Содержание слайдов

1. 1. Разработка софта в 2030

   Проверяемые гипотезы вместо линейного прогноза

2. 2. Александр Поломодов

   Technical Director & Fellow, Т-Технологии

   Архитектура и инженерные практики в финтехе

   AI-native разработка и платформенная инженерия

   Подкаст «Code of Leadership», @book_cube

3. 3. Будущее не продлить одной линией

4. 4. 01. Сигнал: агент становится единицей работы

   Но автономная задача ещё не равна автономной разработке

5. 5. Следующий переход: от агента к системе агентов

6. 6. Совместимость протоколов не создаёт доверия

7. 7. Внедрение не доказывает улучшение поставки

   Популярность инструмента — вход, не результат

   Нет надёжного основания для «70% используют ежедневно»

   Сгенерированный код может увеличить объём ревью

   Локальное ускорение не гарантирует системный эффект

   Нужны метрики поставки, качества и результата

8. 8. 02. Исследования дают сигналы, не календарь

   AlphaEvolve, WORKBank, агентские экономики и SE 3.0

9. 9. Проверяемый оценщик превращает генерацию в поиск

10. 10. Успех в алгоритмах — не автономия всего SDLC

    У DeepMind есть реальные результаты — и чёткое условие применимости

    Оптимизация дата-центров, чипов и обучения AI

    Новые алгоритмы матричного умножения

    Оценка должна быть объективной и автоматической

    Неоднозначные продуктовые цели так не проверяются

11. 11. Возможность и желание автоматизации: разные оси

12. 12. Экономики агентов: происхождение и открытость

13. 13. 03. Сценарий: намерение становится интерфейсом

    Цель формулирует человек, пространство решений исследует машина

14. 14. AI-native смещает фокус с кода на намерение

15. 15. Устойчивую цель измеряем до выбора инструмента

16. 16. Крупной компании нужен рантайм делегирования

17. 17. Агент работает по SDLC без переноса ответственности

18. 18. Агентский код требует масштабируемой проверки

    Ограничение: доказательство качества, не генерация

    Оценщик должен проверять функциональность и риски

    Стоимость ревью входит в полную цену задачи

    Рост переделок опровергает обещание производительности

    Безопасный откат ограничивает радиус поражения

19. 19. 04. Метрики связывают агента с результатом

    Доля принятых предложений полезна, но не показывает, стала ли система лучше

20. 20. Одной метрики недостаточно для агентской разработки

21. 21. Условие остановки пилота задают заранее

    Иначе локальное ускорение легко принять за эффект

    Базовая линия на сопоставимых задачах

    Успех задачи и вмешательство человека

    Полная цена: вычисления + ревью + переделки

    Пропущенные дефекты и результат поставки

22. 22. Один сигнал ведёт к разным сценариям

23. 23. К 2030 проверяемость обойдёт автономию

    Что должны подтвердить или опровергнуть данные

    Намерение станет важнее ручного набора кода

    Оценщик станет частью архитектуры разработки

    Платформа определит предел автономии агента

    Результат и переделки важнее объёма генерации

24. 24. От наблюдений отделены авторские сценарии

    Полные ссылки — в заметках спикера

    DeepMind: AlphaEvolve · Virtual Agent Economies

    Stanford: Future of Work with AI Agents

    SE 3.0: AI-native Software Engineering

    Google Research · DORA: цели разработчиков и метрики

25. 25. Спасибо!

    polomodov.tech

    Все слайды и ссылки — в Telegram-канале

    Александр Поломодов, Technical Director & Fellow, Т-Технологии

    @book_cube