Вы пытались заставить живых разработчиков всегда писать автотесты? Не «договорились», не «прописали в регламент» — а чтобы реально делали перед каждым коммитом, без напоминаний? А документировать код — хотя бы комментариями? А заставить сеньора поддержать то, что три джуна написали полгода назад?
Если нет — вы не поймёте, почему результаты одного конкретного кейса, который я разберу ниже, меня уже не удивляют. Удивляет только то, что индустрия продолжает делать вид, что ничего не меняется.
10 лет классического сценария
История типовая, видел её в разных вариантах. Компания в сфере складской логистики. Сложная предметная область: мультисклад, интеграции, сложные правила размещения и комплектации.
10 лет попыток построить систему автоматизации внешними силами. Команда росла, СТО присутствовал, ТЗ писались, бюджеты осваивались. А на выходе — нестабильное legacy, где каждый деплой превращался в ночной кошмар. Утром ничего не работало. Клиенты уходили.
Накладной расход на координацию. Испорченный телефон между аналитиками и разработчиками. Менеджерские трения. Сеньоры, которые «слишком заняты» поддерживать то, что написали месяц назад. Человеческий фактор в каждом звене.
В какой-то момент фаундер — человек с глубоким пониманием складской логистики и инженерным бэкграундом — послал всех нахер. Списал убытки. Выбросил всю кодовую базу.
И сел переписывать с нуля. Но уже по-другому.
Что значит «по-другому»
Это не история про «использовал ChatGPT чтобы быстрее писать код».
Фаундер выстроил зрелую AI-инфраструктуру. Агентный цикл. Правильная оркестрация на каждом этапе SDLC. Именно это — а не просто «генерация кода» — отличает результат от того, что получается, когда разработчик открывает Copilot и продолжает работать так же, как раньше.
Инструмент встраивается в существующий процесс и немного его ускоряет. Инфраструктура меняет сам процесс.
Цифры через полгода
Скорость поставки. Вместо мучительных ночных выкаток — 10–15 деплоев в день прямо во время рабочей смены. Пользователи не замечают. Непрерывная доставка в реальном времени, не «несколько раз в неделю как у нормальных».
Стабильность. Тысячи автотестов перед каждым коммитом. За полгода эксплуатации — ноль падений системы. Именно ноль. При этом логи завёрнуты в тикеты — инфраструктура мониторинга работает сама.
Производительность. То, что раньше занимало двухнедельный спринт полной команды, закрывается за 10–30 минут. Задачи разбирают совместно: человек и агент.
Документация. ИИ ежедневно обновляет мультиязычные хелпы и API-спецификации. Сам делает актуальные скриншоты интерфейса и вставляет их в инструкции. То, о чём команды мечтают годами и так и не делают — здесь работает автоматически, каждый день.
Первая линия поддержки. На входящих тикетах ИИ анализирует логи, восстанавливает хронологию действий пользователя и выдаёт инженеру готовую гипотезу: где и почему возникла коллизия. Инженер смотрит на готовый диагноз, а не копается в логах с нуля.
Почему это другое явление
Когда пытались заменить бухгалтеров Excel-ем, а аналитиков SQL-ем — работало через пень колоду. Инструмент требовал адаптации людей, создавал новые требования к компетенциям, не снимал проблем координации.
Здесь иначе.
Глубокая доменная экспертиза в связке со зрелой AI-инфраструктурой даёт рычаг другого порядка. Координационный оверхед, испорченный телефон, менеджерские трения — всё это исчезает. Человеческий фактор выходит из уравнения.
Один человек, который точно понимает что должно работать и как, в такой связке работает быстрее и надёжнее, чем классический департамент разработки. Это не оптимизация — устранение самого процесса координации, который пожирал большую часть ресурсов.
Входной билет
Этот путь работает только при одном условии: человек должен быть экспертом в предметной области на уровне, который позволяет ставить задачи агентам точно.
Фаундер из этого кейса знал складскую логистику изнутри — поэтому мог формулировать, что именно должна делать система, на уровне деталей. AI-инфраструктура умножила эту экспертизу, но не заменила её.
Доменная экспертиза — входной билет. Инфраструктура её умножает, но не создаёт.
И это объясняет, почему у многих компаний с теми же инструментами результаты другие: инструменты есть, экспертиза в нужном месте — нет.
Я вижу этот паттерн не в первый раз. И кейс из этой статьи — не исключение.
Ключевая роль людей в разработке программного обеспечения — закончена. Прецедентов уже достаточно, чтобы перестать называть это аномалией.
Вопрос не «случится ли это»: где вы окажетесь, когда уже случится?