Российские IT-компании массово «нанимают» нейросотрудников

Крупные разработчики ПО фиксируют рост ёмкости команд на 30% без найма новых специалистов. Парадокс: искусственный интеллект не ускоряет проекты, но позволяет брать больше заказов теми же силами. 

Недавно на канале Департамент разработки состоялась дискуссия в которой принимали участие эксперты индустрии, где разбиралась практика применения ИИ-технологий. Наряду с представителями “Диасофт»  в обсуждении приняли участие представители ГК Softline, IT-интегратора Fusion, компаний «ТИМ ФОРС», Spectr, VeAI — то есть те, кто как и мы ежедневно сталкивается с внедрением ИИ в реальных проектах.

«Рынок проходит через точку перелома. Хаотичный этап экспериментов заканчивается — начинается этап системного внедрения. И тем, кто хочет быть в первых рядах, важно понимать, что происходит прямо сейчас», — отметил участник дискуссии Александр Сахаров, директор по работе с партнерами «Диасофт».

ИИ пишет как джун, но работает круглосуточно

Первое, в чём сошлись все участники: современные ИИ-модели генерируют код на уровне Junior-Middle разработчика. Ещё полтора года назад такой итог казался недостижимым — сегодня это рабочий средство, который используют специалисты от Middle и выше.

«За последние полтора-два года произошёл существенный скачок — и с точки зрения самих моделей, и с точки зрения инструментария. Исходник вполне неплохо генерируется, применение этих инструментов существенно ускоряет работу с точки зрения производительности», — отметил Алексей Цыкарев, основатель компании Spectr.

Российские компании тестируют как отечественные решения (GigaCode), так и зарубежные (Cursor), а также open-source инструменты. Одновременно выбор зависит от конкретного этапа разработки: в аналитике работают одни инструменты, в тестировании — другие, в написании кода — третьи.

«У нас сотни разработчиков, сотни проектов, и все они разные. На всех этапах — от интервью с заказчиком до технической поддержки — можно использовать инструменты ИИ. Причём на разных этапах инструменты разные», — пояснил Роман Смирнов, коммерческий директор «Девелоники» (ГК Softline).

30% работы происходит до первой строчки кода

Один из неочевидных выводов дискуссии: важный эффект ИИ даёт на этапах, предшествующих собственно разработке. По оценкам экспертов, до 30% проектного времени уходит на документирование — формализацию бизнес-требований, написание технического задания, проектирование архитектуры, декомпозицию задач.

«До разработки кода необходимо написать ТЗ, формализовать бизнес-требования, написать архитектуру, разбить ТЗ на задачи, проверить — покрываются ли техническим заданием бизнес-требования. Применение ИИ в начале пути позволяет быстрее делать процессы, связанные с формализацией. Особенно если у вас не хватает аналитиков — можно делегировать это ИИ», — рассказал Виталий Попов, директор департамента «Софтлайн Решения».

«Именно на этапе формализации и проектирования многие получают начальный измеримый эффект от внедрения ИИ. Здесь меньше рисков сломать что-то в уже работающей системе, а результат виден сразу», — внедрил Александр Сахаров.

Парадокс эффективности: больше — не значит быстрее

Основной вывод дискуссии оказался контринтуитивным. Несмотря на очевидное ускорение отдельных операций, общая продолжительность проектов практически не сокращается. Зато растёт количество проектов, которые команда способна вести параллельно.

«Я не могу сказать, что с применением ИИ мы делаем проекты на 30% быстрее. Не могу. Но один разработчик становится эффективнее, команда становится эффективнее — и я могу в эту же команду на 30% больше проектов загрузить. Больше не равно быстрее», — подчеркнул Виталий Попов.

Причина — в появлении новых этапов. Код, сгенерированный ИИ, требует проверки, очистки и тестирования на совместимость. Эксперты называют это проблемой «вайб-кодинга»: модель может сгенерировать 100 тысяч строк кода, а потом упереться в ограничения и начать ломать другой фича при попытке добавить новые фичи.

«Три из четырёх задач я делаю вместо двух часов за пять минут. А одну из пяти задач, попадая в цикл отладки, могу дебажить два дня. Или схема генерирует столько кода, что на ревью уходит больше времени, чем если бы я создал текст сам», — поделился опытом Владислав Кудинов, основатель и CTO VeAI.

Эффективность системы определяется самым узким местом

Участники дискуссии применили к проблеме классическую теорию ограничений. Ускорение одного этапа не ускоряет весь конвейер, если остаются другие узкие места.

«Производительность системы измеряется её самым узким местом. Если разработка ускорилась, а затормозилось в другом месте — проект всё равно заторможен. Часть команды, которая освободилась быстрее, перекидывается на другой проект. За счёт ускорения на 20-30% можно увеличить количество параллельных проектов, но не скорость каждого», — объяснил Ярослав Янгалычев, Chief Product Officer компании «ТИМ ФОРС».

«Компании, которые первыми научатся расшивать узкие места системно, а не точечно, получат преимущество уже в 2025 году. Пока большинство ускоряет отдельные этапы — победят те, кто перестроит весь конвейер», — полагает Александр Сахаров.

Ещё одна причина, почему эффект от ИИ пока не виден в масштабах рынка, — человеческий фактор. Разработчики оказались «точно такими же людьми, как и клиенты», которым компании внедряют новые продукты.

«Люди делятся на три класса: новаторы, те, кто идёт по течению, и те, кто сопротивляется изменениям. Программисты — не удаление. Мы идём по стандартному пути внедрения инноваций, и всё, что происходит, — абсолютно нормально», — констатировал Роман Смирнов.

Добавление часто происходит хаотично, «на откуп разработчикам» — без единой системы, без метрик, без контроля. Это даёт точечный эффект, но не масштабируется.

От кодера к «защитнику репозитория»

Эксперты сходятся во мнении: профессия программиста трансформируется фундаментально. Из человека, пишущего код, разработчик превращается в «guardian» — защитника репозитория, отвечающего за качество и архитектурную целостность.

«Нейросотрудник — это человек, усиленный искусственным интеллектом. Он ускоряется, но без грамотной оркестрации со стороны человека ИИ не сможет сделать что-то профессиональное. ИИ — это инструмент, ключевое слово — инструмент», — подчеркнул Ярослав Янгалычев.

«Это требует пересмотра подходов к найму и развитию команд. Разработчик перестаёт быть "печатающей машинкой" и становится архитектором, ревьюером, гарантом качества. Через два-три года компании будут конкурировать не за количество рук, а за специалистов, умеющих управлять ИИ-инструментами и отвечать за итог», — отметил Александр Сахаров.

В некоторых западных компаниях уже появляются новые должности: вместо классического CTO вводят позицию, отвечающую за AI-first разработку. Процессы при таком подходе строятся принципиально иначе.

«Роль будет меняться. Люди будут закрывать более широкий пласт задач, их основная опция — обеспечивать качество. ИИ людей не заменит, но их может потребоваться чуть меньше», — полагает Владислав Кудинов.

Системный решение: как это работает у лидеров

Компании, добившиеся измеримых результатов, подходят к внедрению системно. Хаотичное использование ИИ не даёт эффекта — нужна методология.

«Хаотичное добавление приведёт к хаосу в бизнес-процессах. У нас есть специальные группы по внедрению ИИ: в аналитике, в разработке, в тестировании. Они работают параллельно и независимо, а потом синхронизируются по инструментам», — рассказал Роман Смирнов.

Подход может быть двух видов. «Снизу» — когда собирают реальные кейсы от энтузиастов, которые нашли эффективные способы применения. «Сверху» — когда R&D-группа мониторит мировой рынок и находит прорывные решения. Лучший результат даёт комбинация обоих подходов.

«Важно не просто дать людям инструменты, а встроить их в процессы так, чтобы эффект был воспроизводимым. Один энтузиаст может ускориться в три раза — но если это не тиражируется на всю команду, для бизнеса это не имеет значения», — подчеркнул Александр Сахаров.

Отдельные компании уже создают собственные продукты со встроенным ИИ. В частности, «Девелоника» разработала инструмент для тестирования, который позволяет писать тест-кейсы в пять раз быстрее человека.

Что дальше

Участники дискуссии единодушны в оптимизме. По их наблюдениям, качество ИИ-моделей удваивается примерно раз в полгода. Хорошие open-source модели появились только летом 2024 года, агентные инструменты промышленного уровня — осенью. Значит, основной эффект от внедрения ещё впереди.

«Я оптимист по поводу искусственного интеллекта. Он будет внедряться в наши процессы всё больше. Раз в полгода происходит квантовый скачок, модели становятся в два раза умнее. Что с ними будет через 2-3 года — можно только гадать. Но я думаю, что они будут гораздо умнее и гораздо более полезными», — резюмировал Роман Смирнов.

«Окно возможностей для системного внедрения ИИ сейчас открыто максимально широко. Модели удваивают возможности каждые полгода, а рынок труда не успевает за спросом на разработчиков. Те, кто научится масштабировать бизнес без пропорционального роста команды, определят правила игры на следующие пять лет. Остальные будут догонять», — заключил Александр Сахаров.

Текстовая версия обсуждения опубликована на е.