AI-агенты теперь пишут код быстрее любого человека. Но это не решило главную проблему разработки - её только усугубило. Когда агенты заливают команду тысячами строк кода, узким местом становится не написание, а понимание, интеграция и поддержка. Ии агенты новости на этой неделе показывают: компании, которые поставили на ускорение без перестройки процессов, уже получают счета на сотни миллионов долларов.

Кодинг решили. Осталась вся остальная разработка

Джо Бертолами, CTO Clifton AI, формулирует это жёстко: генерация кода никогда не была узким местом. Написать строчки - самая простая часть. Сложная - понять правильные требования, встроиться в сложные системы и поддерживать всё это в реальных условиях. Когда агенты сжимают время исполнения, они не сжимают неопределённость, ответственность и операционную сложность.

«Агенты сжимают время исполнения. Они не сжимают неопределённость, ответственность и операционную сложность» - Джо Бертолами, CTO Clifton AI

С ростом AI-генерированного кода человеческое ревью становится новым гигантским бутылочным горлышком. Инженеры теряют контекст, чтобы ловить ошибки агентов. Компании, которые это понимают, идут вперёд осознанно - и даже создают новые роли. Те, кто не понимают, принимают разрушительное решение: сократить людей и нарастить AI-траты.

Ключевая мысль

Писать код никогда не было bottleneck. Определение правильных требований, интеграция с системами и поддержка в реальных условиях - вот что всегда было сложно. И когда агенты заливают организацию новым кодом, сложная часть становится только сложнее.

План выживания для enterprise: три фазы

Бертолами предлагает конкретный план для тех, кто управляет разработкой в эпоху agentic AI. Он разбит на три фазы, и каждая стоит того, чтобы вчитаться.

Фаза 1: Финансы и риски

Первое - защитить кошелёк. AI-агенты умеют тратить деньги так, как не умеет ни один разработчик. Uber, например, сжёг годовой AI-бюджет к апрелю. Другая компания, как сообщает Axios, получила счёт от Anthropic на 500 млн долларов за один месяц из-за неуправляемых циклов агентов.

Второе - управление доступом. Никогда не давайте агенту те же права, что у человека-оператора. Человек несёт ответственность и обладает контекстом. Агент без жёстких ограничений - это дыра в безопасности. Нужно разделять read и write/execute доступы и требовать human-in-the-loop для деструктивных действий.

Третье - управление как production-инфраструктурой. Конфигурации агентов надо версионировать, ревьюить и тестировать перед раскаткой. Это не экспериментальная разработка, это инфраструктура уровня Tier 1.

Фаза 2: Техническая стратегия

Ни одна модель не лучшая во всём. Нужно измерять поведение разных моделей на конкретных задачах и маршрутизировать запросы туда, где каждая справляется лучше. Стандартизация на одной модели - это единая точка отказа. И платить надо за frontier-модели, которые дают качество и не плодят переделок. Дешёвая модель по токенам может оказаться дорогой по переработкам.

А метрики надо менять. Количество деплоев, строк кода и пул-реквестов - плохие показатели даже без AI. С AI они откровенно обманывают. Считайте бизнес-результаты: принятие фич, удержание, failure rate, выживаемость кода. Для AI - успех задачи на доллар и время переработок.

Фаза 3: Люди

Самое неочевидное. Когда код пишут агенты, инженеры должны перейти от синтаксиса к системам. От написания - к архитектурному надзору. Это требует переобучения и новой системы мотивации. Если раньше платили за объём кода, теперь надо платить за бизнес-влияние, надёжность и умение оркестрировать агентов.

«Если вы ещё не встроили agentic-процессы, не измерили прирост в продакшене и не перестроили roadmap под ускорение - вы не знаете, сколько людей вам на самом деле нужно» - Джо Бертолами

И самое важное: не сокращайте людей до того, как поймёте новую реальность. Если вы не интегрировали agentic-процессы, не измерили аугментированный output и не переработали roadmap - сокращение штата это не дисциплина, а слепота.

Что это значит для бизнеса

Честно скажу: я читал эту статью с двойственным чувством. С одной стороны впечатляет, как далеко ушли AI-агенты. С другой - пугает количество компаний, которые повторяют одну и ту же ошибку: внедряют технологию, не понимая, где она сломается.

Мы во Владивостоке видим это на местных кейсах. Внедрение искусственного интеллекта даёт ровно тот результат, на который вы настроили процессы. Если процессы хаотичны - AI сделает хаос быстрее. Начать стоит не с покупки API-токенов, а с аудита: какие задачи вообще стоит автоматизировать, какие нейросети для бизнеса подходят под вашу специфику, где bottlenecks.

Ошибка нынешнего момента не в том, что AI внедряют слишком медленно. Ошибка в том, что его внедряют без понимания, где он ломается. Измеряйте дважды, режьте одинжды - старая поговорка, которая сегодня важнее, чем когда-либо.