К содержанию
Владимир Павлунин

AI в цикле разработки — что это и как внедрять

Что такое AI Development, из чего состоит AI Development Platform и с чего начинать внедрение AI в разработку — от требований до delivery.

· опубликовано

Короткий ответ

Что такое AI Development и AI Development Platform?

AI Development — это использование AI на всех этапах цикла разработки, а не только при написании кода — в требованиях, архитектуре, ревью, тестировании, документации и эксплуатации. AI Development Platform — общий инженерный контур, который делает это управляемым. В него входят единый доступ к моделям (Model Gateway), корпоративный контекст для AI, изолированная среда для агентов, правила безопасности и метрики эффекта.

Главное

  • Эффект появляется, когда AI подключён к узкому месту потока поставки, а не к самому заметному этапу.
  • Платформа нужна, чтобы не решать доступ к моделям, контекст и безопасность в каждой команде заново.
  • Контекст — архитектура, API, стандарты, задачи — важнее выбора конкретной модели.
  • Начинать стоит с карты потока и базовой линии метрик, а не с закупки инструментов.

Почему «AI в разработке» — это не про редактор кода

Написание кода — один из этапов пути задачи и обычно не самый длинный. Большую часть времени задача ждёт: уточнения требований, свободного ревьюера, окна тестирования, релиза. Если ускорить только кодирование, очередь вырастет перед следующим этапом. Об этом подробно — в материале Почему AI не ускоряет разработку в 10 раз.

Поэтому AI Development рассматривает цикл целиком:

Этап Что делает AI Что остаётся за человеком
Требования находит противоречия, готовит вопросы, черновики сценариев приоритеты и решения
Архитектура разбирает варианты, проверяет на соответствие стандартам выбор и ответственность
Код пишет и рефакторит в рамках соглашений постановка и приёмка
Review первичная проверка до человека итоговое решение
Тесты генерирует и поддерживает тесты стратегия тестирования
Delivery и эксплуатация разбирает сбои CI, готовит описания релизов, помогает с инцидентами выкладка и разбор причин

Из чего состоит AI Development Platform

Model Gateway. Единая точка доступа к облачным и локальным моделям: маршрутизация по классу данных, лимиты, учёт затрат, аудит. Без него у компании десяток подписок и ни одного ответа на вопрос «куда уходит наш код».

Context Platform. Управляемый доступ AI к коду, документации, архитектуре, API и задачам. На практике это правила в репозиториях, индексация и интеграции через стандартные протоколы вроде Model Context Protocol.

Agent Platform. Изолированная среда, где агент собирает и тестирует проект, и процесс «задача → pull request → проверки → ревью». Подробнее — в Coding Agents.

Governance. Политики, разграничение доступа, защита секретов, классификация данных. Для чувствительных данных — локальные модели.

Measurement. Метрики потока поставки до и после изменений. Активность — число пользователей и запросов — об эффекте не говорит.

Ограничения

  • AI не исправляет плохой процесс — он его ускоряет вместе с проблемами.
  • Без надёжных тестов и CI результат агента нечем принять, кроме глаз ревьюера.
  • Модели и инструменты меняются быстро, поэтому архитектура должна позволять заменить модель, не переделывая остальное.

Как это оценивается

Состояние компании удобно смотреть по семи независимым измерениям — они описаны в материале Семь измерений AI в разработке. Профиль по ним за пять минут даёт AI Engineering Assessment, а предметный разбор — AI Development Audit.

Вопросы и ответы

С чего начать внедрение AI в разработку?

С карты потока поставки — где задачи ждут дольше всего. Затем зафиксировать базовую линию (время прохождения задачи, частоту релизов), выбрать один-два этапа с наибольшим ожиданием и подключить AI туда. Параллельно — минимальные правила, какие данные и в какие модели можно передавать.

Можно ли использовать AI с корпоративным кодом?

Да, если определено, какие данные можно передавать и куда. Обычно это корпоративные тарифы с запретом обучения на ваших данных, шлюз моделей с аудитом запросов и защита секретов. Для самых чувствительных данных — локальные модели внутри периметра.

Сколько стоит внедрение AI в разработку?

Зависит от размера команды и исходного состояния, поэтому честная оценка возможна только после диагностики. Затраты складываются из лицензий или инфраструктуры моделей, работ по контексту и платформе и обучения команд. Назвать цифру заранее, не видя процесса, — значит её выдумать.

Нужна ли платформа небольшой команде?

Команде до десяти человек обычно достаточно общих правил, файлов с соглашениями в репозиториях и одного согласованного набора инструментов. Платформа окупается, когда команд несколько и каждая начинает решать одно и то же по-своему.

Источники

  1. Accelerate State of DevOps Report 2024 DORA (Google Cloud) · 2024 · проверено 2026-09-20
  2. DORA's software delivery metrics: the four keys DORA (Google Cloud) · проверено 2026-09-20
  3. Model Context Protocol — documentation Model Context Protocol · проверено 2026-09-20
  4. AI Risk Management Framework NIST · 2023 · проверено 2026-09-20

AI Development

Материалы кластера

СтатьяAI Development Архитектура AI Development Platform: 6 слоёв вокруг Coding Agent Слои AI Development Platform — модель, контекст, инструменты, политики, проверки качества, наблюдаемость: ответственность, интерфейсы и порядок внедрения. 19 октября 2026 Читать → СтатьяAI Development AI написал код и тесты, всё зелёное — почему задача всё ещё не решена Coding Agent написал код и 20 тестов, все зелёные, — а независимая приёмка по требованиям прошла 4 из 10. Разбираем на реальном эксперименте, почему тесты автора закрепляют его догадки, как устроить независимую приёмку и ревью и почему отчёт агента — не доказательство. 13 октября 2026 Читать → СтатьяAI Development От Coding Agent к AI Development Platform: почему быстро написать код недостаточно Эксперимент на 6 прогонах: агент пишет код за минуты, но без контекста, прав и проверок решает не ту задачу. Из чего состоит AI Development Platform. 1 октября 2026 Читать → СтатьяAI Development Почему Coding Agent нельзя просто дать Full Access: архитектура Allow / Ask / Deny Как безопасно давать Coding Agent доступ к файлам, shell, сети и Git: Allow / Ask / Deny, policy engine по пользователю, задаче, действию, ресурсу и среде, sandbox, усталость от подтверждений, идентичность агента и аудит. С реальным демо трёх правил в Claude Code и историей прогона, где агент искал другие права через субагента. обновлено 11 октября 2026 Читать → СтатьяAI Development Как превратить запись встречи в задачи с помощью AI Практический способ разобрать расшифровку встречи с помощью AI: решения, задачи, ответственные, сроки, риски и открытые вопросы. Готовый prompt и шаблон результата. 23 сентября 2026 Читать → СтатьяAI Development Context Engineering для Coding Agents: почему доступа к репозиторию недостаточно Что такое Context Engineering для Coding Agents: правильный контекст под задачу, приёмы Anthropic и эксперимент, где 520 слов контекста дали 7 из 7 проверок. обновлено 5 октября 2026 Читать → СтатьяAI Development Почему AI не ускоряет разработку в 10 раз: bottleneck просто переезжает в другое место Почему код в 10 раз быстрее не ускоряет поставку в 10 раз. Узкое место переезжает в ревью, тесты и требования. Закон Литтла, модель очередей, DORA 2024–2025 и METR с оговорками. обновлено 15 октября 2026 Читать →

Читать дальше

СтатьяAI Development Почему AI не ускоряет разработку в 10 раз: bottleneck просто переезжает в другое место Почему код в 10 раз быстрее не ускоряет поставку в 10 раз. Узкое место переезжает в ревью, тесты и требования. Закон Литтла, модель очередей, DORA 2024–2025 и METR с оговорками. обновлено 15 октября 2026 Читать → Главный материалСтатьяCoding Agents Coding Agents — что это и чем агент отличается от AI-ассистента Что такое coding agent, чем он отличается от автодополнения и чата, что нужно, чтобы агент выполнял задачи целиком, и какие у него ограничения. 20 сентября 2026 Читать → Главный материалСтатьяLocal AI Local LLM и Private AI — можно ли запускать модели внутри компании Когда компании нужны локальные модели, что они умеют по сравнению с облачными, какая нужна инфраструктура и как устроен приватный AI-контур. 20 сентября 2026 Читать → СтатьяEngineering Management Семь измерений AI в разработке — как устроен AI Engineering Assessment Почему нет единого «уровня зрелости AI» и по каким независимым измерениям имеет смысл оценивать использование AI в разработке. 20 сентября 2026 Читать →