Уволить разработчиков и отдать всё ИИ — ловушка, которая стоит бизнесу слитых бюджетов и сломанных систем. Но и считать нейросети бесполезной игрушкой — тоже ошибка. Разбираем, как ИИ работает в реальной разработке: где он действительно ускоряет процессы в 4 — 6 раз, а где создаст только беспорядок.
На примерах из практики показываем, почему ИИ — не замена разработчика, а усилитель компетенций команды, как правильно ставить ему задачи и контролировать риски. А ещё — как мы ускорили разработку парсера в 4 раза и избавили двух сотрудников клиента от рутины.
Почему «ИИ всё сделает сам» — это ловушка
Вокруг темы нейросетей много мифов. Их либо избегают, считая очередным трендом, либо превозносят. Правда посередине — это полезный инструмент, а не магия, но им нужно уметь пользоваться.
Важно понимать принцип работы любой нейросети: она просто подставляет то, что кажется ей наиболее подходящим по алгоритму, не учитывая кучу контекстных нюансов. Поэтому если разработчик превращается в простого оператора и просто нажимает кнопки по подсказкам, толку от такой работы не будет.
При этом ИИ — это не только ассистент для рутины. Раньше это было так, потому что вся работа с нейросетями строилась через простые диалоги — условно, заходишь в чат и пишешь: «напиши мне калькулятор». Сейчас подход изменился, появились агенты. Теперь вы ставите задачу, а нейросеть сама идёт копаться в файлах и логах проекта, чтобы найти решение. Это не означает, что её можно не контролировать, но сильно улучшает результаты.
Как это выглядит на практике
- История клиента. Один из основателей клиентского проекта — разработчик в прошлом — решил доделать работу через Claude Code, когда возникли сложности с оплатой текущей команде. В итоге ничего не вышло: правил в одном месте, а ломалось в другом. После месяца мучений пришлось нанимать новую команду разработки.
- Случай с системой. Наш фронтендер запустил Claude Code и сначала даже испугался, насколько нейросеть всё умеет. Мы предложили ему как менеджеру спросить у ИИ решение по нашему сложному продукту. Ответ был совсем не к месту — Claude Code выдал ерунду.
Вывод простой: нельзя просто прийти к нейросети и сказать «сделай». Разработчик-оператор, который просто жмёт на кнопки, не работает — нужен специалист, который глубоко понимает проект и рулит процессом.
В чём реальная ценность ИИ в разработке
Главная польза ИИ — это ускорение процессов и грамотное удешевление разработки. Но здесь есть важный нюанс: ИИ работает как усилитель компетенций вашей команды, причём как в плюс, так и в минус.
- Сильную команду ИИ делает ещё быстрее и эффективнее.
- Слабая команда с помощью ИИ начинает быстро плодить ошибки. Без нормального опыта легко пропустить критический баг, потом потратить кучу времени на исправления и полностью убить всю пользу от инструмента.
Причём важно не просто иметь уровень сеньора. Нужно, чтобы разработчик хорошо разбирался в конкретном проекте, понимал его архитектуру и подводные камни.
Как выглядит процесс работы с ИИ у нас в команде
В работе мы придерживаемся нескольких понятных принципов:
- Разработчик — не оператор ИИ, а технический менеджер. Оператор просто копирует запросы. Технический менеджер фокусирует нейросеть на конкретном участке, даёт правильный контекст и проверяет результат.
- Двигаемся маленькими итерациями. Мы не просим сделать 28 интерфейсов за один раз. Иначе на выходе получим 50–70 тысяч строк мешанины, разгребать которую всё равно человеку.
- Разработчик теперь не пишет базовый код, а делает ревью. Если раньше код писался вручную, то теперь инженер проверяет то, что предложила нейросеть, и говорит, что переделать.
- Даём структурированную постановку. Вместо примитивного «напиши калькулятор» мы даём вводные, границы и критерии приемки. Сами критерии формируются из опыта — там, где нейросеть чаще всего косячит.
- Ответственность за результат всегда на человеке. За код отвечает разработчик. Если менеджер на стороне клиента пытается пилить проект через ИИ сам, ответственность переходит на него — но не понимая деталей, принимать её сложно.
- Считаем реальную, а не выдуманную пользу от ИИ. Не в абстрактных «X5–X10», а в понятных часах и цифрах. Например, на одном из клиентских проектов верстка лендинга вручную заняла бы 25 часов. С ИИ задачу выполнили за 4 часа: разработчик час готовил контекст, ещё три ушли на ревью и правки. В итоге производительность выросла в 6 раз.
Примеры промптов из нашей практики
- «Сделай локальную среду по таким-то техническим требованиям...»
- «Не работает отчёт по такому-то URL, с таким-то фильтром. Переменная в базе хранится так-то...»
- «Вот 20 размеченных сайтов в юнит-тестах. Оптимизируй алгоритм поиска паттернов на сайтах под максимальное покрытие тестов».
- «Вот формы. Вот обязательные и необязательные поля. Вот тест кейсы в разных разделах. Напиши авто тесты (далее требования к авто тестам и методика обхода антикаптчи для данного проекта). По итогу прогони тесты и если тест крашатся, то положи видео и напиши об этом».
Как мы контролируем риски в коммерческих проектах
Главный риск с ИИ — он может случайно сломать то, что уже нормально работало. Например, парсер после серии правок вдруг перестаёт правильно определять сайты, потому что нейросеть на каком-то этапе додумала что-то своё. Чтобы проект не посыпался, мы делаем так:
- Следим за логикой ИИ. Даём задачу и смотрим, как нейросеть рассуждает. Если видим, что она заходит в тупик — сразу останавливаем, переосмысливаем задачу и включаем собственный инженерный опыт.
- Проверяем всё по шагам. Разбиваем работу на небольшие куски, проверяем изменения на локальной копии. Зафиксировали шаг — идём дальше.
- Не лезем с ИИ туда, где он точно не справится. Например, в проекты со слишком сложной или запутанной архитектурой. Теоретически с ИИ там работать можно, если загрузить тонну контекста, но на коммерческих проектах мы так не рискуем.
Как ИИ ускорил работу в 4 раза: разбираем кейс
Клиенту нужно было регулярно спарсить интернет-магазин (собирать цены, наличие и цветовые варианты). До этого менеджеры вручную перебивали все данные в InSales, тратя на это кучу времени.
Наш разработчик поставил задачу Claude Code: есть сайт поставщика, есть список вариантов, нужно вытащить варианты и доступность. С первого раза такой подход не сработал — на сайте стояла защита. Нейросеть сама предложила варианты обхода, и в итоге мы обошли защиту через эмуляцию Chrome. Отправили прототип клиенту на согласование и примерно оценили, во сколько обойдётся довести парсер до рабочего состояния.
Дальше разработчик с помощью того же ИИ переписал большую часть прототипа и сделал удобный интерфейс. Итого сделали всё за 2,5 часа. Вручную на такую задачу ушло бы больше 10, то есть эффективность разработки выросла более чем в 4 раза. ИИ сам изучил исходники сайта поставщика и подсказал, где что лежит, а двое сотрудников клиента избавились от рутины.
Но тут важен нюанс: сами по себе мы, может, и не стали бы делать это через эмуляцию Chrome или провозились бы сильно дольше. Но у нас был огромный опыт в написании парсеров ещё до всяких нейросетей. Опыт плюс ИИ — вот что даёт настоящий буст.
Главные выводы
- ИИ — не замена разработчика. Это просто мощный инструмент, которым нужно уметь управлять.
- Нейросеть усиливает то, что у вас уже есть. Сильную команду она сделает ещё сильнее, а слабую — заставит быстрее наделать ошибок.
- Без сеньор-экспертизы ИИ бесполезен. Человек должен глубоко понимать конкретный проект и его контекст, иначе нейросеть нагенерирует проблем.
- Управление важнее алгоритмов. Главное — правильная постановка задачи и роль технического менеджера, а не простое нажатие кнопок.
- Безопасная работа — это работа короткими шагами: сделал — проверил — зафиксировал — пошёл дальше.
- Ответственность за результат всегда остаётся на человеке.
Если хотите разобрать свой проект и понять, где ИИ действительно сэкономит бюджет и время, а где только сломает систему — напишите нам, разберём вместе.
Есть вопросы?
Ваше сообщение успешно отправлено!
Мы свяжемся с Вами в самое ближайшее время.