Как мы подружились с ИИ в разработке: от скепсиса до системного инструмента

31.07.2025
Как мы подружились с ИИ в разработке: от скепсиса до системного инструмента

На UlCAMP 2025 технический директор Globus IT Дмитрий Лемайкин рассказал, как в нашей компании менялось отношение к генеративному искусственному интеллекту и какие инструменты действительно прижились в повседневной разработке. Это не история про футуризм или «ИИ заменит всех». Скорее, честный разбор того, что получилось, что – нет и как ИИ стал частью рабочего процесса.«Ваш путь может отличаться от нашего, но боли точно одинаковые», – с этой фразы начался доклад Дмитрия, и она хорошо описывает все, что происходило дальше.

Этап 1: ОтрицаниеС GitHub, Copilot и другими генеративными инструментами мы начали экспериментировать еще в 2023 году. Запускали локальные модели, обсуждали варианты с собственной LLM, пробовали собрать внутреннюю платформу автоматизации кода (ПАК). Но по-настоящему не верили, что все это когда-то станет частью продакшна.ИИ казался чем-то интересным, но несерьезным. Он мог помочь с мелочами, например, сгенерировать функцию или шаблон, но не вызывал доверия как инструмент для реальной, командной разработки.Этап 2: СмирениеВ 2024 году отношение начало меняться. Мы начали активно использовать связку ChatGPT + Copilot. Запустили полноценный ПАК, стали глубже изучать, какие модели лучше подходят для наших задач, и постепенно перешли от точечных экспериментов к системной интеграции.Стало понятно: универсального решения нет. Одна модель хорошо справляется с фронтендом, другая – с Python-скриптами, третья – с SQL. Появились первые внутренние инструменты, которые стали частью ежедневной работы. Простые вещи, как генерация небольших кусков кода, создание шаблонов, подготовка тестов ИИ уже делал вполне уверенно.Этап 3: ПринятиеСейчас ИИ – это уже не эксперимент, а нормальный рабочий инструмент. Основная связка в нашей разработке – Lovable и Cursor. Иногда используем n8n, особенно для автоматизации рутинных задач. Внутри команды появились новые роли: не только промпт-инженеры, но и контекст-инженеры. Чтобы ИИ действительно помогал, нужно не просто правильно сформулировать запрос, а дать ему нужную среду и данные.Также активно используем MCP, Codex, расширяем кодогенерацию с помощью дополнительных инструментов. Среди них: v0, Bolt и другие, которые хорошо работают в связке с конкретными задачами.Этап 4: КофеЭтот этап про здравый смысл. На текущий момент главный фактор успеха – не какая модель используется, а насколько хорошо человек умеет с ней работать.Инструменты все еще не идеальны. Есть классы задач, где они скорее мешают, чем помогают. Например, в системном программировании, где важна низкоуровневая оптимизация и жесткий контроль над ресурсами. ИИ пока не умеет решать такие задачи качественно.Но в повседневной разработке, особенно там, где много рутины, генерация кода действительно ускоряет работу. Главное здесь – не ждать волшебной кнопки, а подходить к инструментам как к помощникам.Ближайшее будущее: реализмСкорее всего, в ближайшие месяцы мы увидим инструменты, которые смогут автономно решать больше задач. Пока разработчик сам запускает генераторы, переключается между проектами и стеками. Но появляются решения, которые позволяют автоматизировать это все «в одном флаконе».Однако полноценной замены разработчику все еще нет. Инструменты ускоряют работу, но требуют внимания, контроля и инженерного подхода.Фантастическое будущее: оркестр ИИВ профессиональном сообществе обсуждается идея, что однажды один аналитик или менеджер сможет управлять «оркестром ИИ», где каждый из помощников отвечает за свою часть проекта: бэкенд, фронтенд, тесты, инфраструктуру. Все будет работать по заданным сценариям и промптам, без участия разработчиков на каждом этапе.Пока это звучит красиво только в теории. Рабочих решений нет, но спрос уже появился. Возможно, через год появятся первые MVP, и тогда начнется новая волна переосмысления процессов.Практика и безопасностьЧто делать, если нельзя разворачивать свою LLM?Если использовать локальную модель невозможно, можно работать с внешними сервисами, но с осторожностью. Вот базовые рекомендации:
  1. Не передавать в ИИ чувствительные или персональные данные
  2. Обезличивать и обфусцировать все, что можно
  3. Четко контролировать, что отправляется в модель и что возвращается
  4. Работать через корпоративные аккаунты с юридически зафиксированными гарантиями конфиденциальности. Например, OpenAI Business официально подтверждает, что данные пользователей не используются для обучения моделей, и это закреплено в условиях обслуживания. Кроме того, платформа поддерживает шифрование данных при передаче и хранении, SAML SSO, многофакторную аутентификацию и соответствует требованиям SOC 2 Type 2
А как же программисты?На одном из этапов доклада прозвучал вопрос из зала: «Может, лучше пойти переквалифицироваться в сантехники?»Ответ простой: нет, заменят еще не скоро.
ИИ – не альтернатива разработчику, а новый инструмент в его наборе. Хороший инженер остается в центре процесса, просто теперь у него появился еще один помощник, которого нужно уметь настраивать и направлять.
ВыводИИ – это уже не что-то абстрактное из будущего, а вполне рабочий инструмент, который можно и нужно использовать прямо сейчас. В Globus IT мы прошли путь от недоверия к системной интеграции и теперь воспринимаем ИИ как полноценную часть инженерного процесса.Он не пишет за нас весь код, не принимает архитектурные решения и не закрывает весь фронт задач. Но он экономит время, убирает рутину и помогает сосредоточиться на более важных вещах. А значит, это уже не тренд, а инструмент, с которым стоит считаться.

Читать ещё