Ви обирали свій AI-інструмент для коду так само, як обираєте текстовий редактор. Спробували кілька, залишили той, що лягав найзручніше, і вирішили, що наступного кварталу спокійно пересядете на щось краще. Зазвичай із софтом це працює.

AI-агенти для коду зламали це припущення. І дані JetBrains за квітень 2026 року роблять цей злам видимим.

JetBrains AI Pulse, опублікований 7 квітня 2026 року, охопив понад 10 000 професійних розробників на восьми мовах програмування. Кожен аналітик і кожна розсилка вже розібрали заголовкові цифри — хто лідирує, хто буксує. Але під табло результатів ховається дещо вагоміше, що ніхто не бенчмаркає: накопичення контексту.

Традиційний автокомпліт коду — функція, що підказує наступний рядок під час набору — не має стану. Він читає файл, у якому ви працюєте, може кілька сусідніх, і вгадує. Замінити його — п'ять хвилин. Нове покоління AI-агентів для коду працює інакше. Claude Code — термінальний асистент від Anthropic — читає весь ваш репозиторій. Cursor — AI-редактор коду — індексує структуру проєкту. GitHub Copilot Workspace — агентний шар GitHub, окремий від базового автокомпліту Copilot — відстежує історію pull request'ів і контекст issue.

Кожен із цих інструментів будує модель ВАШОЇ кодової бази. Не загальну модель «коду» — а конкретне розуміння ваших конвенцій іменування, архітектурних патернів, тестових уподобань команди, особливостей деплою. Кожен переглянутий pull request, кожен виправлений баг, кожен проведений рефакторинг додає сигнал. Через три місяці підказки інструмента вже не генеричні. Вони — налаштовані під вас.

Оце налаштування і є lock-in.

Вартість переходу на інший AI-агент для коду — це не ціна підписки, $10–$20 на місяць, дрібниця для бізнесу. Вартість переходу — це тижні просадженої продуктивності, поки новий інструмент перевчає те, що попередній уже знав. Для соло-розробника це дратує. Для команди з п'ятдесяти людей — це яма в продуктивності, на яку ніхто не закладав бюджет.

Дані JetBrains дають непрямі докази. Claude Code має найвищу задоволеність у всьому опитуванні: NPS 54 (Net Promoter Score — наскільки ймовірно, що користувачі порекомендують інструмент; все, що вище 50, вважається відмінним). При цьому його adoption на робочих місцях — лише 18%. Якби перехід був безболісним, цей розрив між любов'ю і використанням закрився б швидко. Не закрився. Між опитуваннями JetBrains середини 2025-го та квітня 2026-го впізнаваність Claude Code майже подвоїлась — з 31% до 57%, а adoption зріс приблизно з 3% до 18% — шестикратний стрибок, майже повністю за рахунок сарафанного радіо. Але 18% для лідера задоволеності натякає, що щось стримує adoption, окрім впізнаваності. Це щось — вартість виривання того, що вже вросло.

Cursor демонструє, як виглядає прорив, коли якість достатньо драматична. Як повідомив Bloomberg 2 березня 2026, Cursor досяг $2 мільярдів річного рекурентного доходу (щорічний дохід від підписок), подвоївшись лише за три місяці, і має понад половину Fortune 500 серед клієнтів. Але стратегія Cursor показова: він не просить вас прикрутити AI-плагін до існуючого редактора. Він замінює редактор повністю. Це повне захоплення контексту — обхід витрат на перехід через володіння всім середовищем із першого дня.

А тепер — чому вікно звужується. AI-агенти для коду рухаються до персистентної пам'яті — історії сесій, вивчених уподобань для конкретного проєкту, накопичених воркфлоу команди. Щокварталу це поглиблюється, і вартість переходу зростає як складний відсоток. Інструмент, який ви випадково обрали в Q1, до Q4 стає інфраструктурою, яку не вирвати.

Якщо ваша команда зараз оцінює AI-інструменти для коду, ставтеся до цього рішення не як до вибору SaaS-підписки, а як до вибору бази даних. Вартість міграції на першу добу мінімальна й зростає з кожним спринтом. Запустіть пілот на 90 днів, вимірюйте на вашій реальній кодовій базі — не на демо-репозиторії — і приймайте рішення. Бо через півроку рішення вже буде прийнято за вас — накопиченим контекстом, а не бенчмарком.

Війни моделей питали: «Чий AI розумніший?» Війни дистрибуції питали: «Чий AI вже встановлений?» Наступне питання тихіше й складніше: чий AI вже знає ваш код настільки добре, що піти — як почати з нуля? Це lock-in, який ніхто не бенчмаркав. І коли ви його помічаєте, він уже збудований.