Разработчики 1С перешли на ИИ-агентов: McKinsey видит прирост продуктивности лишь 3%
Команда из 20 человек, пишущая под 1С (платформу для учёта в бизнесе), за полгода пересела на ИИ-агентов: ручного кода стало в разы меньше, а ревью стало больше. McKinsey оценивает средний прирост продуктивности от ИИ всего в 3%, а у 30% команд она упала. Поэтому команда сначала расписала, кто и когда проверяет ИИ-код, и только потом взялась за железо.
AI-обработка оригинала Habr AI; редакция Hamidun News
Когда ИИ-агенты приходят в команду, все спрашивают одно: что теперь делать разработчикам? Руководитель команды из примерно двадцати человек опубликовал на Хабре отчёт о том, как они прошли этот путь за несколько месяцев. В команде разработчики на 1С (российской платформе для учёта и автоматизации бизнеса) и смежных стеках, тестировщики и аналитики. Автор сверил свой опыт с данными отрасли. Самая отрезвляющая цифра принадлежит консалтинговой компании McKinsey: средний прирост продуктивности от ИИ составляет около 3%, а у 30% команд она даже упала. Вывод McKinsey: выигрывает не тот, кто купил инструмент, а тот, кто перестроил вокруг него роли и процессы. Именно поэтому история команды полезна как пример, с чего начинать.
Как это развивалось в команде
Плана не было. Весной 2026 года часть коллег просто пробовала ИИ-агентов в личных проектах. Летом это стало рабочей практикой: ручное написание кода сократилось в разы, но выросла нагрузка на код-ревью и архитектурные решения. К концу лета команда начала эксперименты с локальной генерацией на собственном железе и собрала общую базу знаний, из которой выделилась отдельная база по 1С. Раз в неделю проходят встречи по обмену опытом с ИИ-инструментами. Без них, по словам автора, было бы сложно держать темп.
Осенью подключили облачного агента как основной инструмент для всей команды. Перед этим из кода вычистили пароли, ключи и другие чувствительные данные. Тогда же запустили пилот spec-driven development: спецификация становится главным артефактом, а код производным от неё. Для проверки моделей взяли бенчмаркинг-проект PRISM, чтобы не верить рекламным обещаниям, а гонять модели на собственных задачах.
Есть и неприятная находка: часть команды отметила ухудшение сна и самочувствия на фоне резкого погружения в технологию. Автор считает, что это нужно закладывать в темп внедрения.
Что говорит индустрия
Gartner прогнозирует, что большинство кода будут писать ИИ-агенты, а проверять опытные разработчики. По его оценке, 80% инженеров нужно переучить до 2027 года. IDC описывает то же самое как сдвиг к надзору: ставить задачу, проверять результат, дорабатывать вывод агента. Ещё несколько цифр из обзора:
- Доля локальных и open-weight моделей (с открытыми весами) в токен-трафике корпоративного ИИ, по опросу 200 компаний, выросла с 23% до 34% за год. Vercel на своём шлюзе видит рост с 11% до 36% за три месяца.
- Self-managed хостинг в облаке и on-premises (на своём оборудовании) делят рынок почти пополам: 46% против 42%.
- По данным BlueOptima, на реальных задачах крупных компаний ИИ-инструменты успешны менее чем в 23% случаев. Sourcegraph объясняет причину: бенчмарк SWE-bench тестирует небольшие самостоятельные репозитории, а не крупные продакшн-базы.
- Gartner предупреждает, что без управления расходы на токены к 2028 году превысят среднюю зарплату разработчика.
- 64% компаний внедряют ИИ-агентов, но окупаемость (ROI) измеряют лишь 33% из них.
Автор оговаривается, что оценки распространённости ИИ у разных источников расходятся от 59% до 90%+, поэтому к отдельным процентам стоит относиться осторожно.
Планы и правила ревью
В середине следующего года тимлиды получат по одному NVIDIA DGX Spark, компактному ИИ-компьютеру, как песочницу для экспериментов с локальной генерацией. К концу года планируют общий сервер, который сможет обслуживать всю команду одновременно на модели класса 400B+ (400 миллиардов параметров и больше). Точную спецификацию сервера откладывают до чекпойнта после нескольких месяцев работы с песочницами. Если свой сервер не успеет подняться вовремя, запасной вариант — управляемый open-weight хостинг.
Первая версия плана была больше про инструменты, чем про процесс. После знакомства с выводами McKinsey команда прописала три правила:
- Архитектурное ревью переносится на уровень спецификации, до генерации кода.
- Для ИИ-кода вводится отдельный чек-лист: внутренние конвенции, граничные случаи бизнес-логики, проверка на «галлюцинации».
- Перед мерджем ИИ-кода конкретный человек подписывается под изменением, а не «по умолчанию ок».
Что взять себе
Автор формулирует выводы для других команд. ИИ ускоряет работу, но не заменяет людей, и об этом лучше сказать вслух заранее. Свой бенчмарк на собственной кодовой базе важнее общих рейтингов, особенно для нишевых платформ вроде 1С. Процесс важнее инструмента. Самочувствие команды входит в план внедрения. И хотя бы простая квартальная самооценка результата ставит вас в меньшинство компаний, которые вообще считают ROI.
Оговорка: это опыт одной команды, а данные индустрии собраны из разных источников с разной методикой. Как отправная точка для плана внедрения материал полезен, но не как доказательство универсального эффекта.
- 22 нояб. 2026 г.Два ИИ-судьи в юридическом тесте 15 LLM оказались пристрастны к своим: сдвиг 0,04 балла из 1
- 22 нояб. 2026 г.Четыре бесплатных программы генерируют ИИ-видео на домашнем ПК с 8 ГБ видеопамяти
- 22 нояб. 2026 г.Imagecaster учит нейросеть вашему лицу по 10–100 фото и примеряет одежду дома
- 22 нояб. 2026 г.Агенты пишут рабочий код в 95% задач, но оставляют уязвимость в большинстве
Вопросы и ответы по материалу
Что известно по теме: как это развивалось в команде?
Плана не было. Весной 2026 года часть коллег просто пробовала ИИ-агентов в личных проектах. Летом это стало рабочей практикой: ручное написание кода сократилось в разы, но выросла нагрузка на код-ревью и архитектурные решения. К концу лета команда начала эксперименты с локальной генерацией на собственном железе и собрала общую базу знаний, из которой выделилась отдельная база по 1С. Раз в неделю проходят встречи по обмену опытом с ИИ-инструментами. Без них, по словам автора, было бы сложно держать темп.
Что известно по теме: что говорит индустрия?
Gartner прогнозирует, что большинство кода будут писать ИИ-агенты, а проверять опытные разработчики. По его оценке, 80% инженеров нужно переучить до 2027 года. IDC описывает то же самое как сдвиг к надзору: ставить задачу, проверять результат, дорабатывать вывод агента. Ещё несколько цифр из обзора: Доля локальных и open-weight моделей (с открытыми весами) в токен-трафике корпоративного ИИ, по опросу 200 компаний, выросла с 23% до 34% за год. Vercel на своём шлюзе видит рост с 11% до 36% за три месяца.
Что известно по теме: планы и правила ревью?
В середине следующего года тимлиды получат по одному NVIDIA DGX Spark, компактному ИИ-компьютеру, как песочницу для экспериментов с локальной генерацией. К концу года планируют общий сервер, который сможет обслуживать всю команду одновременно на модели класса 400B+ (400 миллиардов параметров и больше). Точную спецификацию сервера откладывают до чекпойнта после нескольких месяцев работы с песочницами. Если свой сервер не успеет подняться вовремя, запасной вариант — управляемый open-weight хостинг.
Внедряйте ИИ быстрее рынка вместе с инженерами и фаундерами
Внутри Vibe Club (hamidun.com/club): еженедельные живые мастермайнды и разборы архитектуры с Жемалом Хамидуном, закрытый Tech Radar, LMS и обновляемая база из 370+ боевых скиллов.
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.