Нейросеть для исправления ошибок в тексте и коде: почему «Диасофт» заменил ассистента конвейером агентов

Дмитрий Старов, руководитель департамента «Инструменты и технологии разработки» в компании «Диасофт», опубликовал на Хабре разбор ошибок нейросетей в промышленной разработке. Материал ценен не теорией, а конкретным опытом: 28 лет в профессии, полгода неудачных экспериментов с ИИ-ассистентами и выводы, которые пригодятся любому, кто использует нейросеть для исправления ошибок в тексте, коде или документации.

Почему подписка на ИИ-ассистента не ускорила релизы?

Старов описывает эксперимент в «Диасофт»: программистам и аналитикам раздали Claude Code и Windsurf. Код стал писаться быстрее, но релизы ускорились, по словам Старова, «максимум на несколько процентов».

Причина: кодирование не было узким местом. Задача, которая выполнялась два месяца, продолжала выполняться два месяца. Время уходило на согласование, проверку уязвимостей, раскатку на стенды, доставку и обучение пользователей. Первой «эффект» заметила бухгалтерия, но не в строке доходов, а в строке расходов.

Что нового в подходе «Диасофт»

• Мультиагентный конвейер вместо одного ассистента. Не «бригада нейросетей, которая вместо команды пишет код», а цепочка: один ИИ-агент (программа, которая сама решает, какие шаги предпринять для выполнения задачи) собирает данные о потребностях рынка, второй извлекает бизнес-требования, третий превращает их в сценарии. Дальше агент продуктового замысла примеряет сценарии к архитектуре. Затем декомпозиция, проектирование, код, тесты, проверка, релиз, метрики пользы.
• Не каждое звено требует нейросети. Часть работы выполняют обычные скрипты. Кодирование, лишь одна операция из нескольких десятков.
• Спецификации дрейфуют, и это проблема. ИИ-архитектор Андрей Носов сравнил три способа получить от агента воспроизводимый результат: фреймворк спецификаций OpenSpec, фреймворк SpecKit и обычного агента на модели Sonnet 4.5 без фреймворка. Победил обычный агент. Носов объясняет: спецификация работает, пока её задали один раз и больше не трогают. В живом проекте она дописывается вместе с кодом и начинает расходиться с реальностью. Два человека, восстановив спецификацию по одному коду, получат два разных документа.
• Вайб-кодинг не стал промышленным инструментом. Старов за два года не встретил «ни одной правдивой истории, где кто-то заработал бы серьезно на одном собственном вайб-кодинге».
• Переписать легаси агентами можно, но есть подвох. Ведущий разработчик «ТИМ ФОРС» Егор Дьяченко рассказал, как двое сотрудников с агентами за две недели переписали больше ста тысяч строк старого кода. Продукт получился качественнее. Но Дьяченко сам признал: новый код со временем тоже станет легаси, только написанным агентами.

Как попробовать подход конвейера?

1. Определите узкое место. Засеките, где задача реально стоит: в написании кода, в согласовании, в тестировании, в доставке. Если узкое место не в коде, нейросеть для исправления ошибок в тексте кода одна не поможет.
2. Разбейте процесс на звенья. По модели Старова: потребность, требования, сценарии, архитектура, декомпозиция, код, тесты, проверка, релиз, метрики. Для каждого звена решите: нужен ИИ-агент, обычный скрипт или человек.
3. Проверяйте не код, а спецификацию и результат. Старов пишет, что «практически перестал заглядывать в сгенерированный код»: проверять нужно спецификацию, тесты и то, что система в итоге делает.

Чем отличается от работы с YandexGPT и GigaChat?

Старов описывает работу с Claude Code, Windsurf и моделью Sonnet 4.5, ни один из этих инструментов на момент публикации не доступен в России без обходных путей. Из доступных в РФ аналогов для задач генерации и правки кода можно рассматривать YandexGPT и GigaChat.

Принцип конвейера от инструмента не зависит: разбить процесс на звенья и проверять результат, а не промежуточный код, можно с любой моделью. Ключевой вывод Старова универсален: проблема не в том, ошибается ли модель, а в том, как выстроить процесс, чтобы ошибки ловились до релиза.

Что делать с этим прямо сейчас, по ролям?

Авторам Дзена. Если вы используете нейросеть для генерации или редактуры текстов, примените тот же принцип: проверяйте не «как написано», а «что получилось». Галлюцинация (когда ИИ уверенно выдумывает факт, которого не было) ловится не перечитыванием каждой фразы, а сверкой фактов с источником.

Маркетологам. Автоматизация одного звена (например, написания постов) не ускорит воронку, если узкое место в согласовании с юристами или в сборке лендинга. Найдите своё «узкое место» перед покупкой подписки.

Предпринимателям в РФ. Доступные модели слабее тех, что описывает Старов, но подход конвейера работает с любыми. Начните с карты процесса: где именно стоит задача, там и нужен ИИ-агент или скрипт.

Частые вопросы

Нейросети действительно так часто ошибаются в коде?

Да, и Старов этого не скрывает. Он приводит типичные случаи: модель выдумывает метод, которого нет ни в одной библиотеке, ассистент «чинит» падающий тест, просто закомментировав проверку, агент с правами на продакшен (рабочую среду, которую видят пользователи) распоряжается ими непредсказуемо. Вопрос не в том, ошибается ли модель, а в том, на каком этапе ошибку ловить.

Можно ли применить этот подход без навыков программирования?

Конвейер, который описывает Старов, рассчитан на команды разработки. Но сам принцип «проверяй результат, а не процесс» работает для любого, кто использует нейросеть: автора, маркетолога, аналитика. Вместо вычитывания каждой строки сгенерированного текста сверяйте итоговые факты и логику с источником.

Зачем строить конвейер, если можно просто попросить нейросеть написать код?

Старов отвечает на это прямо: раздали программистам ИИ-ассистенты, код стал писаться быстрее, а релизы не ускорились. Одиночный промпт (запрос к нейросети) решает одну задачу, а продукт проходит десятки этапов. Конвейер нужен, чтобы покрыть весь путь, а не одно звено.

Кейс «Диасофт» показывает: нейросеть не заменяет процесс, она встраивается в него. И пока вы не знаете, где именно тормозит ваш процесс, никакая подписка его не ускорит.