SaaS-команда прошла шесть уровней ИИ-разработки и остановилась на L4, где агенты делают фичи
Зрелая SaaS-компания больше года внедряла ИИ и разложила путь на шесть уровней, от ручной работы L0 до «тёмной фабрики». Команда остановилась на L4: агенты делают фичи целиком, а люди строят систему, которая их выпускает. Урок в том, что уровни не перепрыгнуть: агенту без тестов, CI и файла правил AGENTS.md нечем проверять себя. Поэтому начинайте с проверок и правил команды, а не с покупки агента.
AI-обработка оригинала Habr AI; редакция Hamidun News
Многие команды уже купили подписку на ИИ-ассистента, но не могут сказать, на каком они этапе и что мешает идти дальше. Автор разбора на Хабре больше года внедряет ИИ в зрелой SaaS-компании. Инженерная команда там поначалу относилась к нейросетям скептически. Он сразу оговаривается: это не вайб-кодинг и не продукт за вечер одним промптом. Он называет свою работу AI-инженерией: команда строит систему, которая стабильно выдаёт результат по её стандартам качества.
Путь автор разложил на шесть уровней. L0 — ручная разработка, L1 — работа с ассистентом, L2 — работа с агентом, L3 — делегирование агенту. На L4 агенты делают фичи целиком, и на этом уровне команда остановилась. Сейчас она экспериментирует с полуавтономной агентной фабрикой в облаке. Самый последний уровень, «тёмная фабрика», завершает шкалу.
L0 и L1: от ручной работы к советчику в чате
На L0 всё делают люди. Спека — это страница в Notion, план реализации лежит в голове разработчика. Часть сервисов жила без пул-реквестов и ревью: коммиты шли прямо в мастер. QA проверяли вручную на общем staging-сервере по исходной спеке, которая после реализации могла устареть. Но были Playwright-тесты, у некоторых проектов хорошее покрытие тестами и статический анализ. Автор считает это ценным заделом: для агентной разработки CI критически важен.
На L1 появляется подписка на ChatGPT, а в IDE — автодополнение. Это похоже на мудрого коллегу за соседним столом: он советует, как спроектировать фичу, набрасывает спеку, объясняет код и пишет простые скрипты. Разработчик копирует результат в IDE и жмёт Tab и Accept. Задачи решаются быстрее, но по сути ничего не меняется. У чата нет доступа к артефактам команды и нет инструментов, чтобы действовать за пределами разговора. Дэн Шапиро сравнивает этот уровень с удержанием полосы и круиз-контролем.
L2: агент как джун, которого нужно учить
На L2 приходит настоящий агент, например Claude Code или Codex. Он уже меняет файлы в репозитории: пишет спеки и код. Но кодит как посредственный джун, то есть так, как пишет интернет, а не так, как принято в вашей команде. Для демо этого хватает, а с реальными пользователями всё начинает разваливаться.
Поэтому команда учит агента правилам:
- в каждом репозитории лежит короткий AGENTS.md с правилами, архитектурными границами, паттернами и знаниями предметной области. Формат выпустила OpenAI в 2025 году, теперь им управляет Linux Foundation;
- разросшийся файл дробят на части, которые агент подгружает по необходимости;
- на каждый повторяющийся «косяк» агента человек пишет правило;
- агенту дают инструменты: скрипты проверок, MCP-серверы с базой знаний, логами прода и Sentry, браузер;
- повторяющиеся задачи превращают в скиллы.
Не менее важны гейты качества: сборка, тесты, статический анализ и проверка архитектурных границ. Без них агент слепой, он не получает обратной связи и не ловит собственные регрессии. Поэтому изменения агента идут только через пул-реквесты с CI и ревью. Trunk-based development без ревью работал, пока код писали люди, но для агентов не подходит.
Работа разработчика смещается от написания фич к созданию системы, которая их пишет: запустил агента, посмотрел результат, поправил инструкции. QA отдают агенту детерминированные сценарии в браузере, а людям остаётся творческая часть: сомневаться в требованиях, придираться к дизайну и UX. Базу знаний при этом нужно не только наполнять, но и чистить: модели становятся сильнее, и часть подсказок им уже не нужна.
Что меняется на L3
На L3 личные практики становятся общим процессом. Автор отмечает практики для организации: общие скиллы и процессы в одном реестре, где у каждого есть владелец; регламенты, записанные как скиллы (формат PR, ссылки на тикеты, QA-тикеты); метки ИИ-работы на каждом изменении, чтобы видеть, сколько делают агенты. Так работа всей команды с агентами становится единообразной.
Зачем это знать
Главная мысль разбора: уровни нельзя перепрыгивать. Без CI и обязательных гейтов агенту нечем себя проверять. Без AGENTS.md и правил команды он пишет «как интернет». Без общих скиллов и владельцев каждый разработчик изобретает свой процесс. Если вы хотите дойти до агентов, которые делают фичи целиком, сначала проверьте базу: контроль версий, пул-реквесты, тесты и статический анализ.
Есть и оговорка: это опыт одной команды и одной SaaS-компании, а не универсальное исследование. Полуавтономная фабрика в облаке пока остаётся экспериментом. Зато шкала из шести уровней даёт простой способ понять, где вы сейчас и что нужно сделать, чтобы подняться на следующий.
- 21 нояб. 2026 г.Математик Anthropic заявил: Claude помог за 6 недель доказать гипотезу Римана
- 21 нояб. 2026 г.Стартап Osmo обучил ИИ запахам на 10 млн оценок людей и генерирует ароматы по тексту
- 21 нояб. 2026 г.КНДР показала первый чатбот «Источник мудрости»: только наука, без политики
- 21 нояб. 2026 г.OpenAI открыла ChatGPT Spaces подписчикам Plus: совместные документы с ИИ
Вопросы и ответы по материалу
Что известно по теме: L0 и L1: от ручной работы к советчику в чате?
На L0 всё делают люди. Спека — это страница в Notion, план реализации лежит в голове разработчика. Часть сервисов жила без пул-реквестов и ревью: коммиты шли прямо в мастер. QA проверяли вручную на общем staging-сервере по исходной спеке, которая после реализации могла устареть. Но были Playwright-тесты, у некоторых проектов хорошее покрытие тестами и статический анализ. Автор считает это ценным заделом: для агентной разработки CI критически важен. На L1 появляется подписка на ChatGPT, а в IDE — автодополнение.
Что известно по теме: L2: агент как джун, которого нужно учить?
На L2 приходит настоящий агент, например Claude Code или Codex. Он уже меняет файлы в репозитории: пишет спеки и код. Но кодит как посредственный джун, то есть так, как пишет интернет, а не так, как принято в вашей команде. Для демо этого хватает, а с реальными пользователями всё начинает разваливаться. Поэтому команда учит агента правилам: в каждом репозитории лежит короткий AGENTS.md с правилами, архитектурными границами, паттернами и знаниями предметной области.
Что известно по теме: что меняется на L3?
На L3 личные практики становятся общим процессом. Автор отмечает практики для организации: общие скиллы и процессы в одном реестре, где у каждого есть владелец; регламенты, записанные как скиллы (формат PR, ссылки на тикеты, QA-тикеты); метки ИИ-работы на каждом изменении, чтобы видеть, сколько делают агенты. Так работа всей команды с агентами становится единообразной.
Соберите рабочего ИИ-агента или сервис своими руками без ручного кода
В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.