State of AI4SDLC на HighLoad++: куда переезжают узкие места разработки (Рубрика AI4SDLC)

Появилась запись моего выступления на Saint HighLoad++ 2026, слайды и тезисный конспект. Доклад был о том, а что происходит, когда локальное ускорение кодинга попадает в инженерную систему крупной компании с 10 000+ инженеров. А ответ простой: AI ускоряет написание кода раньше, чем организация успевает перестроить весь поток поставки. Поэтому узкое место не исчезает, а переезжает в постановку задачи, ревью, тестирование, интеграцию и релиз. Команда может производить больше изменений и при этом не быстрее доставлять ценность пользователю.

Из этого следуют три практических сдвига.

1️⃣ Переход от role-based SDLC к agent-based SDLC Инженер с агентами может закрывать более широкий сквозной сценарий, а не передавать работу по длинной цепочке ролей. Спецификация при этом возвращается не как тяжёлый документ, а как контракт с агентом: цель, контекст, ограничения, критерии приёмки и способ проверить результат. Слабая постановка задачи никуда не исчезает — AI просто помогает быстрее масштабировать ошибку.

2️⃣ Переход от набора AI-инструментов к agent-first платформе На масштабе крупной компании недостаточно раздать всем хороший coding assistant и подключить к нему десятки MCP-серверов. Нужны модельный шлюз, инструментальный шлюз и реестр возможностей с владельцами, версиями, политиками и наборами проверок качества (evals). Доверие тоже приходится проектировать по ступеням read -> recommend -> act: автономия выдаётся не агенту целиком, а конкретному действию в конкретном контексте.

3️⃣ Переход от метрик использования к метрикам результата Доля AI-кода почти ничего не говорит о силе инженерной системы. Смотреть нужно на весь поток: время до первого merge request, ожидание в pipeline и на ревью, переделки, дефекты, инциденты, стоимость токенов и человеческого времени. То есть связывать внедрение со скоростью, качеством, риском и экономикой.

И здесь появляется важная социотехническая часть. Одинаковые инструменты дают командам разный эффект. Выигрывают те, кто меняет саму работу: превращает требования в проверяемые контракты, делает контекст доступным машине, встраивает проверки в процесс и оставляет понятного владельца результата.

#AI #AI4SDLC #Engineering #PlatformEngineering #Management #Conference