AI4SDLC: что бы я делал по-другому

Александр Поломодов разворачивает короткое выступление на Deep Tech Night в подробную ретроспективу внедрения ИИ в разработку. Главная рамка — что арендовать, что дорабатывать и чем владеть. Готовые модели и агентные циклы снимают часть затрат на поддержание собственного стека; контекст и адаптеры связывают их со средой компании. Полномочия, правила доступа и доказательства качества остаются ответственностью организации.

На вопрос о команде из двадцати–пятидесяти человек автор отвечает, что небольшая организация часто может быстрее собрать процесс из готовых решений. В крупной компании больше препятствий: изменённые платформенные инструменты, распределённые источники знаний, согласования и разные практики команд. При этом хорошая модель сама по себе не устраняет эти ограничения. Нужно проверять её вместе с агентной обвязкой, контекстом и доступными действиями.

Отдельный блок посвящён полномочиям и инструментам. Агенту нужны ограниченные права, понятные ошибки, компактные ответы и проверка конечного состояния. MCP не заменяет эту работу, а постоянные подтверждения человеком могут стать формальностью. В примерах обсуждаются слишком подробные ответы Figma, механические обёртки над OpenAPI и навыки, полезность которых никто не проверяет на задачах.

Завершение связывает качество и экономику. Удачная демонстрация не доказывает устойчивости: помощник может работать на одном проекте и ошибаться на другом. Трассировка нужна для диагностики, а реальные задачи — для повторяемых проверок изменений. Когда инженерная работа разбита на проверяемые эпизоды, можно сравнивать модели, пробовать более дешёвое исполнение и отделять планирование от работы с внутренними данными. Собственные доработки придётся пересматривать по мере развития готовых решений.