В настоящее время сложно найти программиста, который не пользовался бы GitHub Copilot или Claude. Даже небольшие модели вроде Phi-3 способны приемлемо генерировать юнит-тесты или создавать boilerplate-код. Для разработчиков, которые пишут код при помощи LLM, появился отдельный термин — вайб-кодеры.
У ИИ-ассистентов пока возникают трудности с оптимизацией кода и сложными задачами, но применение таких инструментов все равно существенно ускоряет разработку. Их можно сравнить с junior-специалистом, который решает любую задачу за 15 секунд. Пусть порой неправильно или не самым лучшим способом, но это и не всегда требуется: иногда проще исправить код, чем писать с нуля. К тому же такой подход позволяет быстро собирать прототипы.
Программирование — не единственная задача в разработке, которую можно решать с применением ИИ. Он также применяется для автоматического рефакторинга, создания тестов, анализа производительности, поиска уязвимостей, автоматизации DevOps-процессов, создания документации и прототипирования.
Многие популярные зарубежные решения (GitHub Copilot, ChatGPT, Claude, Cursor) сейчас недоступны в РФ или работают с ограничениями, но есть и отечественные ИИ-ассистенты для разработчиков (GigaCode от «Сбера», SourceCraft Code Assistant от «Яндекса» и пр.).
Крупные ИТ-компании также создают собственные ИИ-решения. Например, инструменты для сопоставления данных из разных систем (мапперы), помощники для работы с учетными системами, специализированные решения для системных аналитиков, упрощающие подготовку документации.
Корпоративные решения чаще всего разрабатываются на базе open-source-моделей, которые адаптируются под стандарты компании и требования безопасности. Из-за риска утечек данных организации, работающие с критически важными системами, предпочитают использовать локально развернутые ИИ-решения или специализированные корпоративные версии с гарантиями конфиденциальности.
О рисках утечек данных из-за ИИ впервые массово заговорили в 2023 году, после того как в ChatGPT попала конфиденциальная информация компании Samsung. Решить подобную проблему одними запретами на использование популярных нейросетей невозможно. Лучше дать сотрудникам удобный внутренний сервис, разбирающийся в специфике их работы.
Помимо раскрытия конфиденциальной информации, использование ИИ несет и другие риски. Сгенерированный код может содержать уязвимости, создающие угрозу для информационной безопасности. Применение публичных моделей ИИ приводит к зависимости от внешних сервисов.
В критически важных проектах для снижения рисков необходимо развертывать локальные ИИ-решения с полным контролем над данными, а также внедрять строгие процессы код-ревью для всего ИИ-сгенерированного кода. Он должен проверяться как самим разработчиком, так и тимлидом.
Эффективность компаний напрямую связана с тем, насколько быстро и грамотно они внедряют новые информационные технологии. Если в 2005-м для того, чтобы оставаться конкурентоспособным, нужно было переходить на Outlook и SharePoint, то в 2025-м — не обойтись без ИИ-инструментов.
Современные ИИ-агенты пока требуют человеческого контроля, но это ненадолго. Можно вспомнить историю развития компьютерного зрения. 15 лет назад такие модели уступали в точности людям и вызывали скептические оценки, но все изменилось в 2012 году, когда появилась AlexNet — революционная сверточная сеть. Сейчас лидерство захватили нейросети-трансформеры, а точность компьютерного зрения уже превзошла человеческие возможности.
То же самое можно ожидать в генерации кода. ИИ-ассистенты еще совершают ошибки и требуют ревью, но с каждым новым релизом становятся надежнее. В перспективе они способны заменить часть сотрудников, а возможно и целые отделы или профессии.
В будущем мы, вероятно, увидим специализированных ИИ-агентов для каждого этапа разработки — дизайна, создания кода, тестирования, DevOps, подготовки документации, а также системы, способные понимать архитектурные решения, бизнес-логику и целевую аудиторию.
Роль разработчиков тоже трансформируется. Вместо того, чтобы заниматься рутинным кодингом, они станут архитекторами решений, проектировщиками ИИ-агентов и контролерами качества. Ключевой навык разработчика будущего — умение эффективно взаимодействовать с ИИ и давать ему правильные задачи, а не писать каждую строчку вручную.