Yandex au AI Dev Day a montré comment l'IA change déjà le développement chez Avito, Ozon et T-Bank

Яндекс собрал AI Dev Day и фактически показал, что AI в разработке уже вышел из режима демо. На сцене компании вроде Авито, Ozon, Т-Банка, Сбера и Яндекс Go обсуждали не хайп, а метрики, ограничения и места, где агенты уже экономят часы.

От помощников к агентам

Главный сдвиг, который прозвучал почти во всех докладах, — рынок уходит от простых IDE-подсказок к агентам, которые умеют сами менять код, писать тесты, искать внутреннюю информацию, делать ревью и даже разбирать инциденты. В Авито отдельно подчеркнули, что дообучение open-source моделей под компанию не всегда дает лучший результат: часто важнее дать сильной модели хороший контекст, доступ к документации и инструменты через MCP. Похожую ставку делают и другие команды: не на «волшебную модель», а на рабочую связку агент + контекст + инфраструктура.

У Яндекса это уже выглядит как системная платформа. Внутренним ассистентом пользуются около 57% инженеров, а в бэкенде и фронтенде доля доходит до 60–75%. Более 90% внутренней инфраструктуры уже прикрыто MCP-серверами, а среди активных пользователей 23% кода в агентском режиме генерируется автоматически.

При этом акцент смещается с простой метрики adoption к более жесткому вопросу: где именно агент может работать почти автономно, а человек вмешивается только в сложных местах.

Где уже эффект Самая полезная часть AI Dev Day — не разговоры о будущем, а цифры из продакшена.

Компании уже меряют не только число пользователей ассистента, но и время до релиза, скорость ревью, качество тестов и стоимость инцидентов. По сути, AI начали оценивать как обычный инженерный инструмент: если он не двигает бизнес-метрики, одного вау-эффекта недостаточно.

• В Яндексе разработчики, которые используют AI, коммитят примерно на 10% больше, а в Go, Python и JavaScript — до 20%; отдельные технические задачи у агентов сократились с 20 до 2 минут.
• В Т-Банке медианное merge time снизилось на 12%, а у команд-«амбассадоров» lead time за год просел на 30%; генерация юнит-тестов выросла в четыре раза.
• В Ozon агентским ассистентом ежедневно пользуются около 1100 человек, то есть примерно четверть или треть разработки, а авторевью в GitLab оказалось настолько востребованным, что запуск пришлось ограничивать.
• В Сбере AI-система для дизайнеров сократила ревью макета с часа до двух минут, а создание нового экрана — с 16 часов до пяти минут.
• В Яндекс Go AI уже помогает разбирать около 400 инцидентов в сутки и экономит примерно по 30 минут на постмортем каждого случая. Важно и то, что спектр задач быстро расширяется. Речь уже не только про генерацию кода, но и про поиск по внутренним знаниям, автоматические чек-листы, поддержку аналитиков, дизайн-ревью и SRE-сценарии. Если год назад AI чаще выглядел как умный автокомплит, то теперь его пытаются встроить во весь SDLC — от постановки задачи до разбора последствий на проде.

Почему эйфория ограничена

Несмотря на сильные кейсы, выступающие довольно трезво говорили об ограничениях. В Авито прямо сказали, что заметного ускорения всего цикла разработки пока почти не видно: максимум 4–5% в отдельных командах. Причина простая — написание кода занимает лишь часть рабочего времени, а узкие места лежат в ревью, согласованиях, тестировании и доставке изменений.

Поэтому массовая генерация кода сама по себе не решает проблему: она может просто передвинуть бутылочное горлышко дальше по процессу. Отдельная боль — качество и контроль. Модели могут «схалтурить» с тестами, сымитировать вызов инструмента, выдать скучный шаблонный дизайн или ошибиться на внутреннем доменном языке.

В Яндекс Go, например, для SRE-сценариев в итоге перешли на английские промпты, потому что на русском результаты были хуже. Плюс для по-настоящему полезных агентов нужна дорогая база: наблюдаемость, граф зависимостей сервисов, аудит изменений, каталоги сервисов и нормальные сценарные метрики, а не только красивые демо.

«Конца света не будет.

Будет жестокая, но увлекательная эволюция.» Именно поэтому почти все доклады сводились к одной мысли: human-in-the-loop никуда не делся. Ozon осторожно относится к внешним моделям из-за рисков утечки кода. Сберу пришлось отдельно бороться с консервативным дизайном и галлюцинациями. Яндекс измеряет не только выгоду, но и побочные эффекты вроде поддержки сгенерированного кода. AI здесь уже не игрушка, но и не автономный сотрудник — скорее ускоритель, который требует хороших правил, инструментов и постоянной валидации.

Что это значит

После AI Dev Day уже трудно говорить, что корпоративный AI для разработки — это только эксперимент. Эксперимент закончился: теперь идет борьба за то, у кого лучше контекст, метрики, процессы и инфраструктура. Разработчиков AI не отменяет, но заметно меняет цену рутины, роль ревью и требования к тем, кто умеет управлять агентами, а не просто писать код вручную.