[1/2] Исследование AI в SDLC от IT One и Сколково (Рубрика #AI)

Недавно я был на презентации результатов исследования от IT One и Сколково, где участвовал в панельной дискуссии. Потом я взял это исследование и изучил все 59 страниц, в которых примерно следующая структура
1) Мировая практика: существующая и предстоящая трансформация SDLC под влиянием ИИ - здесь авторы провели мета-исследование, проанализировав отчеты других уважаемых ребят (приведу ссылки ниже при описании результатов)
2) AI в SDLC в России: ландшафт рынка, сервисы, практики и ожидания по развитию - здесь авторы проанализировали публичные сервисы, доступные на рынке Росии + проанализировали крупные анонсы от игроков, даже если сами решения еще не доступны для широкого круга пользователей
3) Взгляд технологических лидеров на AI в SDLC: результаты интервью СТО / CIO и руководителей по разработке крупных компаний - здесь авторы взяли интервью с 50+ уважаемых людей в индустрии (списка этих людей я в отчете не нашел, но поверим на слово)
4) Прогнозы, выводы и рекомендации о возможностях и рисках, с которыми связано использованием AI в SDLC - мнение авторов о том, как дальше будет развиваться AI и как его интегрировать в разработку

Начнем в этом посте с общемировой практики
- Рынку AI-инструментов для разработки : $6,9 млрд → $29,6 млрд к 2032 (х4). Наибольший эффект на этапах разработки и тестирования. Источник Spherical Insights
- 62% разработчиков уже используют ИИ; ещё 13,8% — в планах (по данным 2024 года). Менеджеры оценивают проникновение ниже, но тренд ускоряется. Источник StackOverflow 2024 (я разбирал этот отчет 2024 года, а также разбирал и новый отчет 2025 года)
- Ценность смещается от личной эффективности (быстрее пишет код) к командной: сейчас +10% к скорости кодинга, в горизонте нескольких лет +25–30% к продуктивности команд при работе "ИИ-на-уровне-команд" (чтобы это ни значило). Источник Mia Platform
- Ускорение SDLC: уже 15–20% сейчас (источник: Forrester), потенциал 30–50% на среднесрочном горизонте (источник: medium статья от Сатиш Рама, Director Gen AI @ Paypal)
- Горизонт трансформации процессов - 1–3 года; у 32% техлидеров фактический эффект уже превзошёл ожидания (Источник: MIT, но конкретной ссылки на статью нет)

Отдельно авторы упоминают про исследование METR, где на сложных задачах/репозиториях ИИ может замедлять работу опытных инженеров. Подробный разбор есть в моих постах 1 и 2 и даже в подкасте RIMS, где показано, что само исследование задизайнено под конкретный результат + представляет очень узкий кейс.

Интересно, что авторы исследования нашли модель зрелости от министерства DEFRA правительства Великобритании "The AI-Powered SDLC: A Comprehensive Technical and Cultural Maturity Assessment Framework". Я сначала не понял как ведомство, отвечающее за охрану окружающей среды, продовльственную политику и развитие сельских регионов связано с цифровизацией, но потом изучил вопрос и понял:) С середины 2010-х DEFRA стало одним из лидеров цифровой трансформации в британском госсекторе, во многом благодаря активному сотрудничеству с Government Digital Service (GDS) и Central Digital and Data Office (CDDO). У DEFRA тысячи источников данных (от спутников до фермерских отчетов) и огромное разнообразие пользователей. Поэтому именно здесь британское правительство активно тестирует свои AI/ML темы и агентские системы.

Если же говорить про риски AI, которые отмечают западные отчеты, то они такие
- Утечки кода/данных и проблемы с соблюдение требований комплаенса;
- Деградация компетенций инженеров и «слепое» доверие подсказкам;
- Рост техдолга и vendor lock‑in на провайдеров

В итоге, видно, что тема AI-фикации процессов разработки софта сейчас горяча как никогда. На Западе только ленивый не публикует свои отчеты/прогнозы/продукты/... и по большей части они сейчас в положительной тональности. Но многие отмечают, что скачок эффективности будет при переходе от личных копилотов к интеграции в процессы компаний. Дальше поговорим про Россию.

#Software #Engineering #Productivity #DevEx #AI #Management #RnD #Leadership #Economy

[2/2] Исследование AI в SDLC от IT One и Сколково (Рубрика #AI)

Продолжая рассказ про исследование и переходя к российским реалиям хочется процитировать отчет
На текущий момент в России проникновение ИИ в задачи разработчиков происходит темпами, сопоставимыми с мировыми. Однако, на российском рынке, в отличие от мирового, проблемы и вызовы изменения жизненного цикла разработки под влиянием ИИ только начинают входить в приоритеты и фокусы технологических лидеров и тимлидов.
Эта цитата подкрепляется исследованием Руссофт от 2024 года, где опрос софтверных компаний показал, что 54,8% из них отметили, что они имеют экспертизу и опыт в области искусственного интеллекта и используют их в разработке новых заказных систем или собственных решений (эта чиселка отросла с 46,6% в 2023 году).

Авторы исследования дают оценку, что ИИ используют ~62% сотрудников ИТ‑команд (в 2 раза выше 2024), а к 2028 пороникновение будет ~98% (~3,22 млн пользователей). Я не смог источник, откуда взят этот прогноз (упоминается отчет Руссофта, приведенный выше, а также отчет T-Adviser про рынок труда).

Дальше авторы рассказывают про ландшафт AI инструментов в России и делятся оптимистичными цифрами
- Ассистенты разработчика: GigaCode (Сбер), Yandex Code Assistant / SourceCraft, МТС Kodify; DevSecOps: Safeliner (Т‑Банк)
- Публичные заявления о результатах применения этих инструментов навроде
-- GigaCode: до +28% к скорости разработки; −50% времени на регрессию; +30% скорость UI‑автотестов; 3× быстрее настройка конвейера; 2× быстрее онбординг DevOps;
-- 5× быстрее обработка ИБ‑уязвимостей в Safeliner от Т-Банка
-- Platform V Works (СберТех): −40% времени до прома в CI/CD; −50% времени на тестирование; +25% релизов; −20% трудозатрат
-- Альфа‑Банк: ИИ‑агенты‑тестировщики — −30% ошибок за счёт роста покрытия, до 70% быстрее генерация автотестов; масштаб на 60+ команд

Среди трендов авторы выделяют
- Встраивание AI в платформы разработки: IDE, CI/CD, DevSecOps и т.д
- Появление агентных сценариев - автогенерация тестов/кода, проведения код-ревью
- Изменение нормы эффективности и дальнейшее движение в стороны T‑shaped разработчиков

Интересно, что вызовами являются темы
- Измерений эффектов - меньше 25% компаний замеряют их, а те, кто измеряют ориентируются на TTM/Lead Time, дефекты на проде
- Регуляторика и риски качества недетерминированной работы LLM - ИБ/152‑ФЗ, качество LLM, контроль использования и «галлюцинаций»

Авторы исследования предлагают следующий план внедрения AI
- Выберите 1–2 узких сценария: юнит‑тесты, код‑ревью, ...
- Зафиксируйте базовые метрики: TTM, Lead Time, дефекты
- Примите политику ИБ: что можно/нельзя; on‑prem/cloud LLM для кода
- Встраивайте в платформу разработки/CI‑CD, а не кустарно сбоки
- Введите quality‑gate для AI‑кода% кодстайл, статанализ, обязательное ревью
- Создайте библиотеку промптов и обучите команду.
- Сравнивайте российские и зарубежные модели на своих задачах.
- Масштабируйте после 2–3 успешных пилотов с подтверждённым ROI.

#Software #Engineering #Productivity #DevEx #AI #Management #RnD #Leadership #Economy

Сезон кода: Нижний Новгород (Рубрика #Engineering)

Сегодня вечером я уезжаю в Нижний Новгород, где планирую завтра потусить в офисе и пообщаться с коллегами, включая сессию вопросов и ответов, а в субботу загляну на наше мероприятие "Сезон кода", где будет плотная программа про надежность, масштабируемость и полезные инженерные практики. Так что если вы будете на этом событии, то можно будет попробовать найти меня. Правда, я еду в Нижний с семьей: женой и двумя младшими детьми, а значит в планах у меня не только сезон кода, куда я загляну всей семьей, но и более широкомасшабные прогулки по городу, в котором детишки еще не бывали.

#Engineering #Travel #ForKids

Towards AI-Native Software Engineering (SE 3.0): A Vision and a Challenge Roadmap (Рубрика #AI)

Недавно прочитал интересное продолжение whitepaper "Rethinking Software Engineering in the Foundation Model Era: From Task-Driven AI Copilots to Goal-Driven AI Pair Programmers", которую я уже разбирал. В новой статье те же авторы развивают идеи и рассказывают про Software Engineering 3.0, где текущий этап copilot и AI ассистентов они нумеруют SE 2.0 (они ускоряют работу, но создают когнитивный шум). На новом этапе разработка будет строиться вокруг намерений (intent-first). Условно, инженер говорит AI агенту, что нужно, а уже агент в формате диалога пишет код. Агент работает как напарник, обученный понимать цели и превращать их в работающую систему.
Авторы этой научной статьи выделяют пять составляющих новой экосистемы
- Teammate.next - AI-партнёр с «социальным интеллектом». Учится на диалогах, уточняет требования, помогает держать контекст.
- IDE.next - чат-среда вместо редактора. Код можно скрыть: внимание фокусируется на смысле, а не синтаксисе.
- Compiler.next - компилятор-агент, который не просто компилирует, а проверяет, совпадает ли результат с намерением и стандартами качества.
- Runtime.next - динамическая среда, оптимизирующая ресурсы для AI-сгенерированного кода, с учётом SLA и latency.
- FM.next — новое поколение foundation моделей: не обученных на шумных данных, а «воспитанных» через curriculum engineering – структурированное обучение инженерным знаниям

Авторы считают, что SE 3.0 будет работать лучше 2.0, так как в новой версии исчезает «шквал подсказок»: AI-партнёр сам агрегирует решения. Человек отвечает за смысл, машина — за механику. Вместе они снижают когнитивную нагрузку и ускоряют цикл разработки. Компилятор-агент проверяет качество, а knowledge-driven модели делают выводы не по шаблонам, а через понимание принципов. Авторы уверены: при целенаправленных исследованиях эти технологии приведут к новой эре разработки — более масштабируемой, надёжной и человеко-центричной. По мнению авторов мы стоим на пороге перехода от ремесла к наставничеству. Разработчик будущего не пишет код, а обучает ИИ-агента думать о системе, ставит задачи и проверяет результаты. Код превращается во вторичный артефакт — результат диалога человека и машины.

Интересно, что статья вышла осенью 2024 года, поэтому она предвосхитила хайп 2025 года вокруг AI агентов. В этом году концепция “agentic AI”, то есть AI-агентов, способных самостоятельно принимать решения, набирает популярность и рассматривается как следующий этап эволюции помощников для программистов. Аналитики прогнозируют, что эта тенденция уже в ближайшие годы подтолкнёт переход от простых AI-копилотов к полноценной AI-native разработке софта.

Собственно, авторы не стали скромничать и в сентябре этого года выпустили продолжение "Agentic Software Engineering: Foundational Pillars and a Research Roadmap" с таким описанием (заметим, что ключевые слова про агентский подход к разработке теперь указаны правильно)

Agentic Software Engineering (SE 3.0) represents a new era where intelligent agents are tasked not with simple code generation, but with achieving complex, goal-oriented SE objectives. To harness these new capabilities while ensuring trustworthiness, we must recognize a fundamental duality within the SE field in the Agentic SE era, comprising two symbiotic modalities: SE for Humans and SE for Agents.

Посмотрим, что будет дальше, но пока дейстительно кажется, что AI-агенты могут стать значительной вехой в разработке софта.

#AI #Software #Architecture #Agents #Leadership #ML #SystemDesign

Дискуссия — «GenAI и dev платформы – как меняется разработка» (Рубрика #AI)

На летнем IT Пикнике мой коллега Дима Гаевский вел дискуссию на эту тему, где участвовали уважаемые джентельмены
- Иван Пузыревский, CTO Yandex Cloud
- Александр Лукьянченко, руководитель разработки платформы в Авито
- Станислав Сычев, руководитель разработки платформы в Т-Банке

Ребята обсуждали следующие темы
1. Роль разработчика меняется
ИИ перестал быть только частью IDE. AI пишет код, предлагает оптимизации, генерирует тесты - а инженер становится ревьюером и архитектором решений, а не только исполнителем. Сильные инженеры теперь курируют и людей, и AI-агентов. Джуны растут быстрее - у них под рукой “AI-ассистент”, который подсказывает, как писать код.
Главный навык будущего - уметь ставить задачи ИИ и проверять результат, а не просто знать синтаксис языка.
2. AI становится частью платформ разработки
- Платформы (CI/CD, IDE, облака) интегрируют AI-помощников, которые анализируют код, собирают метрики, предлагают фиксы.
- AI-модели дообучаются на данных из внутренних репозиториев, понимают корпоративный стиль кода и стандарты.
Как итог: внутренние dev-платформы становятся “живыми системами”, где ИИ не только помогает людям, но и сам учится на их паттернах.
3. Автономность AI пока не так велика
- Ни один из участников не верит в «AI-разработчика без человека».
- Сейчас граница ясна: AI можно доверить рутину (генерацию шаблонов, тестов, фиксов), но не архитектуру и продакшен-код.
- Везде действует правило: «AI предлагает, инженер утверждает» (условно, есть human in the loop). Это связано со стоимостью ошибок
4. Новые роли и процессы
- Появляются новые профессии: AI-инженеры, промпт-дизайнеры, ревьюеры моделей.
- Некоторые частично детерминированные сценарии работают лучше: генерация тест-кейсов, юнит-тестов, агенты для код-ревью, миграции кода
- DevEx-платформы превращаются в экосистемы для людей и агентов: оба учатся на общих данных и повышают эффективность.
5. Что дальше
- AI-first-платформы станут стандартом: без встроенного помощника IDE или CI/CD скоро не обойтись.
- Команды станут меньше и междисциплинарнее - рутину берут машины, людям остаются дизайн, логика и ответственность за свою работу и работу AI-агентов
- AI-грамотность станет новой базовой компетенцией инженера.
- Появятся агентные среды, где несколько AI-сервисов будут решать задачу “от ТЗ до деплоя” под присмотром тимлида-человека.

Если подводить итоги, то ребята
- Не верят, что AI не заменит инженеров - скорее инженеры станут тимлидами команды AI-агентов
- Платформы разработки становятся умнее, интегрируя AI-возможности в себя

#Software #Engineering #Productivity #DevEx #AI #Management #RnD #Leadership #Economy

Водоходъ (Рубрика #ForKids)

Решили прокатиться на кораблике в Нижнем Новгороде. Пришли вчера в кассы компании "Водоходъ" купить билеты, но их на вчера уже не было. Мы решил попробовать покататься сегодня и купили комфорт билеты на сайте Водоходъ. Пришли на посадку, но нам объяснили, что даже с билетами мы не покатаемся на кораблике. На сайте было указано, что для детей до 5 лет включительно билет нужен, но он бесплатный. Опции получить этот бесплатный билет на сайте не было и мы решили получить его в кассах. А в кассах нам сказали, что этот бесплатный билет для детей есть только в тарифе билетов стандарт, а в комфорт надо покупать билеты на всех (но на сайте этой инфы не было). Докупить билет мы не смогли - мест в комфорт не было. Сдать билеты на комфорт нормально тоже не получилось - в кассе сказали "где билет покупали, туда и идите", а на сайте Водохода предлагают заполнять документ и ножками приносить его в офис компании (или присылать письмом Почтой России). Классно, что у нас в Т-Банке есть возможность оспорить любую операцию, по которой не предоставили услугу.

Вывод: оплачивайте картами Т, чтобы иметь возможность оспорить оплату у таких "водоходов".

Code of Leadership #56 - Interview with Alexey Gorbov about system administration & databases (Рубрика #Engineering)

Интервью с Алексеем Горбовым, моим коллегой, который в Т-Банке занимается базами данных и разивает нашу Cassandra as a Service. Параллельно этому Леша курирует нашу секцию собеседований по траблшутингу для SRE, которую я когда-то курировал сам, а также рассказывал про нее на конференциях. За полтора часа мы обсудили множество тем

- Введение и представление гостя
- Детство, образование и первые шаги в IT
- Работа в «Одноклассниках»: начало карьеры
- Инцидент в ОК и переосмысление надежности
- Переход к системной надежности
- Работа с Cassandra и автоматизация процессов
- Новые технологии и взаимодействие команд
- Миграция дата-центра: проект и организация
- Уход из «Одноклассников» 
- Первые шаги с Cassandra в новой роли
- Развитие Cassandra как сервиса в Т-Банке
- Проблемы архитектуры и декомпозиции кода
- Практические выводы и преимущества Cassandra
- Рекомендации инженерам по поводу развития и роста

Выпуск подкаста доступен в Youtube, VK Video, Podster.fm, Ya Music.

#SRE #Architecture #Reliability #Management #Staff #Engineering #Processes #Databases #DistributedSystems

AI в SDLC: путь от ассистентов к агентам (Рубрика #AI)

Записал расширенную версию доклада, который продолжает мое предыдущее "Интегрируем AI в процессы разработки в большой компании". Тогда я задал рамку и рассказал про то, как подходить к внедрению AI в крупной компании. А на этот раз я сделал фокус на переходе к агентским сценариям и обсудил следующие темы

- Введение и обсуждение темы доклада
- История ассистентов (GitHub Copilot, Cursor)
- Переход к агентам и почему они выглядят как революция
- Примеры агентов и инструменты (Claude Code от Anthropic, OpenAI Codex)
- Инфраструктура и протоколы (MCP, A2A)
- Экономические предпосылки агентского хайпа
- Примеры успешных кейсов от Google AlphaEvolve
- Будущее работы и уровни агентности в исследовании от Stanford
- Управление и регулирование агентов в исследовании от Google Deepmind
- Эволюция SDLC к агентскому Software Engineering 3.0
- Демо агентского режима внутри Т-Банка на примере игры "5 букв"
- Экосистема разработки и цели инженеров в исследовании "Measuring Developer Goals" от Google
- Внутренняя платформа разработки и Spirit и наш подход к AIфикации разработки
- Агентский режим и работа с данными внутри python notebook
- Агентский режим для обеспечения качества и создания тест-кейсов
- Агент для код-ревью
- Агент для поиска уязвимостей (safeliner)
- Измерение эффективности и фреймворки оценки
- Фреймворк для оценки ассистентов и агентов от платформы DX
- Результаты использования ассистентов/агентов в Т-Банке

Разбор и ссылки на все источники для изучения доступны в моем tg-канале
- https://t.me/book_cube/3925
- https://t.me/book_cube/3931

Выпуск подкаста доступен в Youtube, VK Video.

P.S.
Пройдите опрос, чтобы поучаствовать в нашем про влияние AI на разработку в России.

#AI #PlatformEngineering #Engineering #Software #Processes #Productivity