Автор просканировал 30 сайтов документации и выяснил, почему ИИ-ассистенты советуют одни и те же библиотеки

Автор провёл эксперимент: просканировал около 30 сайтов документации и прогнал через ассистенты кода типовые задачи, чтобы понять, какие библиотеки ИИ рекомендует. Результат — ассистенты устойчиво называют одни и те же крупные проекты и почти не упоминают нишевые альтернативы, включая проект самого автора.

Проблема, по мнению исследователя, не в качестве кода его решения, а в смещении выборки: модели обучены на массивах популярной документации, поэтому воспроизводят «мейнстримный» стек. Это создаёт эффект замкнутого круга — новые и нишевые инструменты не попадают в рекомендации, потому что о них мало текстов, а текстов мало, потому что их не рекомендуют.

Для индустрии это сигнал о том, как ИИ-инструменты формируют технологические стандарты и могут сужать разнообразие экосистемы. Тот же механизм актуален и для медиатехнологий: рекомендательные и генеративные системы тиражируют уже популярные решения и форматы.

Методология сканирования, список сайтов и конкретные наблюдения по библиотекам — в статье на Хабре.