AI в разработке у вас уже есть. Но, скорее всего, это ещё не 100% AI coding

AI в разработке у вас уже есть. Но, скорее всего, это ещё не 100% AI coding

Мы вначале пути, и тут важно не опоздать.

Серия «100% AI Coding глазами предпринимателя».

После первой статьи мне было легко представить, как её прочитает предприниматель, который давно работает с цифровыми продуктами.

Он скажет примерно так: да, всё интересно, но мы и так уже используем AI. У нас разработчики работают с ChatGPT. Кто-то сидит в Cursor. Кто-то подключил Copilot. Значит, переход уже начался.

И вот здесь как раз начинается самое важное.

Потому что в большинстве случаев переход ещё не начался. Началась только его имитация.

Новая технология уже пришла. Новая модель — ещё нет

Сегодня AI в разработке есть почти везде. Он помогает писать код, объясняет ошибки, предлагает решения, ускоряет рутинные операции. Работа действительно становится быстрее.

Но это ещё не значит, что изменилась сама система разработки.

Скорее наоборот: чаще всего AI просто встроился в старую модель как усилитель. Разработчик по-прежнему остаётся главным производственным центром. Он по-прежнему сам держит задачу в голове, сам пишет, сам правит, сам вручную доводит до результата. AI рядом. Но не в центре.

Именно здесь проходит граница, которую очень важно увидеть бизнесу.

Если ваш разработчик стал работать быстрее с помощью AI, это ещё не означает, что компания перешла к 100% AI coding.

Почему здесь так легко ошибиться

Ошибка очень понятная. Она даже естественная.

Когда появляется новая технология, первое время её почти всегда воспринимают как улучшение старого процесса. Не как новую систему, а как удобную надстройку. Кажется, что всё по сути остаётся прежним, только стало быстрее, дешевле, приятнее.

Но настоящие технологические переходы так не работают. Сначала они выглядят как улучшение. А потом выясняется, что они требуют другой логики бизнеса.

Я много раз видел это в разных отраслях. И чем больше я смотрю на AI coding, тем сильнее у меня ощущение, что сейчас происходит именно такой момент.

История про Blockbuster, который «тоже был в видео»

Когда-то Blockbuster был гигантом. Если коротко, это был почти синоним рынка видеопроката. У него были магазины, поток клиентов, узнаваемость, инфраструктура. А потом появился Netflix.

Сначала это вообще не выглядело как революция. Ну что такого? Те же фильмы, просто другая форма доставки. Потом — стриминг. Казалось бы, Blockbuster тоже мог это сделать. Технологию-то он видел.

Но проблема была не в том, что он не заметил интернет. Проблема в том, что он продолжал быть Blockbuster — бизнесом, построенным вокруг физической сети, привычной операционной модели и старой экономики.

Netflix же не «улучшал прокат». Он строил другой бизнес с другой логикой.

Вот это и есть важная развилка.

Почти каждая старая компания в период передела говорит: у нас это тоже есть. Но очень часто она имеет в виду только новую функцию внутри старой системы. А не новую систему как таковую.

С AI в разработке сейчас происходит ровно это же.

Когда AI — это просто турбина на старом двигателе

Если смотреть на ситуацию глазами предпринимателя, то вопрос нужно ставить очень просто.

Что у вас реально изменилось? Не интерфейс. Не набор сервисов. Не количество сгенерированных строк кода.

Изменилась ли производственная единица?

Если раньше у вас центр производства — человек, который пишет код руками, а теперь тот же самый человек просто делает это быстрее с помощью AI, значит, вы всё ещё в старой модели.

В 100% AI coding центр тяжести переносится. Человек перестаёт быть тем, кто вручную производит код. Он становится тем, кто управляет постановкой задачи, рамками решения, контекстом, проверкой и последовательностью итераций.

Код делает агент, а человек управляет системой.

Это уже не ускорение старого ремесла. Это начало новой производственной логики.

И именно вокруг такой логики мы с моим партнёром начали собирать SENAR — как попытку описать не один приём, не набор подсказок, а целостную систему 100% AI coding: роли, процессы, среду, стандарты и организационную модель.

В старой модели AI помогает программисту писать код. В новой модели человек управляет системой, которая производит код.

Самый близкий для бизнеса пример — маркетплейсы

Есть ещё один кейс, который, на мой взгляд, даже ближе предпринимателю, чем история Netflix.

Когда-то многим казалось, что интернет-магазин — это просто обычный магазин, который переехал в онлайн. Ну, добавился сайт. Новый канал продаж.

Но потом оказалось, что маркетплейс — это вообще не «магазин в интернете». Это другой тип бизнеса.

Обычный ритейлер думает категориями закупки, остатков, полки, ассортимента, собственной оборачиваемости. Маркетплейс думает иначе: продавцы, трафик, правила доступа, данные, рейтинг, логистика, комиссии, экосистема.

Вроде бы и там, и там продаются товары. Но экономическая модель уже совсем другая.

То есть маркетплейс победил не потому, что «лучше сделал магазин». Он победил потому, что оказался не магазином.

Почему этот пример важен здесь? Потому что сегодня очень многие компании в разработке находятся ровно в той точке, где ритейл был на этапе первых интернет-магазинов. Им кажется, что они уже внутри новой реальности, потому что вывели привычный процесс в новую среду.

Но новая среда — ещё не новая модель.

Разработчик с AI — это ещё не 100% AI coding. Так же как сайт с каталогом — это ещё не маркетплейс.

Где на самом деле меняется роль человека

Это, пожалуй, самый чувствительный момент во всей теме.

Когда говорят про AI coding, многие автоматически сводят разговор к замене программиста. На мой взгляд, это слишком поверхностная постановка вопроса.

Речь не о том, что человек исчезает. Речь о том, что меняется его функция.

В 100% AI coding человек не нужен как «живой компилятор», который часами сидит внутри файла и правит синтаксис. Он нужен как тот, кто умеет поставить рамку, понять бизнес-задачу, разложить её на управляемые части, организовать контекст, задать критерии качества и оценить результат.

То есть ценность человека смещается вверх — от ручного производства к управлению системой производства.

И это, кстати, один из самых важных смыслов SENAR. В нём человек не исчезает. Наоборот, его роль становится более ответственной. Но эта ответственность уже лежит не в плоскости «сам написал хороший код», а в плоскости «смог организовать систему, которая стабильно выдаёт рабочий результат».

Почему бизнесу важно понять это раньше разработчиков

Разработчики ещё долго будут спорить о качестве кода, о промптах, о том, какой инструмент удобнее. Это нормально.

Но предпринимателю нужно смотреть выше.

Ему важно не то, какой сервис сейчас моднее. Ему важно, начинает ли меняться сама экономика разработки. Меняется ли скорость запуска. Меняется ли стоимость гипотезы. Меняется ли то, как должна быть устроена команда. Меняется ли вообще смысл слова «разработка» внутри компании.

Если ответ — да, то разговор уже нельзя вести на уровне «ну мы тоже поставили AI в команду».

Тогда нужно задавать другой вопрос: а не пытаемся ли мы, как Blockbuster, встроить новую реальность в старый корпус? Не думаем ли мы, как классический ритейлер, что маркетплейс — это просто интернет-магазин побольше?

Мне кажется, это главный вопрос текущего момента.

То, что выглядит как улучшение, часто оказывается сменой эпохи

Именно поэтому я всё время возвращаюсь к одной и той же мысли.

Большинство технологических переходов сначала выглядят как локальное улучшение привычного процесса. И только потом становится понятно, что на самом деле надо менять саму организацию бизнеса.

С AI coding, на мой взгляд, происходит именно это.

Снаружи всё ещё выглядит довольно безобидно: разработчики стали быстрее, интерфейсы красивее, инструменты умнее. Но если смотреть глубже, то видно другое. Меняется роль человека. Меняется производственная единица. Меняется то, как должно быть устроено управление.

А значит, рано или поздно изменится и устройство компаний.

Именно из этого понимания и вырос SENAR — как попытка описать новую рабочую систему до того, как рынок начнёт лихорадочно собирать её из обрывков.

В следующей статье я хочу перейти к самому практичному вопросу: что всё это меняет в деньгах, сроках, стоимости гипотез и экономике разработки вообще.

Стандарт SENAR: https://senar.tech

1