Почему, несмотря на то что 60% кода написано с помощью искусственного интеллекта, эффективность исследований и разработок в компаниях так и не увеличилась?

Краткое содержание анализа

Уровень генерации кода с использованием технологий ИИ уже достиг 60% (например, в компании Kuaishou), однако общая эффективность исследований и разработок предприятий не улучшилась соответственно. Проблема не в способностях ИИ, а в том, что повышение эффективности работы отдельных сотрудников не всегда приводит к увеличению результативности всей организации. Причины этого заключаются в традиционных моделях производства и разработок, потере сотрудничества между командами и недостаточном накоплении знаний. В то же время инструменты ИИ эволюционируют от помощника для отдельных пользователей (например, Copilot) к средствам для коллективной работы. Сотрудники не из области разработок (операционные специалисты, продакт-менеджеры) также начинают использовать ИИ для создания программного обеспечения. В будущем ИИ изменит структуру всей корпоративной организации, однако способность человека к анализу ситуации и пониманию потребностей клиентов останется ключевой компетенцией.

Первый пункт: ИИ ускоряет работу отдельных сотрудников, но организация не успевает за ними — три основные причины затора в эффективности

Многие компании обнаружили, что использование ИИ позволяет инженерам быстрее писать код (в среднем на 40%), но сроки реализации проектов не сокращаются, а общий объем работы команд не увеличивается. Проблемы кроятся в следующих аспектах:

1. Устаревшие организационные модели: сохраняется традиционное разделение на передний и задний энд, процессы разработки продуктов и тестирования не адаптированы к условиям использования ИИ. Например, ИИ может создавать код в разных файлах, но команды по-прежнему работают по старым рабочим процедурам, что приводит к необходимости многочисленной координации и трате времени.

2. Потеря информации при сотрудничестве: при передаче требований от бизнес-подразделений разработочным командам контекст (бизнес-ситуация, правила системы) часто утрачивается. Даже если ИИ может писать код, без полной информации он может не соответствовать реальным требованиям, что требует дополнительных корректировок.

3 Разобщенные знания: бизнес-знания (требования пользователей), специализированные знания (правила электронной коммерции) и технические знания (стандарты кода) находятся у разных сотрудников, что мешает ИИ эффективно использовать эту информацию; в результате создаваемый код может быть некорректным или содержать повторяющиеся элементы (дублирование работы).

Второй пункт: Проблемы при использовании ИИ для написания кода в компаниях: как избежать отклонений от поставленных целей и ненадежности кода?

На демонстрациях ИИ кажется мощным инструментом, но на практике возникают такие проблемы, как отклонение от первоначальных требований в процессе разработки, несоответствие архитектуры кода задумам и низкий уровень безопасности. Крупные компании решают эти проблемы следующим образом:

• При выполнении длительных задач: ИИ сначала получает полное представление о требованиях; например, в Kuaishou перед использованием ИИ для работы над проектом сначала составляется подробный план (SDD), после его одобрения человеками ИИ начинает работу над кодом.
• Ненадежность кода: используются двойные меры безопасности: заранее сообщается ИИ о стандартах кода и требованиях к архитектуре; код проверяется несколькими сотрудниками, а также проводятся автоматизированные тесты.
• Контроль за контекстом: для сложных задач работа распределяется между несколькими сотрудниками; например, один отвечает за анализ требований, другой — за создание кода. Это предотвращает перегрузку одного ИИ всей информацией и возможные ошибки.

Третий пункт: Могут ли сотрудники не из области разработок создавать программное обеспечение? Является ли это реальностью или иллюзией?

Сейчас операционные специалисты, продакт-менеджеры и даже финансовые работники используют ИИ для создания простых приложений (например, систем для регистрации пользователей, инструментов анализа данных). Это не иллюзия, а реальная практика:

• Примеры: Kuaishou предоставил несотрудникам разработки необходимые инструменты; операционные специалисты создают системы для регистрации пользователей, финансовые работники — инструменты анализа данных.
• Проблемы: с точки зрения безопасности и качества: несотрудники из области технологий могут создавать код с ошибками, поэтому окончательная проверка всегда осуществляется людьми (например, при работе с базами данных и платежными интерфейсами). Однако для демонстраций и автоматизированных инструментов такой подход полностью осуществим.
• Будущее: это станет общей тенденцией. Подобно распространению печати, ИИ позволит большему количеству людей создавать программное обеспечение; ключевыми станут не навыки написания кода, а способность к анализу потребностей и пониманию пользователей.

Четвертый пункт: Стоит ли компаниям разрабатывать собственные инструменты или покупать готовые? Ключевой фактор — не модели, а организационные возможности

Внешние инструменты на основе ИИ (например, Claude Code, Cursor) быстро обновляются, и компании задаются вопросом: стоит ли разрабатывать собственные решения.

• Малые команды/стартапы: лучше покупать готовые инструменты. Существующие сообщества предлагают подходящие решения по низкой стоимости и быстрому внедрению (например, достаточно приобрести необходимые лицензии).
• Крупные компании: используют смешанный подход: ключевые элементы (интеграция с внутренними системами, механизмы управления безопасностью) разрабатываются самостоятельно, а простые инструменты покупаются. Крупные компании часто имеют сложности с адаптацией существующих технологий к своим потребностям.
• Ключевой фактор: не модели или инструменты, а способность организации эффективно использовать ИИ и другие ресурсы.

Пятый пункт: Какова перспектива использования ИИ в 2028 году? Приведет ли это к коренным изменениям в структуре компаний?

Двое экспертов согласны, что ИИ приведет к радикальным изменениям:

• Структура организаций: не будет чисто «компаний, занимающихся разработкой программного обеспечения»; все компании станут использовать ИИ. Команды будут более целостными и гибкими (например, малые команды смогут самостоятельно выполнять весь процесс от анализа требований до запуска продукта).
• Роль сотрудников: программисты перестанут просто писать код и будут выступать в роли специалистов по анализу потребностей и сотрудничеству с ИИ (например, созданию документов о требованиях, разработке прототипов, анализу конкурирующих решений). Границы между начинающими и опытными программистами станут размытыми, но важность таких качеств, как вкус и способность к анализу, останется высокой.
• Изменения в затратах: если стоимость использования ИИ снизится до уровня, доступного для широкого круга пользователей (аналогично печати), это значительно изменит бизнес-практику.

В целом, использование ИИ приведет к новым возможностям в разработке программного обеспечения и управлении бизнесом, но для успешной реализации этого потребуются соответствующие организационные изменения.