Еще пару лет назад главный вопрос звучал довольно просто: где вообще можно применять ИИ? Компании искали сценарии, команды тестировали первые инструменты, а рынок пытался понять, есть ли у технологии практическая ценность. Сейчас ситуация изменилась. Кейсов стало много.

Генеративный ИИ в самой «Девелонике» используют в разработке, поддержке, маркетинге, HR, работе с документами и внутренними знаниями. Но вместе с этим стало очевидно другое: наличие успешного пилота еще не означает зрелого внедрения.

Ошибки — это уже не исключение, а часть процесса

Во время дискуссии участники много говорили о том, что внедрение генеративного ИИ сейчас во многом развивается эмпирически. Компании тестируют сценарии, сталкиваются с ограничениями, пересобирают процессы и пробуют снова. Кто-то переоценивает качество собственных данных. Кто-то слишком рано передает агентам автономность. Кто-то ожидает, что модель «сама разберется» в процессе, который годами существовал на неформальном контексте и человеческих договоренностях.

Сама ошибка — не главная проблема. Роман отмечает: «Проблема начинается тогда, когда ошибки не превращаются в методологию». Рынок пока находится в стадии накопления практики. Причем это касается всех: заказчиков, интеграторов, разработчиков и внутренних ИТ-команд.

Почему ИТ-компании начали с себя

Отдельно на сессии обсуждали ситуацию внутри самих ИТ-компаний. Когда рынок начал массово приходить с запросами на ИИ-ассистентов и агентские системы, быстро выяснилось: специалистов, которые действительно умеют проектировать и внедрять такие решения, пока немного. Во многих случаях команды перестраивались уже в процессе работы.

Для компаний заказной разработки это стало особенно чувствительным моментом. Невозможно уверенно внедрять технологию заказчику, если ты сам еще не выстроил ее применение внутри собственной разработки.

Поэтому первым этапом для многих стали внутренние эксперименты:

• обучение сотрудников
• тестирование инструментов
• настройка процессов
• проверка сценариев
• выстраивание контроля качества.

Разработка ПО сейчас действительно стала одним из самых активных направлений применения генеративного ИИ. Инструменты для работы с кодом, документацией, тестами и архитектурой уже дают заметный эффект. Но, как отмечалось на сессии, сам по себе доступ к модели ничего не решает.

Важно понимать, где именно ИИ помогает и как меняется процесс. Кто, по итогу, валидирует результат. И главное — какие риски возникают на каждом этапе.

Внедрение ИИ — это не только про технологию

Еще одна мысль, которая несколько раз звучала в ходе обсуждения: генеративный ИИ меняет не только инструменты, но и поведение команд. Реакция почти всегда неоднородна. Кто-то быстро адаптируется и начинает искать новые сценарии работы. Кто-то сопротивляется. Кто-то занимает выжидательную позицию.

«Разработчик, аналитик, тестировщик, менеджер — каждый начинает работать иначе».

Появляется новая операционная реальность. Сегодня сотрудникам нужно уметь правильно формулировать задачи для модели, проверять ответы, понимать ограничения. Правильно выстраивать цепочки действий, задавая контрольные точки. Именно поэтому внедрение ИИ — это куда больше, чем подключение нового инструмента. Меняются процессы, навыки и сама управленческая культура.

Агентские системы: чем больше автономности, тем выше цена ошибки

Отдельный блок дискуссии был посвящен ИИ-агентам и мультиагентным системам — сейчас это одна из самых обсуждаемых тем на рынке. Логика понятна: если модель умеет не только отвечать на запрос, но и выполнять последовательность действий, компании начинают смотреть на автоматизацию более сложных процессов. Но именно здесь, по мнению участников сессии, особенно важно сохранять поэтапность и осторожность.

«Чем больше автономности получает система, тем выше требования к ее контролю».

Ошибка агента может выглядеть убедительно. Система может взять неверные данные, неправильно интерпретировать контекст или выполнить действие не в той бизнес-логике — и при этом внешне результат будет казаться корректным. Поэтому до масштабирования таких решений на сторону заказчика ИТ-компаниям сначала приходится накапливать собственную практику

И она должна вестись по всем направлениям, чтобы эффект действительно можно было оценить и определить лучшие практики применения:

• внутри разработки;
• тестирования;
• управления требованиями;
• документации;
• технической поддержки.

И только после этого переносить подходы во внешние бизнес-процессы. Например, в «Девелонике» методология комплексной разработки объединена с конвейером обучения. Под разные цели и задачи подразделения в диалоге сотрудники могут сейчас создавать ИИ-агентов для сокращения рутины. Путем обучающих курсов, консультаций, практики применения во внутренних процессах, внедрения в повседневные повторяющиеся задачи — получается выйти на нужный результат.

Это непростой путь, и в одиночку компаниям сейчас пройти его непросто. И об этом следующий тезис Романа Смирнова в рамках сессии на ЦИПР-26.

Рынку пора делиться не данными, а методологией

Еще одна важная тема дискуссии — обмен опытом внутри отрасли. Сейчас многие компании проходят очень похожий путь, который Девелоника уже прошла:

• обучают сотрудников
• внедряют ИИ в разработку
• тестируют ассистентов
• строят внутренние правила
• пытаются измерять эффект.

При этом рынок во многом движется изолированно. Компании повторяют одни и те же ошибки, тратят ресурсы на одинаковые эксперименты и заново приходят к уже известным ограничениям.

При этом, как отмечалось на сессии, важно разделять данные и методологии. Данные могут быть чувствительными: коммерческими, инфраструктурными, связанными с безопасностью. Но подходы к внедрению, обучению команд, контролю качества и управлению рисками рынок вполне способен обсуждать открыто.

«ИТ-индустрия когда-то научилась обмениваться agile-практиками без раскрытия коммерческих секретов. С генеративным ИИ может произойти то же самое».

Чему сейчас учится ИТ-рынок: зрелости

Пожалуй, главный вывод дискуссии звучал довольно просто: рынок ИИ сейчас проходит нормальный этап взросления. Ошибки будут. Неудачные внедрения тоже. Как и в любой новой технологии. Вопрос не в том, чтобы сразу сделать все идеально.

Вопрос в другом — насколько быстро компании научатся замечать ошибки и анализировать их. А после превращать в процессы и формировать на их основе рабочую методологию. Потому что зрелость рынка определяется не количеством безупречных кейсов. Она начинается в тот момент, когда отрасль перестает воспринимать ошибку как репутационную катастрофу — и начинает использовать ее как источник практики.

Больше про ИИ и его внедрение — в блоге. Задать вопрос или отправить свою идею проекта можно на почту: info@develonica.ru
Остаемся на связи!