AI Dev Conf · 21 мая 2026
State of AI4SDLC: от AI-ассистентов к агентной разработке
Почему узкое место разработки переезжает из кодинга в спецификации, evals и инженерную операционную модель
/ AI Dev Conf 2026
Содержание слайдов
1. State of AI4SDLC: от AI-ассистентов к агентной разработке
Почему узкое место разработки переезжает из кодинга в спецификации, evals и инженерную операционную модель
2. План доклада
Research: внедрение высокое, доверие ниже.
SE 2.0 сдвигает узкое место поставки.
Task management становится work graph.
SDD и evals делают агентов управляемыми.
3. 01. Что реально показывает AI4SDLC Research
Внедрение уже случилось; системный эффект появляется через проверку, процесс и платформу
4. AI перестал быть экспериментом в IDE
Теперь нужно управлять новой физикой разработки
default tool — Массовое внедрение — AI пишет код, тесты, docs и объяснения.
task-dependent — Неравный эффект — Кодинг ускоряется раньше поставки изменений.
verify-first — Новый вопрос — Управлять throughput, quality/risk и economics.
5. Почему одной метрики продуктивности мало
Читаем исследование как набор сигналов
Что измеряли
Публичные исследования 2023-2025.
Опрос инженеров и техлидов.
Что важно помнить
Self-report не causal proof.
Эффект зависит от зрелости.
6. Внедрение высокое, доверие ниже
Этот разрыв закрывает инженерная система
Повседневный инструмент — AI уже встроен в рабочий день инженера.
Quality needs proof — Нужны review, tests и evals.
ROI через процесс — IDE-пилот не равен SDLC-трансформации.
7. Кодинг быстрее, поставка не ускорилась
Старые узкие места растут
Review, тесты, релизы получают больше изменений.
Слабая постановка дает неверный результат.
Без метрик команда спорит о впечатлениях.
Нужен управляемый контур работы.
8. 02. SE 1.0 -> SE 2.0
От role-based SDLC к agent-based SDLC: меняется не инструмент, а контур поставки
9. Role-based SDLC и agent-based SDLC
В SE 2.0 человек меньше пишет строки и больше управляет намерением, контекстом и проверкой
Software Engineering 1.0 (Role-based SDLC)
Idea
Req
Dev
Test
Deploy
Support
Product
Analyst
Developer
QA Engineer
SRE
Support Engineer
Потери на передачах работы
Сделали часть AI-сценариев внутри ролей
Локальные оптимизации внутри
На brownfield-проектах обкатываем AI-сценарии по ролям
Software Engineering 2.0 (Agent-based SDLC)
Idea
Req
Dev
Test
Deploy
Support
Product
Engineer
Support Engineer
Меньше потерь на передачах работы
Быстрее e2e-сценарии
На greenfield-проектах пробуем agent-based-разработку
Забираем наработки по сценариям
Забираем наработки по сценариям
10. Роль инженера становится шире
Ценность — управление изменениями
Постановка — Цель, контекст, ограничения, DoD.
Оркестрация — Разложить, делегировать, собрать результат.
Валидация — Проверить поведение, риски и intent.
11. Команда работает по новым правилам
Не только инструменты
Задачи пишутся для людей и агентов.
Контекст и проверки — интерфейс.
CI, тесты, логи — evidence.
Нужны правила параллельных агентов.
12. 03. AI-native операционная модель
Когда артефакты создаются быстрее, управлять нужно графом работы, платформой и метриками
13. Тикет больше не просто форма ввода
Work graph понимает контекст до задачи
Classic tracker
Задача и статус вручную.
Контекст в чатах, PR и docs.
Work graph
Intake и статус частично вычисляются.
Связаны intent, spec, PR и tests.
14. AI-native внедрение становится платформенной задачей
Scale требует shared capabilities
Инструкции и контекст — Repo rules, ADR, conventions, safe commands.
Проверка и наблюдаемость — Evals, CI, telemetry, cost, latency.
Защитные ограничения и экономика — Права, секреты, лимиты, approvals.
15. Управляйте цепочкой, не LOC
LOC — слабый сигнал
Внедрение: кто и где использует AI.
Throughput: lead time, review, deploys.
Quality/risk: defects, incidents, eval score.
Economics: tokens, infra, waiting, rework.
16. 04. Spec-driven development
AI вернул спецификации, но теперь это не бюрократия, а рабочий интерфейс для агента
17. V Model
Systems Engineering V-Model: operations concept, requirements and architecture, detailed design, implementation, integration test, system verification and operation
18. SDD: V-Model, но причина другая
Старые specs про трассировку; новые — про delegation
Старый spec-driven
Требования -> дизайн -> код -> проверка.
Сила: трассировка ожиданий.
Новый SDD
Spec как исполняемый контекст.
Агенту нужны intent, границы, checks.
19. Спецификация — это контракт с агентом
Агенту нужен управляемый контекст
Изменение — Цель, эффект, flows, expected behavior.
Нельзя ломать — Compatibility, data, security, APIs.
Proof of done — Criteria, checks, tests, logs, rollback.
20. SDD: intent → proof
Документ ценен проверкой
Intent: зачем и какой результат нужен.
Criteria: успех и границы регрессий.
Plan: проверяемые шаги работы.
Verification: tests и review подтверждают intent.
21. Четыре практических варианта SDD
Spec как переносимый контракт
GitHub Spec Kit — Spec -> plan -> tasks -> implement.
Kiro + OpenSpec — Структурированный и открытый spec-форматы.
Lightweight SDD — AGENTS.md, tests, PRD/RFC, checks.
22. Плохая спецификация ускоряет неверный код
SDD делает плохую постановку видимой
Неясный intent усиливает неопределенность.
Пустые criteria возвращают вкусовщину.
Без tests/evals proof заменяет уверенный текст.
Крупные задачи режем на chunks.
23. 05. Evals для SDLC-агентов
Проверять нужно не красоту ответа, а способность агента достигать цели в воспроизводимой среде
24. Базовый шаблон одного eval-кейса
Маленький воспроизводимый эпизод разработки
Frozen state — Зафиксированы repo, data, issue, environment.
Agent contract — Разрешенные изменения, commands, boundaries.
Hidden executable judge — Судья исполняет checks и обновляется.
25. Evals должны покрывать реальные типы работы
Одного coding benchmark мало
Product / Engineering
Requirements: brief -> stories.
Feature/bug: spec + regression oracle.
Quality / Operations
Code review: merge-blocking issues.
Tests/incidents: regression, unit, incident bundle.
26. Автономность агента нельзя мерить одной оценкой
Карта оценки результата, пути и цены
Outcome — Задача решена, criteria прошли.
Trajectory — План, изменения, откаты, tool use.
Cost & safety — Повторяемость, latency, constraints.
27. Стандарт: spec, evals, CI, review
Минимальный agentic-контур
Artifact: задачи, PR, bugs, incidents.
Frozen state: старт и условия.
Hidden judge: executable checks.
Scorecard: outcome, safety, spec fit.
28. AI-native разработка управляется не промптами
Что забрать с собой
AI ускоряет артефакты, а не поставку.
SDD превращает specs в human-agent contract.
Evals делают качество агента измеримым.
Управляем work graph, risk и economics вместе.
aidevconf.org · ai4sdlc-research.space · tellmeabout.tech
29. Ссылки и материалы
Источники и практики
AI Dev Conf и AI4SDLC Research.
Spec-driven development: Telegram-пост.
GitHub Spec Kit и AWS Kiro specs.
OpenAI Codex, harness engineering, evals.