Внедрение искусственного интеллекта в бизнес-процессы и разработку открывает компаниям новые возможности для ускорения работы ИТ-департаментов, повышения качества продуктов и снижения операционных рисков. Вместе с тем, руководители сталкиваются с важными вызовами: безопасностью, контролем и адаптацией новых технологий. Как внедрять технологию поэтапно, безопасно и эффективно?
Ускорение разработки прототипов
Разработка ИТ-продукта (для клиента или для внутренних нужд компании) — рискованный процесс, который часто проходит со срывом сроков и перерасходом ресурсов. Для снижения этих рисков создают прототип, который помогает выявить ошибки и недочеты до начала основной разработки. При этом разработка прототипа тоже занимает немалое время.
ИИ-ассистированные инструменты значительно ускоряют создание прототипов. Для простых задач пользователю даже не нужно знать язык программирования: достаточно описать задачу на естественном языке, а нейросеть сгенерирует код. Явление получило широкое распространение, и сооснователь OpenAI (разработчик ChatGPT) ввел для него специальный термин — вайб-кодинг (vibe coding).
Вайб-кодинг позволяет сократить время на создание прототипов за счет автоматизации рутинных и текстовых задач программирования. ИИ быстро генерирует рабочий код, что позволяет создавать прототипы в несколько раз быстрее по сравнению с ручным написанием. Причем ИИ помогает не только с простыми фрагментами, но способен создавать целые блоки программ, которые можно использовать для демонстрации функционала. Это значительно ускоряет предварительную разработку и дает возможность оперативно тестировать концепции, что особенно важно на ранних этапах проектирования.
В то же время прототип — упрощенная и неполная модель продукта, и для создания полноценного решения необходима последующая доработка и интеграция, где ИИ также может ускорить отдельные этапы.
Этот процесс напоминает парное программирование, но вместо человека в роли коллеги выступает большая языковая модель. Итерационный цикл выглядит так: разработчик максимально подробно описывает задачу, ИИ генерирует фрагмент кода, разработчик проверяет результат и дает новые указания — например, улучшить или продолжить в том же стиле. Цикл повторяется, пока программа не достигнет желаемого результата.
Метод особенно востребован у небольших стартапов с ограниченным бюджетом или когда нужно быстро проверить гипотезу, но применяется и в крупных компаниях. Например, GitHub Copilot помогает разработчикам по всему миру, автодополняя код и генерируя функции, алгоритмы и блоки кода на основе контекста проекта. Мы в arcsinus уже зафиксировали результаты как в разработке продуктов для клиента, так и программ для собственных нужд. Скорость выполнения базовых рутинных задач выросла на 30%, и мы считаем, что сможем довести этот показатель до 50%.
Улучшение ИТ-продукта
ИИ также способен помочь с такой распространенной проблемой, как «технический долг» — накопленный устаревший код, который плохо сочетается с основной кодовой базой. Для устранения технического долга необходимо перестроить значительную часть кода, чтобы новые функции органично вписывались в архитектуру системы. Искусственный интеллект может анализировать большой объем информации и предлагать решения по гармонизации кода, выявляя неиспользуемые функции и сложные зависимости, что повышает качество и экономит ресурсы.
Снижение количества ошибок в разработке
Автоматизация тестирования и мониторинга с помощью ИИ позволяет оперативно выявлять проблемы, минимизируя человеческий фактор и повышая качество продукта. Так, проведение первичного ревью кода у разработчиков через ИИ снимает нагрузку с разработчиков и может сразу подсветить базовые проблемы.
Однако стоит уточнить, что снижение количества ошибок за счет ИИ происходит преимущественно в рутинных задачах. ИИ успешно справляется с повторяющимися и стандартными операциями, такими как автотестирование по типовым сценариям.
Известны успешные примеры внедрения технологии — так, в Федеральной таможенной службе ИИ позволил удвоить скорость анализа снимков и снизить количество ошибок на 10%. А в налоговой — ускорить обработку типичных документов втрое и почти вдвое уменьшить ошибки, связанные с человеческим фактором.
При создании новых и более сложных компонентов ИИ может генерировать код с ошибками. Проблема усугубляется тем, что это трудноуловимые ошибки. Программисты не любят проверять чужой код, пытаясь вникнуть в незнакомый код. Когда речь идет про код, сгенерированный ИИ, этот стиль понять еще сложнее.
Таким образом, хотя ИИ помогает снизить количество ошибок в рутинных операциях, при сложных задачах он создает риск появления ошибок, требующих контроля и дополнительного внимания специалистов. Это нужно учитывать и планировать загрузку людей.
Обучение новичков и эффективное использование ресурсов опытных профессионалов
ИИ можно задействовать в качестве наставника для новичков. ИИ — это библиотека с постоянным доступом к любым знаниям и инструментам с обратной связью. Ранее обучение было ограничено во времени и зависело от помощи живого ментора (конкретного специалиста, которого приходилось отвлекать на долгий процесс адаптации). Сейчас многие процессы можно поручить ИИ. Таким образом ИИ способствует росту квалификации и более правильному распределению ресурсов между новичками и опытными сотрудниками.
Использование ИИ в программировании также дает возможность привлекать неквалифицированных сотрудников к решению простых задач. Это не решает проблему дефицита высококвалифицированных ИТ-специалистов, но позволяет использовать менее опытные кадры там, где это возможно, освобождая профессионалов для более сложной работы.
Эти процессы отчасти снижают порог входа в профессию, но для успешного развития, наоборот, специалистам уже на старте нужно обладать новыми, более высокими компетенциями. Требования к специалистам будут и дальше расти: работодатели будут все больше ожидать владения современными ИИ-инструментами, умения эффективно их применять и масштабировать внутри компании.
Из хороших новостей — ИИ помогает улучшать атмосферу в коллективе и снижать вероятность выгорания у разработчиков благодаря тому, что рутины становится меньше, а возможностей заниматься интересными задачами больше. По исследованию GitHub, использование Copilot ускоряет выполнение задач на 55%, а 75% программистов отметили улучшение удовлетворенности работой.
Какое будущее у внедрения ИИ в кодинг
К концу 2025 года написание кода с помощью ИИ становится одним из самых востребованных навыков среди профессиональных разработчиков.
ИИ в том или ином виде уже стал стандартным инструментом у разработчиков, аналитиков и в меньшей степени тестировщиков.
По данным ВЦИОМ, проникновение ИИ в российский бизнес выросло с 20% в 2021 году до 43% в
Однако более половины российских компаний пока плохо готовы к интеграции ИИ в разработку. Не настроены процессы обеспечения прозрачности, регулярного аудита, контроля надежности, определения политик безопасности и распределения ответственности между человеком и машиной. Все понимают, что обязательно нужно внедрять ИИ-инструменты, но на рынке пока не накоплено достаточно экспертизы, как эффективно и безопасно внедрять технологию в системном порядке. Кроме того, неосторожные эксперименты могут стоить дорого, поэтому важно начать с точного определения процессов, которые можно автоматизировать или улучшить с помощью ИИ, а также установить ключевые показатели эффективности для оценки результата.
Решение — внедрять ИИ поэтапно, начиная со сбора и анализа технических требований, прототипирования и автогенерации кода, а также автоматизированного тестирования и поиска ошибок. Такой подход позволяет снизить риски, улучшить качество кода и ускорить разработку без потери контроля со стороны специалистов.
Консультантами могут выступать компании, которые используют ИИ в рамках клиентских проектов — на рынке заказной разработки накапливается больше всего экспертизы и опыта, благодаря тестированию и внедрению технологии на многих клиентских проектах. Тем не менее, даже отличные эксперты на стороне не обеспечат эффективного внедрения ИИ в процессы, если в компании нет сотрудника, который горит идеей и готов выступать «агентом изменений».
