ИИ-агенты
ИИ-агентам в разработке — периферию, людям — ядро
Одну работу ИИ-агенты делают блестяще, в другой они опасны. Отдайте им периферию, а ядро оставьте людям. Разбираю, где агент себя окупает, а куда его лучше не пускать.
ИИ-агент находит причину бага в коде, который год никто не открывал. А если подпустить его к ядру, в тот же день он так же уверенно выкатит баг, который положит оплату. Так агент ведёт себя в проекте любого размера. Основателю-одиночке такие промахи обычно сходят с рук, а в компании от них зависит всё.
Для основателя вопрос почти закрыт. За последний год я видел, как люди без серьёзного инженерного опыта сами делают и развивают рабочие продукты: CRM для офлайн-школы, инструмент для бизнес-аналитиков, автоматизацию своего маркетинга. Начать разработку стало почти бесплатно: сбор метрик из Jira и GitLab настраивается за вечер.
Проблемы никуда не делись: агенты теряют контекст, пишут странный код, а некоторые проекты превращаются в хаос. Это решаемо, и как раз этим я во многом занимаюсь. О том, как вытаскивать такие проекты, я пишу отдельно. Но это история основателя. В компании задача сложнее, и разобрана она гораздо хуже. О ней эта статья.
В компании всё упирается в согласования
В крупной компании агент умеет всё то же самое. Сложнее получить разрешение им пользоваться. В стартапах ИИ давно стал обычным инструментом, а в компании внедрение неделями висит на согласованиях: нужно пройти проверку безопасности, решить, какие данные можно отдавать модели, кто владеет платформой и по каким правилам работают агенты.
Барьер снимается, если ничего не выпускать за периметр компании. OpenAI-совместимый API можно целиком поднять внутри своего контура. Open-source модель вроде Qwen работает через LiteLLM и vLLM и доступна только из корпоративного VPN. Агент вроде Opencode или Hermes подключается к IDE, а через MCP-серверы ходит в Jira, GitLab, Confluence и другие внутренние системы. Действует он под учётной записью разработчика, видит только то, что разработчику и так доступно, и пишет каждое действие в журнал аудита. Безопасность больше не тормозит внедрение. Как поднять такой стек целиком — тема для отдельного разговора. Год назад это был серьёзный барьер, а сейчас обычная инженерная задача.

Где бы агент ни работал, на ноутбуке основателя или в корпоративном VPN, дальше вопрос один: что ему поручать?
В чём ИИ-агенты сильны
Подключите агента к коду, документации, задачам, тестам, логам и метрикам, и он начнёт разбираться в вашем проекте. Неважно, Cursor это, Claude Code или внутренний агент на ваших серверах. Вот где от него больше всего толку.
- Незнакомый код — вникнуть в код, который вы ни разу не открывали; найти причину бага там, где вы ничего не знаете; ответить аналитику про функцию, о которой вы даже не слышали.
- Инструменты вокруг разработки — то, до чего ни у кого не доходили руки: сбор метрик, выгрузки из Jira и GitLab, навыки агента для повторяющейся работы вроде типовых интеграций. Основной продукт, где качество кода критично, сюда не относится.
- Артефакты вокруг кода — документация, UML-диаграммы, автотесты, тест-кейсы в TestRail, презентации.
- Ревью — кода, требований и спецификаций. Пока 50 на 50: то чистый шум, то полезная находка.
Что оставить людям
Разработку всего важного, от первой строки до релиза. Деньги, блокчейн, высоконагруженные системы, базовая архитектура — всё, где ошибиться легко, а исправить дорого. В стартапе отдать агенту функцию целиком иногда уже получается. В продакшене, где на кону живой трафик и живые деньги, пока не стоит. Работу агент ускоряет. Сеньора не заменяет.
Правило: периферия — агенту, ядро — людям
Граница проходит так. Агенту — периферия разработки: рутина, вспомогательные задачи, поиск по незнакомому коду, артефакты. Работы там много, а ошибка стоит относительно дёшево. Ядро, где ошибка стоит денег и пользователей, остаётся за людьми.

Раньше инженер часами искал информацию и продирался через рутину. Теперь его главная работа — принимать правильные инженерные решения.
Частые вопросы
Нужно ли дообучать ИИ-агентов на нашем коде?
Нет. Агент читает ваш код, документацию, задачи и логи прямо по ходу работы, переобучать модель для этого не нужно. Поэтому правильно настроенные доступы дают куда больше, чем любая донастройка модели.
Что выбрать: облачный ИИ-сервис или свою модель на своих серверах?
Стартапы обычно начинают с облачного сервиса. Компании из регулируемых отраслей и те, для кого критична безопасность, всё чаще разворачивают у себя open-source модель, чтобы данные не покидали периметр. За контроль над данными вы платите тем, что поддерживаете всю инфраструктуру сами.
Чем ИИ-агент для разработки отличается от чат-бота?
Доступом. Чат-бот отвечает из общих знаний. Агент подключён к вашему коду, документации, задачам и логам и работает внутри вашего проекта. Поэтому так важно провести границу: что ему можно трогать, а что нельзя.
Может ли основатель без технического опыта выпустить продукт с помощью ИИ-агентов?
Да. Написать продукт больше не проблема. Сложнее понять, что именно делать, и по мере роста сохранить код понятным и удобным для изменений. Основатели регулярно так выпускают рабочие продукты. А если такой проект буксует, причина в запущенной структуре кода.