Copilot, Cursor и другие ИИ-технологии, которые изменят разработку

Нейросети умеют не только рисовать котиков или создавать ИИ-фотосессии. Компании уже внедряют ассистентов и редакторов на основе искусственного интеллекта в процессы разработки. Правда, делают это пока немногие.

Сегодня мы заглянем «под капот» популярным ИИ-инструментам, разберёмся в их плюсах и минусах для агентств и заказчиков, узнаем, какие задачи они закрывают и как повлияют на будущее классической разработки.

Touch Instinct следует за всеми современными технологиями на рынке и работает с учётом принципов технической трансформации, поэтому вопроса о внедрении искусственного интеллекта не стояло. Это слишком важный инструмент, чтобы его игнорировать.

Вопрос применения его в компаниях дискуссионный: часть считает его бесполезным для ИТ, а другая опасается, что ИИ заменит команды в будущем. Не случилось ни того, ни другого — новые технологии стали разумным подспорьем в работе ИТ-специалистов.

Ускорение продуктивности происходит по целому ряду параметров, от написания кода до создания тестов и документации. У каждого разработчика или тестировщика процессы начинают занимать меньше времени, в результате увеличивается скорость реализации проектов.

Самое сложное для компаний — понять, как внедрить новые возможности в свой процесс разработки программного обеспечения (Software Development Life Cycle), потому что для этого нужны знания, ресурсы и практика.

Нейросети позволяют компаниям не только быстрее закрыть потребности в найме, но и улучшить продуктивность команды, тем самым делать больше или нанимать меньше. О том, как ИИ меняет HR-tech мы писали в нашем тг-канале. В первую очередь, это автогенерация кода, написание тестов, а также прогнозирование поведения пользователей.

Какие задачи нейросети берут на себя уже сейчас?

Автоматизация написания и проверки кода.

Сервисы на основе ИИ вроде GitHub Copilot или Cursor AI могут автоматически генерировать фрагменты кода, анализируют его на наличие багов или неэффективных участков, снижая количество ошибок на этапе тестирования.

GitHub Copilot — плагин, который работает с разными средами разработки, поддерживает Python, JavaScript, TypeScript, Ruby, Go, C#, C++, анализирует контекст кода и предлагает готовые строки, ускоряя написание сложных логик. Лучше всего ассистент понимает английский язык и может конвертировать код с одного языка на другой.

Replit Agent умеет генерировать код, конфигурировать базы данных и разворачивать приложения на их серверах. Набирает популярность Cursor: сервис понимает стиль программирования, структуру проекта и соблюдает лучшие практики команды. Работает с Python, JavaScript и Java и с большинством языков, поддерживаемых VS Code.

Отдельно стоит отметить новое российское решение на рынке — SourceCraft от Яндекса, которое содержит необходимые инструменты для автоматизации сборки и поставки кода.

Автоматизация тестирования. При отладке ИИ генерирует автоматизированные тесты, ищет баги на ранних этапах, анализируя код и требования проекта. Это существенно уменьшает время на проверку и ускоряет разработку. В разметке ИИ углубляет автоматизацию процесса и решает сложные задачи, которые при ручном выполнении занимают очень много времени. Примеры сервисов: Applitools, Testim, Functionize, Mabl, Ranorex, Appsurify.

Ускорение DevOps процессов. ИИ может сделать DevOps-процессы более быстрыми и предсказуемыми. Оптимизирует интеграцию и доставку ПО, выявляет узкие места в производительности приложений и предлагает пути их устранения. В DevOps нейросети не могут полностью заменить специалиста. Разработку архитектурных решений, создание стратегии или работу с конфиденциальными данными должен вести инженер, который хорошо знает юридические и этические ограничения.

Создание прототипов, тестирование UI/UX. Такие ИИ-инструменты, как Applitools, проводят визуальное тестирование UI веб, мобильных и нативных приложений, анализируют поведение пользователей и генерируют интерфейсы по ТЗ.

Инструменты автоматизации делают программирование доступнее, но дальнейшие разработки — это синергия человека и ИИ. Чтобы применять их в бизнесе, команда должна владеть необходимыми языками программирования, иметь хорошую техническую экспертизу и знать особенности всех сервисов. Больше про нужный бэкграунд — читайте здесь.

Плюсы ИИ для заказчиков. За счёт ускорения процессов сокращаются сроки выполнения проектов, снижается стоимость разработки и повышается качество продуктов. Они становятся более адаптивными, потому что вносить изменения или доработки становится легче.

Минусы ИИ. Иногда код сложно поддерживать, а LLM, не развернутые локально — используемые в облаке — потенциально могут приводить к утечке проприетарного кода и, например, использоваться для обучения новых моделей вендора.

Текущую стадию развития нейросетей называют Narrow AI, что означает «слабый» ИИ. На этом уровне он может выполнять только прикладные типовые задачи — обрабатывать массивы данных, анализировать информацию, ставить прогнозы и генерировать контент по запросам.

Однако даже такие возможности привели к появлению разработчиков, которые создают программы, используя нейросети и no-code инструменты.