По данным отчета Stack Overflow Developer Survey 2025, 84% респондентов используют или планируют использовать AI‑инструменты в процессе разработки (против 76% годом ранее). Сегодня почти в любой команде используют ChatGPT, Cursor или похожие инструменты: с их помощью пишут код, генерируют тесты, делают первичное ревью или просто уточняют идеи и подходы.
Но высокий уровень использования не означает системных изменений. В большинстве случаев ИИ остаётся персональным инструментом разработчика без общих правил, регламентов и привязки к SDLC. Он помогает быстрее закрывать отдельные задачи, но почти не влияет на ключевые показатели проекта.
Пока ИИ не встроен в модель разработки, его влияние остаётся локальным и нестабильным. Именно поэтому важным шагом становится переход от индивидуального использования ИИ к гибридной модели, где человек и ИИ работают как единая система, формируя гибридный интеллект, встроенный в процесс разработки.
Почему просто применять ИИ недостаточно
Когда ИИ используют на уровне отдельных разработчиков, он остаётся личным инструментом. Каждый применяет его по-своему: для кода, подсказок или ревью — без общих правил и договорённостей. В результате внутри одной команды появляются разные способы работы с ИИ, которые сложно контролировать и синхронизировать.
Если разработчик, активно работавший с ИИ, переключается на другую задачу или уходит из проекта, команда теряет не только человека, но и весь накопленный «эффект» от его работы. В итоге ИИ ускоряет отдельных людей, но не делает разработку в целом более управляемой и предсказуемой.
Как мы пришли к гибридному интеллекту в разработке
В течение прошлого года мы трансформировали внутренние процессы в рамках AI-first подхода не только в разработке, но и в аналитике, архитектуре, рекрутинге, маркетинге и других функциях. Проводили эксперименты с командами, искали процессы, где ИИ может давать практическую пользу, тестировали сторонние инструменты и создавали собственные решения под конкретные задачи. Мы писали об этом в отдельной статье.
По мере накопления опыта стало очевидно, что в разработке ИИ требует отдельного подхода. В отличие от других функций, здесь важно не просто использовать инструменты, а сохранить единые инженерные стандарты и управляемость процесса. Поэтому разработчики начали формализовывать работу с ИИ: появились Cursor Rules, повторяемые сценарии использования и собственные ИИ-агенты для типовых инженерных задач.
Следующим шагом стало объединение этих практик в собственную ИИ-инфраструктуру для разработки. Мы выстроили набор ИИ-агентов, встроенных во все этапы SDLC: анализ, проектирование, разработка, тестирование, ревью и документации. Это позволило перейти к гибридному подходу, в котором ИИ усиливает разработку на уровне процесса, а не отдельных людей.
Как у нас устроена инфраструктура ИИ-агентов
Когда ИИ стал частью процесса разработки, следующим логичным шагом стало выстраивание общей инфраструктуры ИИ-агентов в виде набора специализированных ролей, каждая из которых отвечает за конкретный участок работы. Такой подход оказался ближе всего к реальному SDLC и легче всего встраивался в существующие процессы.
ИИ-агенты подключаются к разным этапам разработки: от анализа требований и проектирования архитектуры до backend- и frontend-разработки, интеграций, тестирования и подготовки документации. По мере роста проектов мы дообучаем существующих агентов и добавляем новые. Инфраструктура развивается вместе с задачами, а не остаётся статичной.
Важно, что ИИ-инфраструктура не заменяет специалистов. Она снимает с них рутинную и подготовительную работу, позволяя сосредоточиться на принятии решений, логике и качестве. На практике это привело к довольно чёткому распределению ролей между человеком и ИИ.
Как распределяется работа между человеком и ИИ
По мере накопления опыта мы зафиксировали такое распределение задач между человеком и ИИ-агентами:
- Архитектура и проектирование:
Человек — ~60%, ИИ — ~40%
(ИИ помогает с анализом и вариантами решений, финальные решения остаются за инженером) - Разработка (backend, frontend, интеграции):
Человек — ~50%, ИИ — ~50%
(типовые и повторяющиеся задачи уходит ИИ, логика и контекст — у человека) - Тестирование:
Человек — ~30%, ИИ — ~70%
(ИИ берет на себя генерацию тест-кейсов, unit-тестов, первичную проверку) - Ревью кода:
Человек — ~40%, ИИ — ~60%
(за ИИ: проверка стиля, багов, уязвимостей — ИИ, финальная оценка — человек) - Техническая документация:
Человек — ~5%, ИИ — ~95%
(протоколирование встреч, генерация и актуализация документации)
Что меняется для заказчика при гибридном подходе
Когда ИИ встроен в рабочий процесс, команда быстрее проходит этапы анализа, проектирования, разработки и тестирования. Рутинные и трудоёмкие задачи — подготовка технической документации, генерация тестов, первичная отладка, проверка типовых сценариев — частично выполняются ИИ-агентами. В результате time-to-market сокращается до 30–50% без потери качества
Заказчик платит ту же ставку, что и за классического специалиста, но получает более компетентного исполнителя, усиленного ИИ-агентами. ИИ берёт на себя значительную часть рутины, что снижает количество доработок и ручной проверки и позволяет сократить общую стоимость проекта.
При использовании AI-human hybrid модели специалисты онбординг происходит гораздо быстрее, чем при классическом подходе. Контекст и инженерные правила зашиты в ИИ-агентах, поэтому новые специалисты быстрее входят в работу и начинают приносить результат. На практике скорость адаптации команды увеличивается примерно в 2 раза.
Гибридный подход в клиентских проектах
Этот подход мы применяем не только внутри компании, но и в работе с клиентскими проектами — в формате аутстаффинга и аутсорсинга. Мы подключаем специалистов, которые работают в связке с ИИ-агентами и встраиваются в существующий процесс разработки.
Работа обычно начинается с разбора задач и стека: обсуждаем продукт, текущий процесс, требования к безопасности и ограничения. После этого в течение 2–3 дней предлагаем подходящих AI-native специалистов и формат работы.
Онбординг занимает 1–2 недели: специалисты входят в контекст, подключаются к процессам и начинают работать в вашем SDLC без долгой адаптации.
.avif)