - просто смотрим. Через месяц-другой будет понятнее, что реально прижилось, а что было эффектом новизны.

Про внедрение для клиентов пока говорить рано - нет ни зрелых on-premise вариантов, ни понимания лицензионных рисков для российского контекста. Следим.