ИИ-ассистенты программистов за пару лет стали стандартом, но ускорения бизнеса, которого от них ждали, многие компании так и не увидели. «Диасофт» предлагает другой подход — AI-driven Digital Q — новую ИИ-версию экосистемы для команд разработки, в которой агенты ведут задачу от требований до релиза. Директор по работе с партнерами, член правления «Диасофт» Александр Сахаров рассказал, что такое «золотой путь» ИИ-разработки, почему платить за платформу заказчик начинает только после запуска системы в эксплуатацию и зачем в этой истории партнеры.
— Александр, сегодня разве что ленивый не выдал своим программистам ИИ-ассистента. Зачем рынку еще одна платформа?
Ассистент ускоряет работу одного программиста, а бизнесу нужно ускорить выпуск продукта, и это две разные задачи. В начале года мы поняли, что искусственный интеллект созрел для промышленной разработки, а не только для экспериментов. А когда посмотрели, как его внедряют вокруг, картина оказалась довольно грустной. Компании покупают ассистентов, но эффекта на уровне бизнеса не видят. Не потому, что ИИ плохой, а потому, что его используют не там и не так.
Мне нравится вот какая аналогия. Представьте большой корабль, где каждый член экипажа уверен, что главное на борту то, за что отвечает именно он. Один говорит про штурвал, другой — про паруса, третий — про мачту, а корабль плывет только тогда, когда все это собрано вместе и работает синхронно. С ИИ в разработке — то же самое, и ассистент для программиста — это хороший штурвал, но на одном штурвале далеко не уйдешь.
— Вы говорите, что ИИ используют «не там и не так». Какие ошибки при внедрении ИИ в разработку встречаются чаще всего и во что они обходятся компаниям?
Лидеры рынка прошли этот путь первыми, и их выводы на удивление совпадают. Типичных ошибок, по-научному — антипаттернов, встречается пять, и многие компании собирают почти полный комплект. Начинается обычно с «зоопарка» инструментов: в одной компании живет полтора десятка ИИ-платформ, никак не связанных между собой, и у каждой свой бюджет. Потом выясняется, что люди не спешат менять привычки, мы называем это «культурным балластом». Copilot купили всем, а в истории коммитов его не видно, люди как работали по-старому, так и работают.
Очень частая история, когда ИИ ограничивают одним этапом жизненного цикла — написанием кода. Разработчикам это, конечно, помогает, но кодинг занимает примерно треть работы инженера. Остальное время уходит на то, чтобы разобраться в требованиях, согласовать решение, вписать его в архитектуру, протестировать и выпустить. Если ускорить только эту треть, даже кратно, весь цикл почти не сократится, поэтому потолок эффекта — около 10%. Бизнес ждет, что продукты начнут выходить в разы быстрее, а видит прибавку, которую в отчетах непросто даже разглядеть.
Отдельная ловушка — это вендор-лок, когда вся стратегия завязана на одну модель или одного поставщика. Модели обновляются каждые несколько месяцев, цены на токены меняются, условия доступа могут поменяться в любой момент, а при работе с внешним облаком данные и код уходят за периметр компании. Если процессы жестко привязаны к конкретной модели, любая такая перемена оборачивается переделкой всего, что успели построить.
Ну и классика жанра — «пилоты», которые не масштабируются. Пять энтузиастов понимают друг друга с полуслова, контекст живет у них в головах, удачные приемы передаются в переписке. Переводишь подход на пятьдесят человек, и начинается провал. Каждый работает с ИИ по-своему, результаты не повторяются, единых правил и проверок нет, а что именно сделал агент и почему, нигде не зафиксировано. Качество снова держится на отдельных людях, и промышленного эффекта не получается.
— Хорошо, а если делать правильно, откуда тогда берется эффект?
Сама по себе языковая модель — это, конечно, хорошо, но самый большой эффект дает не она. По оценкам лидеров рынка, чей опыт мы подробно изучили, до 98% ценности находится в обвязке вокруг модели, в контексте компании, правилах, проверках, стандартах. По-английски это называют harness, но мы называем экосистемой разработки.
Есть и менее очевидный вывод. На первое место выходит бизнес-компетенция. Когда код пишет агент, главное — уже не то, как быстро вы печатаете, а то, как вы работаете с заказчиком, как ставите задачу и прорабатываете бизнес-логику. Как поставили задачу, так агенты и будут работать, а дальше начинается вполне приземленный разговор — про деньги.
Если бездумно пользоваться моделями, они съедают огромное количество токенов и по несколько раз переписывают то, что переписывать не нужно. А бесконтрольная генерация еще и копит скрытый техдолг. По данным лидеров рынка, в коде ИИ-ассистентов примерно на четверть больше уязвимостей.
— Свой подход вы называете «золотым путем». Звучит красиво, но что за этим стоит на практике?
«Золотой путь», на мой взгляд, — самое сложное и самое главное во всей этой истории. Можно купить самый скоростной локомотив, но без проложенных рельсов, стрелок и диспетчерской он никуда не довезет, а на первом же повороте рискует сойти с пути. Языковая модель и есть такой локомотив, и задача экосистемы — в том, чтобы проложить для нее путь, по которому задача уверенно пройдет от исследования до эксплуатации.
В нашем «золотом пути» — пять элементов. Единый контекст — одна версия спецификаций для всех, и контекст не теряется, даже если исполнитель ушел в отпуск. Единые стандарты и политики, одинаковые и для людей, и для агентов. Библиотека компонентов, чтобы готовое не генерировалось заново. Наблюдаемость и аудит — каждый результат оценивается, все записывается в неизменяемый журнал, и управление стоимостью, когда под каждую задачу подбирается своя модель, а токены под контролем.
Принципиально, что работает только связка. Если все разбросанно по разным углам, это ничего не даст.
— Как по этому пути проходит конкретная задача? С чего начинается работа конвейера и где в нем остается место человеку?
Все начинается с исходных материалов. В классической разработке команда ждала от аналитика готовое техническое задание в Word, а в наш конвейер можно сразу загрузить протоколы встреч с заказчиком, голосовые записи и таблицы. Дальше работает конвейер из нескольких десятков агентов, разделенный на три контура: «Обнаружение», «Замысел» и «Реализация».
В «Обнаружении» агенты раскладывают эти данные по полкам, выявляют бизнес-потребности и сценарии, то есть понимают, что нужно бизнесу, до того как что-то проектировать. В «Замысле» потребность превращается в архитектуру и контракты: какие компоненты нужны, какие сервисы дорабатываем, какие тесты, какие требования безопасности обеспечиваем. В «Реализации» агенты пишут и проверяют код, поднимают стенды, тестируют и выпускают решение.
Важно, что агенты друг друга проверяют. Если какой-то агент, условно говоря, встал с утра не с той ноги и начал галлюцинировать, рядом стоит другой, который проверяет архитектуру, тесты, покрытие. А если требований не хватает, агент не будет ничего додумывать. Представьте, что мне дали построить дом, а в проекте нет лифта, подъезда, крыши и пары стен. Я строить не начну, пока мне не дадут спецификацию на все это. Наши агенты ведут себя так же: возвращаются с вопросами. Ключевые решения между контурами всегда принимает человек, мы называем его продуктовым инженером.
— Схема выглядит убедительно. Но есть ли цифры, или пока это красивая картинка?
Мы сначала проверили все на себе, причем на полном цикле, от требований до релиза. CRM-систему с нуля, а это 75 сервисов и 21 бизнес-компонент, сделали за три месяца. Новый компонент «Факультативное перестрахование» из десяти сервисов — за полтора месяца. Прототип системы управления закупками для авиакомпании собрали за два дня. Соответствие кода требованиям – выше 99%, покрытие тестами там, где это применимо, – больше 80%.
Для меня, пожалуй, главное, что на выходе получается не софт, а продукт. Документация, тесты, контроль качества выпускаются вместе с кодом и больше не зависят от человеческого фактора. Трудозатраты на наших проектах в итоге сократились на треть.
— Gartner недавно напугал рынок прогнозом о том, что к 2028 году ИИ-инструменты для разработки могут обходиться дороже самих программистов. Ваши агенты не съедят бюджет заказчика?
Проблема — абсолютно реальная. Уже есть крупные компании, которые исчерпали годовой бюджет на ИИ за несколько месяцев. По этой причине управление стоимостью у нас — не опция, а часть «золотого пути».
Экономия держится на трех вещах. Главная из них — в том, что мы не переписываем то, что уже написано. Большую часть типового кода генерируют детерминированные шаблоны наших платформ, которые вообще не тратят токены, а агенты берут готовые компоненты из библиотеки. Модель при этом подбирается под задачу.
Чтобы разобрать видеозапись встречи, не нужна последняя версия самой дорогой модели, с этим нормально справляется открытая модель на своем сервере, и токены не сгорают зря. В этом, собственно, и суть.
Также есть жесткий контроль. Каждый агент получает только нужный ему контекст, а лимиты не дают процессу ходить по кругу. По нашей оценке, в сумме это позволяет сократить расход токенов до 70%.
— Давайте о деньгах. Как вы зарабатываете на платформе и когда заказчик начинает платить?
Модель у нас простая и, по-моему, честная. Развернуть экосистему и начать на ней зарабатывать можно уже сейчас, а монетизация начинается тогда, когда то, что вы на ней создали, выходит в промышленную эксплуатацию. Сначала компания видит результат на своих задачах, а потом уже платит. Мы зарабатываем, когда система реально работает у заказчика.
— Вы говорите, что развернуть экосистему можно уже сейчас. Что для этого понадобится заказчику с точки зрения инфраструктуры и команды?
Это промышленная система, а не инструмент для одного разработчика на ноутбуке, и готовиться к ее развертыванию нужно соответственно. Ей нужны вычислительные мощности, в том числе под модели, если вы держите их у себя, и серьезная настройка: DevOps, логирование, мониторинг, доступы и многое другое. Возможность скачать экосистему с сайта мы сейчас готовим, но это в любом случае не история «нажал кнопку и поехал».
Зато если условия развертывания соблюдены, разрабатывать можно сразу же, без долгого внедрения. И не нужно начинать с попытки перестроить всю систему разработки. Принесите один реальный продукт, критичный бизнес-процесс или массив требований, и мы вместе посмотрим, где у вас потенциал ускорения, какие корпоративные активы уже можно использовать и с какого «пилота» начать.
— Крупные компании любят строить свое. Почему бы им не собрать такой конвейер самостоятельно?
Самые крупные могут, и некоторые так и делают, но давайте посчитаем. Над нашим конвейером работает команда, в которой около 40 человек, и мы использовали в его создании весь наш 35-летний опыт, все стандарты и правила разработки, которые нужно постоянно синхронизировать между собой. Каждая крупная компания сегодня решает одну и ту же задачу: как перестроить производство программного обеспечения под ИИ и не потерять при этом качество и контроль. Для этого нужны методология, платформа и опыт внедрения.
Мы прошли этот путь, создавая собственные продукты, и готовы поделиться опытом с нашими заказчиками и партнерами. Большинству компаний, на мой взгляд, рациональнее взять готовое и вложить силы в свою предметную область.
— В «Диасофт» вы отвечаете за работу с партнерами. Какую роль они играют в продвижении AI-driven Digital Q и какие бизнес-возможности открывает для них платформа?
Партнеры здесь — ключевое звено, и связано это как раз с тем, что AI-driven Digital Q – промышленная система. Заказчику нужен тот, кто развернет ее, настроит инфраструктуру и проведет первые проекты. Именно эту работу берут на себя наши партнеры-интеграторы.
Некоторые из них смогут предоставить экосистему в своем облаке тем заказчикам, которые не хотят держать вычислительные мощности у себя, а кто-то будет строить на ней собственные отраслевые решения, ведь навыки агентов расширяются под новые отрасли, и партнер получает готовый конвейер вместо того, чтобы начинать с чистого листа.
Для партнера не менее важно и то, что результат остается у клиента. Код отчуждаемый, работает на любой инфраструктуре и без наших платформ, а конвейер не привязан к конкретной модели, поэтому ни заказчик, ни партнер не попадают во вендор-лок. Условия партнерской программы опубликованы на нашем сайте, и сейчас самое время к ней подключаться, потому что рынок только начинает переходить от экспериментов к промышленной ИИ-разработке.
— Как, по-вашему, изменится корпоративная разработка в ближайшие годы и куда в этой логике будет развиваться AI-driven Digital Q?
Думаю, рынок разделится на тех, кто продолжит раздавать сотрудникам ИИ-ассистентов, и тех, кто перестроит под ИИ само производство программного обеспечения. Выиграют вторые, потому что эффект дает не скорость отдельного разработчика, а сквозной процесс от требований до эксплуатации. Меняется и роль людей в команде — вперед выходит продуктовый инженер, который понимает бизнес-заказчика, ставит задачу и принимает ключевые решения, а рутину между этими точками забирают агенты. Ценность при этом смещается от кода к спецификации, ведь код по хорошей спецификации можно сгенерировать заново, а потерянный бизнес-контекст восстановить гораздо сложнее.
AI-driven Digital Q мы развиваем в той же логике. Сейчас конвейер доводит задачу до подписанного релиза, следующим шагом мы хотим довести его до установки решения у заказчика, а параллельно расширяем навыки агентов под новые отрасли. Подробную дорожную карту опубликуем в ближайшее время.
Для себя я формулирую ее так: прежде чем ИИ начнет управлять вашей компанией, он должен научиться безопасно строить софт, и спецификация здесь становится новой нефтью. Вы все равно к этому придете. Мы уже пришли.
Реклама. ООО «ДИАСОФТ ЭКОСИСТЕМА», ИНН 9715403607.