Исследователи проанализировали десять проектов на C и C++, созданных с помощью подхода «vibe coding», при котором LLM генерирует весь программный код на основе естественного языка. Основной вопрос работы заключался в том, сохраняется ли в таких проектах вариативность, которую традиционная инженерия программного обеспечения закладывает в структуру кода для обеспечения гибкости и адаптивности систем.
Результаты показали, что в коде, созданном нейросетями, практически отсутствует внутренняя вариативность на уровне компиляции и конфигурации. Традиционные методы разработки предполагают использование механизмов, позволяющих настраивать поведение программы без изменения исходного кода, однако ИИ-модели склонны генерировать монолитные решения, ориентированные на конкретный запрос пользователя. Это приводит к созданию «жестких» программных продуктов, которые сложнее модифицировать или адаптировать под меняющиеся требования в будущем.
Авторы исследования подчеркивают, что переход к генеративному программированию требует пересмотра подходов к архитектуре. Если текущая тенденция сохранится, индустрия рискует столкнуться с накоплением технического долга, вызванного отсутствием гибкости в автоматически созданных системах. Для решения этой проблемы предлагается внедрение методов регенерации кода, которые могли бы восстанавливать необходимые уровни вариативности в проектах, написанных с помощью ИИ.