Как перейти от зоопарка копайлотов к управляемому AI. Автоматизация SDLC по-взрослому.

В 2026-м AI используют все. Разработчик генерирует код, аналитик пишет требования через ChatGPT, тестировщик просит его придумать кейсы, менеджер — собрать статус для отчёта. Каждый — в своём окне, по-своему, без общих правил. AI стал личным помощником каждого сотрудника — и ничьим инструментом команды.

Результат знаком любому CTO. Стандартов нет: у каждого свой промпт, свой инструмент и свой стиль. Контекста нет: модель не видит ни кодовую базу, ни требования, ни историю решений — поэтому уверенно отвечает ерунду, а люди столь же уверенно несут её в работу. Код пишется быстрее, но бесконтрольно: AI-сгенерированные куски не соответствуют соглашениям команды и архитектуре, и ревью за этим потоком уже не успевает. AI ускорил каждого по отдельности — и добавил хаоса всем вместе.

Я строю AI-платформу для всего цикла разработки и убеждён: проблема не в моделях. AI — не панацея и не магия. Это сильный инструмент, который требует жёсткого контекста и правил работы — как любой серьёзный инструмент в инженерии. Раздать каждому по подписке и ждать, что «дальше поедет само», — это не внедрение AI в процессы. Это делегирование внедрения каждому сотруднику по отдельности, с предсказуемым результатом. Ниже — почему так не работает и как выглядит продуктовое внедрение AI в разработку: с контекстом, правилами и контролем.

Сценарий, который я вижу почти в каждой компании. Разработчикам купили Copilot или Cursor, аналитикам и менеджерам — ChatGPT, в трекере и сканере включили AI-галочки, которые вендор продал вместе с апгрейдом тарифа. На команду в 50 инженеров это десятки тысяч долларов в год — впрочем, если стек селфхостится, можно и дешевле, дело не в деньгах. На ближайшей стратегической сессии можно отчитаться: «AI внедрён».

Дальше включается ожидание: каждый сотрудник станет продуктивнее на треть — значит, и вся разработка ускорится на треть. Это та же логика, что «купим всем IDE получше — и архитектура наладится сама». Продуктовая разработка — не сумма индивидуальных производительностей. Это система со стадиями, стыками и общими правилами: требования влияют на код, код — на тесты, тесты — на релиз, релиз — на инциденты. Ускорение отдельных людей без правил для системы даёт не ускорение системы, а рост энтропии — просто быстрее, чем раньше.

Лотерея качества. Один разработчик ведёт Cursor с тщательно настроенными правилами проекта, второй копипастит из бесплатного чата в браузере. Удачные промпты живут в личных заметках и уходят вместе с сотрудником. На ревью приходит код пяти разных «авторских стилей», из которых ни один не совпадает с соглашениями команды. Стандарта нет не потому, что команда недисциплинированная, — его негде закрепить: AI-инструментов много, и все они вне контура команды.

Уверенная ерунда. Модель без контекста не говорит «не знаю» — она отвечает правдоподобно. Аналитик получает требования, противоречащие тому, как система уже работает. Разработчик — код, который не вписывается в архитектуру. Тестировщик — кейсы мимо реальных сценариев. Каждый такой артефакт выглядит готовым, и поймать его может только senior на ревью — то есть самое дорогое время в команде теперь тратится на проверку правдоподобного мусора.

Ревью тонет. AI пишет код быстрее, чем команда успевает его читать. Объём дифов вырос в разы, а ревьюеров больше не стало. Уставший ревьюер начинает пропускать — и неконтролируемый код уезжает в прод. Скорость генерации без скорости проверки — это не ускорение, это перенос дефектов на более дорогую стадию.

Теневой AI. Запреты не работают: если компания не дала инженерам легальный AI, они пользуются личным — и несут туда исходный код, схемы баз, конфиги. Вы не знаете, какие куски вашей системы уже лежат в чужих облаках и логах чужих чатов. Это не гипотеза, это режим по умолчанию в любой команде, где AI «запрещён» или не выдан.

Можно прикинуть и в деньгах: если на проверку и переделку AI-выхлопа, поиск контекста и ручную синхронизацию уходит хотя бы 10% времени инженеров, для команды из 50 человек это порядка 20 миллионов рублей в год — кратно больше любых подписок. Цифра спорная, поспорьте с ней в комментариях. Но деньги здесь — меньшая из проблем: хуже то, что качество и безопасность продукта начинают зависеть от того, кто как сегодня попромптил.

Может, просто докупить AI-фич у вендоров? В 2026-м копайлот есть у каждого: трекер подсказывает формулировки задач, git-платформа ревьюит код, сканер объясняет уязвимости. Но каждый из них видит только свой силос. AI в трекере не знает вашего кода, поэтому его «оценка задачи» — гадание. AI в редакторе не знает требований и архитектурных решений. AI в сканере не знает, кто владеет уязвимым кодом. Качество AI определяется контекстом, а контекст размазан по полудюжине несвязанных инструментов.

И даже если бы каждый копайлот был идеален, за процесс целиком по-прежнему не отвечает никто: нет общих стандартов генерации, нет точки, где человек одобряет или останавливает, нет следов — кто что сгенерировал и куда это уехало. Внедрение — это когда инструмент встроен в процесс с правилами, ответственностью и контролем. «У всех есть доступ» — это не внедрение, это раздача.

Из своего опыта я вывел четыре принципа, без которых AI в разработке не работает как система:

На этих принципах я строю ShipGrid: 8 стадий разработки в одном продукте. Контекст даёт граф знаний кода: платформа знает, какие сервисы и таблицы трогает каждая инициатива, кто владеет этим кодом, какой релиз вызвал инцидент (как граф устроен технически — будет отдельный разбор на Хабре). AI стоит на этом графе и работает по правилам команды на каждой стадии:

Один управляемый AI-слой вместо зоопарка — это и есть разница между «у нас есть подписки» и «у нас внедрён AI».

Для российского рынка есть отдельный слой проблемы: зарубежные облачные AI напрямую не продают, аккаунты блокируют, а нести исходный код в чужое облако не разрешит ни одна служба ИБ — и правильно сделает. Поэтому AI-слой платформы подключается к 10 провайдерам на выбор, включая YandexGPT, GigaChat и полностью локальные модели — вплоть до air-gap-контура без интернета, а сама платформа ставится on-prem. Это закрывает и теневой AI: когда у инженеров есть легальный AI с полным контекстом, носить код в личный чат становится незачем — легальный путь быстрее теневого.

Продукт в стадии раннего доступа. Я набираю 3–5 команд в design-partner-программу: бесплатный пилот в вашем контуре (SaaS или on-prem), прямая линия со мной, реальное влияние на роадмап. Взамен — честная обратная связь и, если получится результат, кейс. Пилот не требует миграции: подключаем git в режиме read-only, платформа индексирует код, строит граф — и за 14 дней вы получаете первые AI-артефакты на своих данных: от сгенерированных требований и тест-кейсов до AI-ревью реального мердж-реквеста.

И даже если пилот вам не нужен — мне ценен разговор. Я собираю картину того, как российские команды внедряют AI в разработку: 20 минут вашего опыта в обмен на сводку, что я слышу от других команд.

Демо без регистрации и контакты — на shipgrid.app. А в комментариях интересно вот что: как внедрение AI устроено у вас — есть правила и контроль, или у каждого свой чат?