Команда примерно из двадцати человек (разработчики на 1С и смежных стеках, тестировщики, аналитики) за несколько месяцев прошла путь от экспериментов с ИИ-агентами до облачного агента в роли основного инструмента. Главный сдвиг в работе автор разбора на Habr описывает так: ручное написание кода сократилось в разы, а нагрузка на код-ревью и архитектурные решения сильно выросла.
Практический вывод для команды, которая входит в тему: рост времени на проверку и проектирование планируйте вместе с экономией на наборе строк. Оба эффекта живут в одном процессе, и если второй не учесть, ускорение съедает очередь на ревью.
Ниже разобрано, что меняется в задачах разработчика, какие шаги перевели команду из экспериментов в практику, как устроен пилот spec-driven development, зачем нужен собственный бенчмаркинг и как этот опыт соотносится с прогнозами Gartner и оценками McKinsey.
Что меняется в работе команды, когда в процесс входят ИИ-агенты
День разработчика до агентов состоял из трёх блоков: набор кода, чтение чужого кода и решения о том, как система должна быть устроена. Агент забрал первый блок и почти не тронул два других. Шаблонные обработчики, правки по описанию, черновики модулей появляются быстро, но появляются в объёме, который кто-то должен прочитать и принять.
Нагрузка перераспределяется внутри того же процесса: летом ручное написание кода у разработчиков команды сократилось в разы, зато сильно выросла нагрузка на код-ревью и архитектурные решения. Автор разбора не приводит процентов и замеров. Это важнее, чем кажется: «в разы» описывает направление сдвига, а не измеренную метрику, и подставлять сюда придуманные проценты смысла нет.
Почему фокус смещается с написания кода на ревью и архитектуру
Агент ускоряет производство кода и не берёт на себя ответственность за решение. Ответственность остаётся у человека и проявляется в двух точках: ревью, где ловится качество, и архитектура, где задаются ограничения для агента. Чем меньше ограничений задано заранее (границы модулей, контракты, правила именования, требования к тестам), тем больше решений принимается на ревью и тем дороже каждая проверка.
Проверка становится узким местом не потому, что разработчики разучились читать код. Объём вырос, а контекст проверки остался прежним. Разбор когнитивной ловушки агентской разработки объясняет, почему скорость набора строк плохой KPI: строки не отражают ни понятность кода, ни устойчивость системы.
Ориентир перед расширением доступа к агенту: зафиксировать архитектурные договорённости письменно и привязать к ним чек-лист ревью. Признак, что мера работает, простой: ревьюер тратит время на решения и риски, а не на восстановление контекста с нуля. Признак обратного тоже заметен: правки агента обсуждаются дольше, чем писался исходный код.
Какие навыки и роли просядут, а какие станут критичными
Критичными становятся три навыка: сформулировать задачу так, чтобы её можно было проверить; читать чужой код и видеть в нём архитектурные и продуктовые дефекты; держать картину системы в голове, потому что агент видит только переданный ему контекст. Механический набор кода, который раньше был входным навыком, дешевеет.
Индустрия двигается в ту же сторону. В прогнозе Gartner, который цитируется в разборе, речь идёт о переобучении инженеров и о росте расходов на токены. Это прогноз, а не замер конкретной команды, но направление он задаёт: ценность смещается к постановке задачи и приёмке результата. Программ обучения, которые будто бы прошла команда, в описании опыта нет, поэтому переносить прогноз на конкретный коллектив можно только как гипотезу для проверки.
Путь команды: от личных экспериментов к облачному агенту
Переход был постепенным и занял несколько месяцев. Весной 2026 часть команды уже пробовала ИИ-агентов в личных проектах, из интереса и без плана. Летом работа с агентами стала рабочей практикой. К концу лета начались эксперименты с локальной генерацией на собственном железе и появилась общая база знаний по всем стекам, из которой затем выделилась отдельная база по 1С и смежным технологиям. Осенью облачный ИИ-агент подключили как основной рабочий инструмент для всей команды. Хронология в описании опыта на Habr выстроена именно так, без одномоментного переключения.
Что сделали до подключения облачного агента
Перед работой с облачными агентами команда вычистила код от учётных данных и другой чувствительной информации. Логика простая: облачный агент получает контекст задачи, и в этот контекст не должны попадать секреты, токены доступа, персональные данные и внутренние идентификаторы.
Ревизия перед таким переходом обычно включает четыре шага: пройти по репозиториям и найти захардкоженные пароли и ключи; проверить историю коммитов, потому что удалённый из текущего файла секрет остаётся в истории; вынести конфигурацию в переменные окружения или хранилище секретов; договориться, какие данные вообще можно отправлять во внешний сервис. Конкретные требования к обработке данных зависят от политики компании и применимого регулирования, их согласуют с ответственными за безопасность до подключения, а не после.
Зачем понадобилась общая база знаний
Сначала база знаний была общей по всем стекам, затем из неё выделилась отдельная по 1С и смежным технологиям. Причина в специфике: у нишевой платформы свои правила платформенной разработки, свои ограничения моделей и свои типовые ошибки генерации, а в общей базе эти детали размываются универсальными формулировками.
Фиксировать стоит то, что иначе теряется: удачные постановки задач и промпты, ограничения моделей на конкретных платформах, типовые ошибки агента и способы их обхода, архитектурные договорённости. Формат хранилища (вики, репозиторий с markdown, внутренний портал) в описании опыта не указан, выбирать его стоит по тому, где команда реально ищет информацию. Кейс, где контекстная инфраструктура оказалась ценнее самого агента, показывает, почему база знаний со временем становится основным активом: инструменты меняются, договорённости о системе остаются.
Регулярные внутренние встречи как способ держать темп
Команда запустила внутренние встречи по обмену опытом с ИИ-инструментами раз в неделю; без них, по оценке автора, было бы сложно держать темп. Еженедельный ритм даёт быстрый разбор находок и ошибок, единые договорённости вместо десятка личных практик и сокращение разрыва между теми, кто уже освоил инструмент, и теми, кто только начинает.
Дополнение к этому механизму: фиксировать итоги встречи в базе знаний в тот же день. Устный обмен опытом работает, пока участники помнят детали; через месяц остаётся общее ощущение, что «что-то такое обсуждали».
Spec-driven development: что это даёт и как подходить к пилоту
Spec-driven development (SDD) меняет порядок работы: сначала спецификация и договорённости о том, что должно быть сделано и как это проверять, затем реализация, в том числе с помощью агента. Когда код генерируется, качество спецификации становится определяющим: агент не восстановит требование, которого нет в тексте. Команда запустила пилот SDD сначала на аналитиках и разработчиках.
Почему пилот начали с аналитиков и разработчиков
Спецификация живёт на стыке их работы: аналитик формулирует требование, разработчик проверяет его выполнимость и реализует. Когда в пилоте участвуют обе роли, спецификация становится рабочим артефактом, а не документом для отчётности. Тестировщики подключаются позже, но именно на спецификации удобно строить проверки: если требование нельзя превратить в проверяемое утверждение, с ним что-то не так ещё до кода.
Пилот не завершён, результатов в описании опыта нет, поэтому речь о подходе и границах, а не об итогах. Разбор разработки с ИИ-агентами даёт полезный контекст: спецификации и evaluations возвращают контроль над результатом, но проверка остаётся дорогой частью работы.
Какие ограничения учитывать до старта
SDD требует дисциплины. Без привычки писать спецификации подход вырождается в бюрократию: документ есть, решения в нём нет, реализация всё равно обсуждается в чате. Второе ограничение - проверяемость: спецификация, которую нельзя превратить в набор проверок, не даёт агенту опоры. Третье - границы ответственности: агент не заменяет договорённости о качестве, производительности и безопасности, он исполняет их настолько, насколько они описаны.
Признак, по которому стоит оценивать пилот: уменьшается ли число переделок и неясностей на этапе реализации. Если спецификации растут, а переделок не становится меньше, проблема в содержании спецификаций, а не в инструменте. Конкретные сроки и метрики успеха в описании опыта не приводятся, их придётся задать под свою команду.
Почему общим бенчмаркам нельзя верить на слово
Команда наткнулась на отраслевой бенчмаркинг-проект PRISM и стала использовать его, чтобы не верить рекламным обещаниям моделей на слово, а проверять их на собственных задачах. PRISM - внешний проект, а не собственный инструмент команды; его польза в том, что он даёт отправную точку для сравнения.
Общие бенчмарки ограничены на реальных enterprise-задачах по нескольким причинам. Наборы задач редко включают нишевые платформы вроде 1С, где половина сложности в платформенных ограничениях. Задачи бенчмарка оторваны от контекста: в реальной работе модель должна учитывать архитектуру, соглашения и требования к данным. Метрика «прошёл тест» не говорит, сколько времени ушло на проверку ответа человеком. Разбор бенчмарка на реальных задачах разработки показывает, насколько результат зависит от методологии и набора задач.
Как построить собственный бенчмаркинг на нишевых задачах
Схема, которую можно повторить: собрать 10-20 типовых задач из реальной работы; зафиксировать критерии приемлемости результата до прогона, иначе оценка превратится в «нравится - не нравится»; прогнать несколько моделей в одинаковых условиях с одинаковым контекстом; учитывать не только качество ответа, но и расход токенов и время проверки. Набор задач стоит обновлять: если он не меняется полгода, он оценивает прошлые версии моделей и прошлые проблемы команды.
Что учитывать помимо качества ответа
В оценку входят стоимость токенов, скорость, требования к обработке данных и удобство встраивания в текущий процесс. Прогноз Gartner о росте расходов на токены, который упоминается в разборе, полезно держать в голове: экономия времени на коде может частично съедаться расходами на генерацию, и считать нужно оба эффекта. Тарифов и сумм в описании опыта нет, расчёт придётся делать по своим условиям.
Что показывает индустрия: прогнозы против практики
Три линии удобно держать вместе. Прогноз Gartner говорит о переобучении инженеров и росте расходов на токены; оценка McKinsey указывает на скромный средний прирост продуктивности; отдельная линия - рост доли локальных и открытых моделей. Все три - прогнозы и оценки рынка, а не замеры конкретной команды, и в разборе они приводятся именно как контекст.
Почему средний прирост продуктивности скромнее ожиданий
Средняя цифра скрывает разброс. Время уходит на постановку задачи и проверку результата, а не только на набор кода. Выгода неравномерна по типам задач: шаблонные и хорошо описанные задачи ускоряются заметно, задачи с неясными требованиями почти нет. Часть эффекта съедает рост нагрузки на ревью. Отсюда вывод: планировать эффект по типам задач, а не одной средней цифрой на всю команду.
Расхождение обещаний и практики видно на прикладных сценариях. Разбор сценария «магазин за два вечера» показывает, как прототип на ИИ-инструментах выглядит готовым продуктом, а затем ломается на первом изменении требований.
Рост локальных и открытых моделей: что это значит для команды
Локальные и открытые модели растут как альтернатива облачным, особенно когда важны требования к обработке данных и автономность. Команда экспериментировала с локальной генерацией на собственном железе, и для нишевой платформы это логичный шаг: часть кода нежелательно отправлять во внешний сервис. Ограничения тоже конкретные: локальный запуск требует подходящего железа и на крупных моделях даёт меньшую скорость. Утверждать, что локальные модели заменяют облачные во всех сценариях, оснований нет.
Локальная генерация на своём железе: что реально работает
Пример бюджетного варианта для локального запуска - мини-ПК Beelink SER8 на AMD Ryzen AI 7 H 350. В обзоре устройства указаны ключевые параметры: NPU на 16 TOPS и 32 ГБ DDR5, которые можно расширить до 64 ГБ. Для локальных нейросетей память важнее числа ядер: модель грузится в оперативную память, а дискретной видеокарты со своей VRAM здесь нет, поэтому роль видеопамяти выполняет общая DDR5.
Ориентиры по скорости из того же обзора Beelink SER8: восьмимиллиардные модели вроде Llama 3 или Qwen на Q4-квантовании идут со скоростью около 10-15 токенов в секунду, модели на 13-14 млрд параметров - около 5-8 токенов в секунду. Потребление в простое 8-12 Вт, поэтому устройство можно держать включённым круглосуточно. Это ориентиры для конкретной конфигурации и конкретного квантования, а не универсальный бенчмарк.
Когда локальная генерация оправдана, а когда нет
Оправдана, когда важны требования к обработке данных, нужна автономность или предсказуемые расходы на длинной дистанции. Не оправдана, когда нужны крупные модели и максимальное качество на сложных задачах: компактное железо ограничивает и размер модели, и скорость. Проверка простая: прогнать свои типовые задачи на локальной модели и сравнить с облачной по качеству, скорости и стоимости, включая время проверки ответа человеком. По результатам сравнения решение принимается по самому слабому звену, а не по среднему ощущению.
Человеческий фактор: почему темп перехода входит в решение
Часть команды отметила ухудшение сна и общего самочувствия на фоне резкого погружения в новую технологию. Автор считает, что издержки для самочувствия стоит закладывать в темп перехода, а не замалчивать. Это практический вопрос: перегрузка снижает качество ревью, а ревью стало критичным звеном процесса.
Ориентиры, которые можно применить у себя: не форсировать одновременное освоение всех инструментов; оставлять в графике время на разбор сгенерированного кода; отслеживать нагрузку и обсуждать её открыто; фиксировать, какие задачи агент действительно ускоряет, а какие добавляет работы. Наблюдение относится к части команды из примерно двадцати человек и не даёт статистики по индустрии, поэтому медицинских выводов из него не следует.
Выводы для других команд: процесс, бенчмаркинг и измеримый ROI
Три вывода переносятся за пределы контекста 1С. Процесс важнее инструмента: без договорённостей об архитектуре, ревью и приёмке агент даёт объём кода, который некому проверять. Нужен собственный бенчмаркинг на нишевых платформах: общие тесты не показывают, как модель работает с вашей платформой и вашими требованиями к данным. Нужен измеримый ROI: без него переход не отличить от увлечения.
Минимальный набор метрик для старта: время на задачу от постановки до приёмки; доля переделок после ревью; расход токенов и стоимость генерации; время проверки результата человеком; число задач, где агент сэкономил время, и число задач, где добавил работы. Эти данные собираются без сложной инфраструктуры, а их динамика за месяц-два скажет больше, чем сравнение моделей по рекламным обещаниям.
Чек-лист для команды, которая начинает:
- Зафиксируйте архитектурные договорённости и привяжите к ним чек-лист ревью.
- Проведите ревизию репозиториев: секреты из кода и из истории коммитов, правила обработки данных согласуйте с ответственными за безопасность.
- Заведите базу знаний и выделите в ней раздел по нишевой платформе.
- Поставьте еженедельную встречу с фиксацией итогов в базе знаний.
- Соберите 10-20 своих задач и прогоните на них модели в одинаковых условиях.
- Пилотируйте SDD на аналитиках и разработчиках, оценивая число переделок и неясностей.
- Считайте ROI по метрикам, а темп перехода подбирайте так, чтобы ревью не теряло качество.