Proceedings of the International scientific and practical conference “Science, Technology and Culture: Strategies for Sustainable Development” (December 15-17, 2025) / Publisher website: www.naukainfo.com. – Krakow, Poland, 2025. – 120 p.

13 Сучасний ландшафт інструментарію розробника характеризується переходом від імперативного написання коду до декларативного управління намірами [1]. За ступенем автономності системи та рівнем абстракції виділяють три основні моделі взаємодії [2]. Першою моделлю є програмування з асистуванням (AI-Assisted Programming) . Цей підхід базується на глибокому розумінні контексту проєкту та інтегрується безпосередньо в середовище розробки (IDE). Інструменти, такі як GitHub Copilot та Cursor (у режимі Tab-completion), використовують великі мовні моделі для прогнозування наступних фрагментів коду в реальному часі. Ключовою особливістю цього методу є збереження повного контролю розробника над архітектурою та логікою застосунку при одночасному прискоренні рутинних операцій. Це дозволяє інженеру залишатися у стані потоку, делегуючи машині написання синтаксичних конструкцій [3]. Проте модель має обмеження: вона часто працює в межах локального контексту одного файлу і вимагає від користувача високої кваліфікації для верифікації запропонованих рішень, оскільки ШІ схильний до генерації синтаксично правильного, але логічно помилкового коду. Другим підходом є використання агентного штучного інтелекту (Agentic AI) , що реалізує модель автономного виконання завдань [4]. На відміну від асистентів, агентні системи (наприклад, Claude Code, Cursor Composer, Windsurf) здатні планувати послідовність дій, редагувати декілька файлів одночасно, запускати термінальні команди та аналізувати помилки компіляції [5]. Перевага агентного підходу полягає у можливості делегування завдань середньої складності, таких як рефакторинг модулів або написання інтеграційних тестів [6]. Система працює у циклі «думка – дія – спостереження – виправлення», що фактично імітує роботу молодшого розробника у форматі парного програмування. Головним викликом тут є вартість (через велику кількість токенів на ітерацію) та необхідність постійного нагляду за логікою рішень агента, щоб уникнути критичних відхилень від технічного завдання.