3 AImigo S1E1: Где мы сейчас с AI в разработке

Начинать стоит не с рейтинга моделей, а с четырёх координат: этап SDLC, уровень делегирования, зрелость практики и единица, в которой измеряется результат. Автодополнение и облачный агент могут использовать родственную модель, но создают разную границу ответственности. Точно так же выигрыш инженера в короткой задаче и изменение пропускной способности всей инженерной системы — разные утверждения.

Координата 1 — этап SDLC: где действует AI, от исследования и спецификации до эксплуатации. Координата 2 — уровень делегирования: помощь (assist), взаимодействие (interact), делегирование ограниченной задачи (delegate), оркестрация цепочки (orchestrate) и работа в боевом контуре (operate). Координата 3 — зрелость практики: норма → масштабируется → эксперимент → горизонт. Табличная карта ниже сохраняет все четыре состояния; отдельная трёхзонная схема дальше показывает переход ответственности от личной практики к процессу команды и горизонту. Координата 4 — единица эффекта: задача → разработчик → команда → поставка → бизнес. Она не позволяет выдать скорость набора кода за скорость выпуска ценности. DORA описывает AI как усилитель уже существующей системы. Ежегодный опрос Stack Overflow 2025 года зафиксировал низкое доверие и отставание агентов от более простой помощи; апрельский pulse-опрос 2026 года показывает быстрый рост использования агентов, но не переход к полному автопилоту.[S01] [S02] [S37]

Эта система координат полезна ещё и потому, что одна практика может двигаться по ним независимо. Команда начинает с диалога о незнакомом коде, добавляет контекст репозитория, затем разрешает агенту менять ветку и лишь после накопления статистики подключает автоматическое создание PR. Этап SDLC остаётся тем же, но растут делегирование и область возможного ущерба. Обратный переход тоже нормален: для новой библиотеки или критического сервиса команда может временно вернуть агента в режим объяснения, даже если в обычных репозиториях он выполняет задачи целиком.

Поэтому зрелость лучше связывать не с числом лицензий, а с повторяемым контрактом работы. Кто формулирует задачу? Какие данные агент получает и откуда известно их происхождение? Что он вправе изменить? Какая проверка останавливает ошибку? Кто принимает результат? Какая метрика покажет, что общий поток стал лучше? Ответы превращают разговор о «проценте AI-кода» в разговор о производственной системе. Без них высокий объём использования может означать как полезную привычку, так и дорогой способ производить больше вариантов для ручной проверки.

К середине 2026 года личные AI-инструменты стали массовой практикой, а агенты для работы с кодом быстро вышли за пределы демонстраций. В глобальном опросе AI Pulse за январь 2026 года 90% из более чем 10 000 разработчиков регулярно использовали хотя бы один AI-инструмент на работе, а 74% — специализированный инструмент разработки. Это взвешенный, но самоотобранный опрос поставщика: он не является переписью и не разделяет строго автодополнение, чат и агента. В отдельном самоотобранном коротком опросе Stack Overflow весной 2026 года 59% из 1 100 респондентов использовали агентов на работе хотя бы иногда.[S36] [S37]

Распространённость агента ещё не означает автономный процесс. В том же коротком опросе 63% респондентов редко или никогда не запускали агента полностью автономно, 60% блокировали неподтверждённые изменения системы, а 68% предпочитали одиночного агента сложной многоагентной схеме. Телеметрия Anthropic показывает медианный шаг Claude Code около 45 секунд; до десятков минут вырос лишь крайний хвост распределения. А опубликованный в июле 2026 года анализ 25 264 агентных PR в 2 361 популярном публичном репозитории обнаружил, что медианный репозиторий получает всего один-два таких PR за трёхмесячное окно май — июль 2025 года, и преобладание контроля одним человеком; это снимок 2025 года, поэтому он задаёт нижнюю границу, а не текущий уровень. Публичный OSS и самоотобранный опрос не описывают весь рынок, но согласованно показывают границу: агентное делегирование растёт, интенсивная командная практика остаётся концентрированной.[S37] [S38] [S41]

Самая зрелая область по-прежнему связана с кодом. В телеметрии Claude Code за октябрь 2025 — апрель 2026 человек в типичной сессии принимал около 70% решений о том, что делать, а модель — около 80% решений о том, как выполнить работу. GitHub к апрелю 2026 года расширил облачного агента до исследования репозитория, согласования плана и работы в ветке с просмотром внесённых изменений до открытия PR. Это актуальная граница возможности, но не доказательство принятого изменения или ускорения поставки. Телеметрия Anthropic за апрель 2025 года и сентябрьский GA-анонс GitHub того же года остаются в реестре только как ранние вехи перехода от помощи к делегированию, а не как снимок августа 2026 года. [S05] [S39] [S04] [S14]

В требованиях AI хорошо создаёт варианты, но не несёт ответственности за компромисс. В проверке он полезен как ещё один первый читатель, но документация облачных агентов сохраняет одобрение и слияние за человеком. В эксплуатации работают итог логов, сортировка и ограниченные runbook-сценарии; долгоживущий автономный SRE пока требует слишком большой области доступа и слишком сильного суждения о достаточности. [S15]

До реализации AI заметен прежде всего там, где нужно быстро расширить пространство вариантов. Он помогает собрать вопросы к заказчику, обнаружить противоречия в описании, предложить критерии приёмки и сравнить архитектурные пути. Но ценность появляется лишь при возвращении результата владельцу решения: модель не знает фактическую цену задержки, политический вес зависимости или допустимый риск продукта. Хорошая спецификация для агента поэтому не является большим текстом. Это явная цель, границы, примеры, способ проверки и список решений, которые нельзя принимать без человека.

После реализации зрелость ограничивает цена ошибки. Генерация тестов и документации безопаснее, когда полученный артефакт можно сравнить с кодом и запустить. Безопасность, выпуск и эксплуатация требуют знания о полномочиях и последствиях: найденная уязвимость не равна безопасному исправлению, успешная сборка не равна готовому выпуску, а правдоподобный разбор инцидента не равен корректному воздействию на систему. Чем ближе действие к боевому контуру, тем важнее ограниченный набор команд, предварительный просмотр, подтверждение владельца и быстрый откат.

Модернизация занимает особое место. В ней хорошо видны сильные стороны агента: массовое чтение похожих файлов, построение карты зависимостей, механическое преобразование и повторный запуск тестов. Но портфель редко однороден. Исключения, исторические обходные пути и отсутствующие владельцы превращают универсальную миграцию в набор разных решений. Поэтому зрелая практика сначала классифицирует приложения, выделяет обратимые шаги и фиксирует правила остановки. Агент масштабирует уже понятное преобразование; он не заменяет решение о том, какое наследие следует сохранить, переписать или вывести из эксплуатации.

В ограниченной JavaScript-задаче участники с GitHub Copilot завершили работу на 55,8% быстрее. В трёх полевых экспериментах доступ к AI увеличил число завершённых задач на 26,08% в объединённых данных 4 867 разработчиков. В отдельной поставщиком проведённой работе решение с AI заметно чаще проходило все unit-тесты — вероятность выше на 53,2%, — тогда как читаемость, надёжность, поддерживаемость и лаконичность выросли лишь на 2–4%. Это реальные результаты — внутри их задач и знаменателей.[S06] [S07] [S08]

Это прежде всего исторические точки траектории: они измеряют автодополнение или ранние ассистенты на ограниченных задачах. Более свежий организационный срез появился в июле 2026 года: наблюдательное исследование раннего внедрения CLI-агентов среди десятков тысяч инженеров Microsoft оценило для начавших пользоваться инструментами примерно на 24% больше слитых PR за четыре месяца. Но внедрение не было рандомизировано, а слитый PR — лишь показатель инженерного выпуска, не ценности, качества или стабильности поставки.[S40]

Другая работа METR получила противоположный результат: 16 опытных разработчиков, годами контрибьютивших в свои крупные репозитории, выполняли 246 реальных задач на 19% медленнее с инструментами начала 2025 года; сама METR отметила этот результат как устаревший. В продолжении с инструментами конца 2025 года замедление стало заметно меньше — −18% у вернувшихся участников и −4% у новых, — но точечная оценка осталась отрицательной, доверительные интервалы включают ноль, а METR прямо называет новую оценку ненадёжным сигналом и меняет дизайн исследования. А проверка 296 PR показала: примерно половину изменений, прошедших эталонные тесты, четыре мейнтейнера не слили бы без исправлений. [S10] [S11] [S12]

Противоречия исчезают, если вернуть контекст. Новый короткий артефакт отличается от знакомого репозитория со скрытыми ограничениями. «Задача завершена» отличается от «изменение можно поддерживать и слить». Публичный эталонный набор задач отличается от внутреннего набора эвалов. OpenAI отдельно указывает, что SWE-bench Verified перестал быть чистым сигналом передового качества. DORA ранее находила индивидуальный выигрыш рядом с более слабой системной поставкой. [S09] [S13]

Для примирения исследований полезно разложить путь результата на четыре последовательных фильтра. Сначала модель должна произвести технически правдоподобное изменение. Затем автоматические проверки должны обнаружить известные классы ошибок. После этого человек оценивает соответствие неформальным соглашениям репозитория, архитектуре и удобству сопровождения. Наконец, изменение должно дать ожидаемый пользовательский или операционный результат после выпуска. Эксперимент может уверенно измерять первый фильтр и почти ничего не говорить о четвёртом. Это не слабость исследования, если граница сформулирована честно; проблемой это становится лишь тогда, когда узкий результат подают как системный эффект.

Внутри компании стоит повторить ту же дисциплину по всем пяти единицам эффекта. Для задачи можно измерить время до готового черновика и долю пройденных тестов. Для разработчика — личную эффективность, когнитивную нагрузку и обучение. Для команды — время до принятия, число циклов проверки, объём переделок и ожидание владельца. Для системы поставки — время от замысла до выпуска, долю неудачных изменений и восстановление. Для бизнеса — достижение целевого результата. Если после внедрения растёт лишь число открытых PR, это ещё не успех: возможно, узкое место просто стало видимее. Такой результат полезен как диагностика: он требует вложений в следующий участок потока, а не объявления всеобщего успеха или провала.

Система мер нужна и для сравнения команд. Одинаковая доля использования ничего не говорит о сложности задач, качестве исходного репозитория и доступности проверок. Сравнивать лучше изменение каждой команды относительно её собственной исходной линии, а затем искать повторяющиеся ограничения. Так организация не поощряет производство простых артефактов ради показателя и видит, где общий платформенный сервис действительно уменьшит ожидание, стоимость проверки или риск выпуска. Результат можно обсуждать с командой, а не использовать как рейтинг: цель измерения — найти ограничение и выбрать следующий эксперимент. Такой подход сохраняет доверие к данным и не заставляет инженеров оптимизировать видимую активность вместо полезного принятого изменения.

Генерация уменьшает стоимость первого варианта. Она не убирает неоднозначность задачи, архитектурный компромисс, проверку поддерживаемости и интеграцию изменения. Более того, дешёвый выпуск вариантов может увеличить поток на тех, кто их читает. Поэтому локальное ускорение становится системным лишь тогда, когда меняются размеры партий, спецификации, тесты, очередь проверки и обратная связь.

Командная способность начинается вокруг модели: явное намерение и критерии приёмки; доступный агенту контекст репозитория, решений и зависимостей; тесты и эвалы; идентичность, минимальные права и изоляция; наблюдаемость действий, стоимости и результата. DORA связывает положительный эффект AI с качеством внутренней платформы, малым размером партий, данными и политикой. NIST даёт нейтральную последовательность Govern–Map–Measure–Manage, не утверждая, что она сама создаёт эффективность разработки. [S29] [S30]

Спецификация становится исполняемым интерфейсом между человеком и агентом. В ней нужны не только желаемые функции, но и запреты, характерные примеры, команды проверки, ограничения зависимости и ожидаемая форма результата. Контекст при этом нельзя свести к загрузке всего репозитория: полезнее дать карту системы, актуальные решения, владельцев, контракты и способы найти подробности по запросу. Избыточный контекст увеличивает стоимость и затрудняет различение важного; устаревший уверенно направляет агента не туда.

Эвалы должны отражать несколько качеств одновременно. Тесты отвечают, сохранилось ли известное поведение. Проверка правил определяет, не нарушены ли архитектурные и безопасностные границы. Рецензент оценивает понятность и пригодность к сопровождению. Наблюдение после выпуска показывает фактический результат. Именно сочетание этих сигналов позволяет постепенно расширять права: сначала запись в изолированную ветку, затем запуск ограниченных инструментов, позже подготовка выпуска. Разрешение на каждую новую ступень должно опираться на историю принятых результатов, а не на убедительность последней демонстрации.

Телеметрия Claude Code показывает не исчезновение экспертизы, а её новую отдачу: сессии, где классификатор видит высокую экспертизу пользователя в конкретной задаче, запускают более длинные цепочки и чаще заканчиваются классифицированным успехом. Это не измерение должности, стажа или результата после сессии. Полевая работа также нашла больший краткосрочный выигрыш у менее опытных участников, но отдельный эксперимент предупреждает о риске для обучения: группа с AI хуже справилась с проверкой усвоения новой библиотеки. Постфактум-анализ связал сильную зависимость от AI с низкими результатами, но авторы прямо не считают эту связь причинной.[S05] [S07] [S19]

Рынок труда даёт ранние, но не окончательные сигналы. В sponsored- вакансиях LinkedIn в США требования AI-грамотности выросли на 71% год к году по данным на сентябрь 2025 года, а инженер по разработке ПО оказался среди ведущих затронутых наименований. Вакансии Indeed в США показывают восстановление преимущественно среди старших специалистов и ролей с AI в названии. Это анализ текста вакансий, а не измерение ежедневной работы и не доказательство причин увольнений.[S16] [S17]

Публичные описания ролей делают сдвиг конкретнее. Tailscale искал Software Engineer, AI Enablement для инструментов, безопасных практик и обучения по всей инженерной организации. ID.me связывает функцию обеспечения качества с общей тестовой инфраструктурой, CI/CD, прогрессивной поставкой и AI-assisted тестированием. Вакансия Microsoft отдельно связывает управление разработкой с агентными процессами, допусками качества и наблюдаемостью. Обычная старшая вакансия Amazon DynamoDB, напротив, добавляет интерес к средствам AI-assisted разработки, не ослабляя требований к фундаментальной инженерной экспертизе. Это четыре иллюстративных снимка на 12 августа 2026, а не репрезентативная выборка. [S20] [S21] [S31] [S32]

Для инженера меняется состав сильной работы. Умение написать реализацию остаётся основой проверки, но всё чаще ценится способность расчленить неоднозначную цель, выбрать границу, подготовить воспроизводимую среду и объяснить, почему результат можно принять. У техлида появляется дополнительная аудитория — агент: решения, скрытые только в памяти нескольких людей, становятся прямым ограничением автоматизации. Хорошая архитектурная документация, явные контракты и быстрые тесты одновременно снижают когнитивную нагрузку людей и повышают качество агентной работы.

Руководителю недостаточно выдать лицензии и спросить долю активных пользователей. Нужен портфель сценариев с владельцами, исходными измерениями, уровнем риска и критерием остановки. Отдельная команда развития AI-практик не должна превращаться в службу подсказок. Её продукт — безопасный путь от идеи до проверенного процесса: типовые среды, каталог контекста, допуски, наборы эвалов, обучение и разбор отказов. При этом ответственность за предметный результат остаётся у продуктовой команды, иначе центральная функция станет очередью и потеряет связь с реальной работой.

Простое деление по численности вводит в заблуждение. Важнее четыре условия: новая или унаследованная система, радиус последствий, зрелость внутренней платформы и скорость решений. Регулирование — отдельный слой: небольшая компания может иметь строгую границу данных, а новый продукт корпорации — работать почти как стартап.

Репрезентативного сравнения глубины AI4SDLC для стартапов, скейлапов, среднего бизнеса и корпораций на дату среза мы не нашли. Исследование публичного OSS за май — июль 2025 года показывает более высокую долю агентных PR в небольших проектах с одним-пятью участниками, но размер открытого проекта нельзя приравнять к типу компании. Census одновременно показывает более широкое использование AI в крупных фирмах, а Indeed — сильную концентрацию AI-вакансий в США среди крупнейших нанимающих компаний. Поэтому таблица выше — авторский operating-model синтез по новизне систем, радиусу последствий, зрелости платформы и скорости решений, а не рейтинг фактического внедрения по размеру компании. [S41] [S23] [S24]

Shopify показывает ещё один полюс: AI может стать явным базовым ожиданием инженерной культуры. Такая политика доказывает выбор компании, но не причинный результат. Для среднего бизнеса прямых исследований мало; его профиль в этой статье — авторский синтез: меньше ресурсов на собственную платформу, поэтому выше ценность готовой управляемой среды и узкого выбора процессов.[S22]

Стартап способен быстро перестроить процесс вокруг агента, потому что у него меньше исторических соглашений и короче путь решения. Но отсутствие платформенной команды не отменяет потребность в резервных копиях, ограничении секретов, проверке зависимостей и владельце выпуска. Минимальный контроль здесь должен быть дешёвым и встроенным в обычный путь разработки. Иначе преимущество скорости исчезнет при первом инциденте или росте команды.

Скейлап обычно проходит самый болезненный переход: личные приёмы ещё дают эффект, но общий контекст уже расходится, число сервисов растёт, а проверяющих не хватает. Здесь нужен короткий стандарт: какие задачи можно делегировать, где лежат решения, какие проверки обязательны и кто отвечает за исключения. Корпорации способны построить богатую внутреннюю платформу, но рискуют начать с общего решения до выбора ценных процессов. Для среднего бизнеса полезнее противоположный порядок — два-три потока с понятной экономикой, управляемая среда и внешняя помощь с явной передачей знания.

Один ранний сигнал перестройки — вакансии США: в срезе 2025 года Indeed отмечал, что на управленческий консалтинг пришлось 12,4% всех вакансий с упоминанием GenAI против 0,2% годом ранее, при том что сами такие вакансии оставались малой долей всего рынка труда — около трёх на тысячу. Более свежие страницы предложений подтверждают, что к августу 2026 года поставщики сходятся вокруг одинаковых слов — стратегия, агенты, модернизация, платформа, обучение, — но заходят через разные точки и имеют разные стимулы. Поэтому сравнивать стоит не презентации, а вход, артефакт, экономику и передачу результата.[S18]

McKinsey предлагает уровни от ускорения задач до поставки изменений, изначально спроектированной вокруг AI; это полезная диагностическая рамка, но кейсам не хватает открытых контрфактов. Accenture GenWizard и Capgemini упаковывают сквозной SDLC и модернизацию в интеграторские предложения. AWS встраивает специализированных агентов в профессиональные услуги, оставаясь одновременно советником, платформой и получателем облачного потребления. [S26] [S27] [S28] [S34]

Программа OpenAI Frontier Alliances явно разделяет стратегию, глобальную интеграцию и внедрение силами выделенных инженеров. Deloitte описывает Ascend Agentic SDLC с агентами по ролям и стадиям разработки и рядом позиционирует выделенных инженеров внедрения. BCG X показывает, как стратегический дом добавляет собственную сборку и поставку технологии. Все эти страницы доказывают наличие и позиционирование услуги — не независимый эффект клиента.[S25] [S33] [S35]

• —На входе: конкретный поток работы и исходная линия, а не абстрактная «AI-стратегия».
• —В результате: работающий контур контекста, прав, эвалов и измерения принятого результата.
• —В передаче: внутренняя команда, способная менять правила и поставщика без повторной трансформации.
• —В коммерческой модели: стимул поставщика не должен подменять метрику результата клиента.

Практический цикл трансформации начинается с исходного среза, а не с демонстрации. Команда выбирает поток, где известны объём, время ожидания, переделки и цена ошибки. Затем проводит ограниченный пилот на реальных задачах, заранее определяя, какой результат можно принять и когда эксперимент остановить. После первых отказов появляются допуски, обучение и владельцы данных. Только затем сценарий получает общий путь платформы и расширяется на соседние команды. На каждом круге система мер снова сравнивает принятый результат, поток, качество, стоимость и обучение.

Граница владения помогает не перепутать ускорение с зависимостью. Передовую модель и общий агентный цикл разумно арендовать: они меняются быстро и требуют масштаба поставщика. Упаковку контекста, маршрутизацию и интеграцию процесса приходится адаптировать. А идентичность, политику, наборы эвалов, принятые результаты и план выхода лучше оставить своими: в них находится уникальное знание и право на действие. Консультант может собрать первые версии всех слоёв, но контракт передачи должен заранее определить внутреннего владельца, документацию, обучение и возможность сменить модель без повторного открытия производственного процесса.

На 13 августа 2026 года уверенно можно сказать три вещи. Автодополнение кода, поиск и работа с AI-ассистентом в чате уже стали рабочей нормой для многих личных задач. Агентное делегирование быстро распространяется, но обычно остаётся ограниченным, одиночным и проверяемым человеком. Автономный выпуск, долгоживущая эксплуатация и многоагентная организация с широкими правами остаются горизонтом, потому что способность произвести изменение выросла быстрее способности доказать его полезность и безопасность.

Возвращаться в следующих выпусках стоит не к доле сгенерированного кода и не к одному сравнительному испытанию. Нужны пять вопросов: какой результат команда приняла; изменился ли поток всей системы; что произошло с качеством и риском; какова полная стоимость принятой задачи; чему научились люди и организация. Тогда обновление модели не обнулит сравнение.

На горизонте особенно легко спутать возможность с устойчивой практикой. Долгоживущий агент должен переживать смену контекста, ошибки инструментов, обновление зависимостей и передачу состояния. Многоагентный процесс добавляет координацию, противоречивые решения и сложное происхождение изменений. Автономная эксплуатация требует не только распознать симптом, но и оценить радиус воздействия, выбрать обратимое действие, проследить результат и остановиться. Отдельные демонстрации показывают части этих возможностей, но пока не дают общей основы для широких полномочий.

Следующий срез должен фиксировать движение границы. Стал ли черновик PR принятым командным стандартом? Какие действия перешли от подтверждения каждого шага к проверке результата? Появились ли воспроизводимые данные о поддерживаемости и выпуске? Уменьшилась ли нагрузка на людей или только сменила форму? Сохраняет ли компания возможность учить инженеров и менять поставщика? Эти вопросы медленнее стареют, чем названия продуктов, и позволяют честно увидеть как прогресс, так и новые узкие места.

Есть и организационный признак зрелости: разногласие перестаёт решаться спором о впечатлениях. Команда может показать, на каких задачах агент помогает, где увеличивает переделки, какие права ему выданы и почему, какие группы инженеров выигрывают или теряют, как изменились стоимость и время принятого результата. Руководство в ответ решает не «внедрять ли AI вообще», а какой следующий контур стоит улучшать и какое доказательство нужно для расширения. Такая постановка оставляет место разным темпам: новая команда может экспериментировать глубже, критическая система — двигаться осторожнее, а общая платформа — собирать данные и уменьшать цену безопасного шага для обеих. Главное — сохранять один язык сравнения: принятый результат, системный поток, качество, полная стоимость и обучение. Тогда локальные различия не мешают видеть общее направление и вовремя замечать перенос узкого места. Это превращает нулевой срез в рабочий инструмент управления, а не в одноразовый обзор рынка.