Игорь Градов
Игорь Градов
5 мин
ai

ИИ применяют 83% команд, а код до релиза доводят лишь 24%: где теряется ускорение

SimpleOne опросила 71 специалиста и выяснила, что искусственный интеллект применяют 83% команд, но лишь 24% выпускают созданный с ним код в рабочие системы, а обещанное ускорение теряется между генерацией и релизом.

ИИ применяют 83% команд, а код до релиза доводят лишь 24%: где теряется ускорение
Почему это важно

Узкое место сместилось. Код пишется за минуты, а проверка, исправления, тестирование и выпуск по-прежнему занимают часы. Именно на этих этапах решается, будет ли от нейросети выгода.

Исследование SimpleOne показывает: 60% опрошенных уже поручают ИИ (искусственному интеллекту) писать код и конфигурации, но остальные этапы разработки во многих командах не изменились. Код сгенерировали, а до релиза дошло лишь 24%. Ниже разбираем результаты исследования и по шагам показываем, как довести такой код до выпуска и не потерять выигрыш во времени.

Кто отвечал. Среди 71 участника 46% составили руководители разработки, 24% разработчики, 15% аналитики и 15% другие роли. 71% респондентов работают в компаниях больше 1 000 человек, 36% в компаниях больше 5 000.

Что понадобится до подключения ИИ-агента?

  • ИИ-агент (agent), то есть программа на основе нейросети, которая сама выполняет цепочку действий, а не только отвечает на вопрос.
  • Список доступов: какие репозитории (хранилища кода) и тестовые стенды (копии рабочей системы для проверки) агенту открыты.
  • Правила о данных: что можно передавать модели и с какими моделями разрешено работать.
  • Владелец процесса, который утвердит критерии приемки, то есть условия, при которых работу считают сделанной.
  • Эталонный набор записей, по которому сверяют результат.
  • Журнал запросов и изменений.

Восемь шагов, чтобы ИИ-код дошёл до релиза

  1. Считайте эффект по всей доработке, а не по генерации. В примере SimpleOne обычная задача занимала 16 часов. С ИИ получилось 11,5 часа: два часа на описание задачи, полчаса на генерацию, четыре часа на ревью (проверку кода коллегой) и пять часов на исправления. Экономия составила 4,5 часа, около 28%. Добавляйте к трудозатратам расходы на модель.
  2. Закладывайте сценарий ошибки. Если агент неверно поймёт требования, повторные исправления займут девять часов, и итог вырастет до 15,5 часа. Выигрыш при этом почти исчезает.
  3. Определите границы доступа заранее. Перечислите репозитории, стенды, разрешённые данные и модели. Утечку кода или данных главным препятствием назвали 68% участников, требования регуляторов 23%.
  4. Чистите журналы перед отправкой. Если передать журналы приложения целиком, в модель попадут пользовательские идентификаторы, токены доступа (цифровые ключи входа) и другие персональные данные.
  5. Согласуйте критерии приемки до генерации. Владелец процесса решает, какие статусы считать выполненными задачами, а инженер сверяет расчёт с эталонными записями.
  6. Заставьте агента задавать вопросы. Пример промпта:
Прежде чем писать код, задай мне уточняющие вопросы по требованиям.
Сверь постановку с фактической структурой стенда и перечисли расхождения.
Не начинай реализацию, пока я не подтвержу ответы.
  1. Разведите роли проверки. Второй агент сверяет реализацию со спецификацией (подробным описанием того, что должно получиться) и запускает сценарии. Спорные бизнес-правила и решение о приемке остаются за человеком.
  2. Отмечайте ИИ-изменения отдельно. 23% опрошенных не смогли сказать, какая доля такого кода доходит до рабочих систем. Без учёта пользу не измерить.
На вебинаре SimpleGen владелец продукта показал задачу: дашборд, то есть экран со сводными показателями, для руководителя службы поддержки. На нём фильтры по периоду, группе и типу задач, поток обращений, скорость обработки и подсветка показателей при нарушении целей. Команда довела задачу от постановки до работающей функциональности на тестовом стенде за 17 часов. Многочасовую генерацию выполнили заранее, в эфире разбирали историю сессий и ошибки.

Агент задал автору 28 уточняющих вопросов. Среди них были такие: какие статусы считать решёнными и учитывать ли отрицательный баланс потока. Заодно он нашёл расхождение: в постановке упоминались три таблицы задач, а на стенде оказалось десять таблиц-наследников. Затем спецификацию проверил второй агент.

Частые ошибки
  • Агент пишет код и тесты по одному описанию и в обоих одинаково ошибается в трактовке. Пример SimpleOne: в расчёт доли решённых в срок задач попали отменённые и отклонённые обращения. Тест прошёл, а цифра не совпала с правилами поддержки.
  • Скорость оценивают по генерации. При этом 31% опрошенных вообще не могут оценить эффект.
  • Журналы отправляют модели целиком, без проверки на персональные данные.
  • Историю запросов не сохраняют. При разборе инцидента потом не установить, какие сведения использовал агент и кто подтвердил выпуск.

Что делать с этим прямо сейчас, по ролям

Автору Дзена. Урок переносится на тексты: считайте время не до первого черновика нейросети, а до опубликованного материала с правками. Если вы пишете про технологии, цифры 83% и 24% хорошо показывают разрыв между пилотом и практикой.

Маркетологу. Опрос SimpleOne подсказывает, как защищать бюджет на ИИ: показывайте экономию по завершённым задачам, а не по скорости генерации. Включайте в расчёт расходы на модель.

Предпринимателю в РФ и СНГ. Прежде чем передавать данные зарубежной модели, сверьтесь с 152-ФЗ о персональных данных и ограничениями на их передачу. Начните с третьего и четвёртого шагов: границы доступа и очистка журналов. Из доступных в РФ альтернатив можно рассмотреть YandexGPT и GigaChat, но правила о данных нужны и для них.

Совет редакции dzen.guru

На мой взгляд, самый ценный шаг здесь пятый: договориться о критериях приемки до того, как нейросеть написала первую строку. Двадцать восемь вопросов агента в примере выглядят как лишняя возня, но каждый закрытый вопрос снимает часть из девяти часов возможных переделок.

Честная оговорка: выборка небольшая, 71 человек, и большинство из крупных компаний. Кейс с дашбордом показывал сам разработчик платформы на своём продукте. Небольшой команде стоит проверить цифры на собственной задаче, прежде чем строить планы на 28% экономии.

Проверьте, сколько времени ИИ экономит именно вам

На dzen.guru собраны разборы нейросетей и практические инструкции для авторов и команд, которые считают результат по готовой работе, а не по черновику.

Перейти на dzen.guru
Поделиться:TelegramVK
Игорь Градов
Игорь Градов

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».

Комментарии

Читайте также

ai

СУБД Jatoba выявляет персональные данные с помощью ИИ и сама их маскирует

Разработчик отечественной системы управления базами данных «Ятоба» встроил в неё ИИ-поиск персональных данных, который заменил ручную проверку таблиц и…

5 мин
Наделла объяснил, почему Microsoft предложила 60 тысячам уволиться: все будут управлять ИИ
ai

Наделла объяснил, почему Microsoft предложила 60 тысячам уволиться: все будут управлять ИИ

Глава Microsoft Сатья Наделла, признав, что компания создала у людей огромную тревогу, объяснил предложение о добровольном уходе для 60 тысяч сотрудников…

5 мин
ИИ в тестировании пишет 80 сценариев за пять минут, но 15% правят вручную
ai

ИИ в тестировании пишет 80 сценариев за пять минут, но 15% правят вручную

Инженер по тестированию «Т1 Иннотех» Роман Поляков показал на практике, как ИИ за пять минут пишет 80 тестовых сценариев к одной странице приложения, и при…

5 мин