Sber, Yandex y red_mad_robot mostraron cómo la AI está cambiando el papel del desarrollador

ИИ всё активнее забирает на себя рутинную часть разработки, а роль инженера смещается от ручного написания кода к постановке задач и контролю результата. На примерах Сбера, Яндекса, Т-Технологий и red_mad_robot видно, что этот сдвиг уже влияет не только на скорость релизов, но и на требования к самим разработчикам.

Как меняется разработка

Сбер описывает движение к AI PDLC через шкалу зрелости от нулевого до пятого уровня. Сейчас компания находится на уровне supervised automation: ИИ уже встроен в большинство этапов разработки, но финальное решение остаётся за человеком. По данным компании, GigaCode используют около 14 тысяч разработчиков, и почти 80% из них работают с инструментом ежедневно.

Доля кода, сгенерированного ИИ и принятого командами, выросла с 45% в начале 2025 года до 69% к концу года. Это уже не точечный ассистент, а новый рабочий паттерн. Следующий шаг — перестройка самой среды.

В ноябре 2025 года Сбер перевёл разработчиков с JetBrains IDE на собственную GigaIDE PRO, где работают семь ИИ-агентов: от документации и журналирования до автотестов и аналитики. Больше половины их предложений принимаются. Параллельно меняется и экономика найма: если в 2024 году новому инженеру требовался 71 день, чтобы выйти на полную продуктивность, то теперь — 36 дней.

В этой логике человек всё меньше занят механикой и всё больше управляет процессом.

«90% реализации делает ИИ, а 90% управления замыслом остаётся за людьми».

Что происходит с людьми Технологический выигрыш не отменяет человеческих издержек.

Исследователи Сбера отмечают, что джуны всё чаще попадают в странную роль: им нужно не столько учиться писать код, сколько оценивать результат, созданный моделью, хотя собственной базы ещё не хватает. У более опытных инженеров другая проблема: часть удовольствия от работы уходила из решения сложных задач, а вместе с агентами появляется ощущение, что ты уже не автор, а контролёр конвейера. Отсюда — тревога за навыки, статус и собственную ценность на рынке.

На production-уровне это ещё заметнее. В корпорации нельзя просто включить модный агентный режим и ждать чуда: системе нужно понимать внутренние API, политики безопасности и регуляторные ограничения. Поэтому «vibe coding» для больших компаний почти не работает в чистом виде.

Показателен кейс GigaCode, который в декабре закрыл полноценный релиз инструмента для загрузки и проверки библиотек без единой ручной строки кода. В релиз вошли пять крупных задач и несколько исправлений, а команда приняла результат без серьёзных замечаний. Это меняет специализацию инженера: меньше ручной сборки, больше постановки задач, ревью и архитектурной ответственности.

Как считают эффект

Яндекс и Т-Технологии показывают, что измерять эффект только строками кода уже бессмысленно. В Яндексе около 70% разработчиков регулярно используют ИИ-ассистентов при написании кода и в среднем делают на 10–20% больше коммитов. Но генерация кода — лишь часть работы: много времени уходит на поиск информации, проектирование, отладку и ревью.

Внутренний AI Chat заметно сократил походы в wiki, а DeepAgent, по оценке компании, даёт десятикратное ускорение в сложных задачах исследования кодовой базы. Т-Технологии, в свою очередь, смотрят не на объём текста, а на Developer Experience. время от первого коммита до развёртывания долю фокус-времени и число переключений контекста скорость первой рецензии долю нестабильных тестов * длительность адаптации нового инженера По внутренней телеметрии Т-Технологий, доля регулярных пользователей ИИ выросла с 17% до 85% за десять месяцев, а через четыре недели после первого знакомства с ассистентом 80% продолжают пользоваться им в IDE и 75% — в веб-интерфейсе.

Ещё дальше пошла red_mad_robot: компания собрала прототипы для веба, iOS и Android за 48 часов, получила около 80 тысяч строк кода и 208 коммитов, а роль команды фактически свелась к одному ИИ-инженеру, который оркестрировал агентов. При стоимости модели около 27 долларов за прототип это уже не только ускорение, но и новая экономика продукта.

Что это значит

Разработчик не исчезает, но его работа быстро смещается на уровень выше: от написания кода к формулированию намерения, проверке результата и управлению агентами. Для компаний главный риск теперь не в том, что ИИ пишет слишком много, а в том, что бизнес успеет ускорить релизы, но не успеет перестроить обучение, метрики и инженерную культуру под новую реальность.