Воронка превращается в бутылочное горлышко. AWS в марте 2026 года запустила AI-DLC — методологию, где ИИ становится не инструментом, а драйвером всего цикла. Звучало красиво: болты-агенты на каждом этапе, непрерывная обратная связь, сокращение lead time. Но первые недели продакшена показали изнанку.
Узкое место сместилось от разработчиков к сеньорам и code review. AI-агенты генерируют код быстрее, чем люди успевают его проверять. Результат — очередь из PR, растущий техдолг и забитые пайплайны.
Не только AWS. Свежее исследование State of AI4SDLC 2026 (опрос 1200 команд из РФ и СНГ) рисует пугающую картину. 68% респондентов признались, что после внедрения AI-агентов время на ревью выросло на 40%. Парадокс: автоматизация создала новое «бутылочное горлышко» — человеческий апрув. Сеньоры захлебываются, джуны сидят без задач.
Почему сеньор-апрув стал тормозом №1
Традиционный SDLC заточен под человеческий ритм. CI/CD пайплайны ждали коммитов людей. AI-агенты (как в той же схеме AWS с машинным трафиком) работают 24/7, выдают код пачками. Код — да, но без гарантий качества. Исследование показало: 54% команд перешли на обязательный «сеньор-апрув» каждого AI-коммита. Итог — сеньоры проводят по 6 часов в день за ревью, а не за архитектурой.
| Метрика | До AI-агентов | После (июнь 2026) |
|---|---|---|
| Среднее время PR в очереди | 2 часа | 14 часов |
| Доля кода, требующая переписывания | 15% | 38% |
| Загрузка senior-инженеров | 60% | 95% |
Цифры из отчета State of AI4SDLC (май 2026, N=1200).
Урок AWS: AI-агенты не равно автономия
В AWS внутренняя команда, внедрявшая AI-DLC, столкнулась с тем, что вайбкодинг без контроля порождает техдолг. Болт-агент для code review пропускал ошибки, которые человек увидел бы сразу. Итог — инцидент в продакшене: неправильная обработка edge-кейса в модуле авторизации. Потом выяснили: агент не имел доступа к полному контексту legacy-кода. Типичная проблема интеграции.
Вывод исследования: AI-агенты должны иметь четкие границы. Бесконтрольное делегирование -> потеря прозрачности -> падение качества. Лучший подход — гибридный: агент генерирует, человек утверждает ключевые изменения, а рутина автоматизируется.
Что дальше? Участники рынка ищут баланс. Одни вводят метрики «человеческой ценности» (сколько времени сеньор тратит на осмысленную работу), другие — ограничивают число AI-коммитов в день. Единого рецепта нет, но факт остается: AI-агенты ломают привычный SDLC, и починка этого «слома» — задача на ближайшие полгода.
Кстати, похожий сценарий мы уже видели в SOC: мультиагентная система чуть не устроила кризис, пока не нашли золотую середину. Похоже, SDLC ждет та же драма.
