Новая экономика разработки: что меняет принципиальное увеличение скорости и снижение стоимости
Серия «100% AI Coding глазами предпринимателя». Статья 3 из 5.
Есть одна мысль, которая долгое время казалась в бизнесе почти аксиомой.
Разработка новых ИТ систем — это дорого. Долго. Рискованно. Чтобы проверить гипотезу, нужно собрать людей, поставить процесс, выделить бюджет, прожить несколько итераций и только потом понять, вообще стоило ли начинать. Либо нужно найти правильную компанию, которая разрабатывает ИТ системы, и также долго, дорого с ней делать.
На этой логике выросло целое поколение управленческих решений. Одни идеи откладывались, потому что «не сейчас». Другие даже не обсуждались, потому что «слишком дорого проверять». Третьи умирали не потому, что были плохими, а потому что входной билет в разработку был слишком высоким.
И вот сейчас, на мой взгляд, с появлением AI coding эта логика будет существенно меняться.
Уже появились предложения сделать MVP небольших систем за пару дней с помощью AI coding. Но пока это не кардинальное изменение. Кардинальное изменение наступи, когда AI coding команды будут готовы делать сложные системы в разы быстрее, и в разы дешевле, чем это делается сейчас. И это будет скоро.
И это существенно поменяет поведение бизнеса.
Самое дорогое в старой модели — не код
Когда говорят, что разработка дорогая, обычно имеют в виду зарплаты программистов. Но на самом деле самая дорогая часть старой модели — не код как таковой.
Самое дорогое — это вся организационная структура вокруг него.
При ручном изготовлении кода для создания сложных систем требуются большие команды.
Для того, чтобы запустить проект нужно собрать команду. Согласовать людей. Довести задачу через разрывы между ролями. Пережить потери времени на передачу смысла. Принять, что часть задач окажется понята не сразу. Закладывать на это бюджеты, буферы, повторные круги.
То есть бизнес платит не только за создание результата. Он платит ещё и за организационное трение. И эти расходы значительны, и, это сильно влияет на время выполнения проекта.
Именно поэтому в старой модели даже относительно простая гипотеза часто оказывалась непропорционально дорогой. Не потому, что задача была сложной, а потому, что сама система производства была тяжёлой.
В старой модели бизнес покупает не только разработку. Он покупает ещё и стоимость прохождения через саму организационную машину, которая эту разработку производит.
Что меняется, когда код перестаёт быть ручным производством
В тот момент, когда код перестаёт писаться руками как основным способом производства, меняется не только скорость создания непосредственно кода. Меняется вся экономика.
В правильно построенной модели 100% AI coding количество участников процесса резко снижается. Один инженер + AI система разработки способен заменить команду из 5-10 человек. За счет этого время и затраты на согласование действий в процессе разработки резко сокращаются.
И следствием этого является изменение возможностей бизнеса. Время между идеей и её проверкой сокращается. А цена ошибки падает, потому что вы меньше платите за сам факт движения.
Это и есть момент, который предпринимателю нужно заметить раньше всех.
Потому что здесь здесь меняется цена эксперимента.
А цена эксперимента — это уже не технический вопрос. Это вопрос стратегии.
Дело не только в том, что работа идёт быстрее. Дело в том, что у бизнеса появляется возможность иначе относиться к самим попыткам.
Можно быстрее проверять гипотезы. Можно не так бояться лишнего цикла. Можно иначе думать о запуске модуля, продукта, функции, автоматизации. Это меняет поведение компании.
Почему этот переход напоминает облака
Когда-то IT-инфраструктура строилась почти как капитальное сооружение. Чтобы запустить новый проект, нужно было закупить серверы, развернуть окружение, пройти длинный цикл согласований, заранее вложиться в мощности. Сам вход в запуск был тяжёлым.
Потом пришло облако. И внезапно оказалось, что инфраструктура может выделяться по требованию. Без крупных стартовых инвестиций. Без прежнего темпа подготовки. Без ощущения, что ты сначала обязан построить маленький завод, а уже потом имеешь право проверить гипотезу.
Важно даже не то, что AWS оказался «удобнее серверной». Важно, что облако изменило саму экономику старта.
Вот почему этот кейс так полезен для разговора про 100% AI coding.
Сейчас в разработке происходит нечто похожее. Когда снижается цена следующего шага, компания начинает иначе мыслить о том, что вообще стоит пробовать. То, что раньше откладывалось на потом, теперь может быть проверено быстро. То, что раньше требовало долгого бюджетного обоснования, теперь может быть сначала собрано в рабочий контур, а уже потом обсуждено стратегически.
Именно так технологический переход начинает менять рынок. Не через лозунг «стало быстрее», а через изменение количества возможных попыток.
Что получат те компании, которые первыми научатся это использовать
Если производство кода становится кардинально быстрее, а вход в итерацию кардинально дешевле, по создание и запуск новой системы нормальной формой проверки гипотезы. Не событием, которое надо согласовывать как крупную ставку, а рабочим инструментом движения.
Это очень серьёзное изменение. Потому что компании проигрывают рынок не только тогда, когда делают плохие решения. Они проигрывают и тогда, когда слишком дорого думают.
Когда каждая попытка обходится дорого, бизнес начинает бояться лишних шагов. Когда стоимость попытки падает, мышление становится смелее.
Самое сильное следствие 100% AI coding — не в том, что код появляется быстрее. А в том, что бизнес начинает дешевле проверять будущее.
Что это меняет для предпринимателя прямо сейчас
На практике меняется очень многое, даже если пока не доводить картину до радикального предела.
Начинает по-другому оцениваться автоматизация внутренних процессов. То, что ещё год назад казалось «не стоит бюджета», уже может оказаться оправданным.
По-другому выглядит запуск дополнительных функций в существующем продукте. По-другому — разработка внутренних утилит. По-другому — скорость доведения идеи до первого работающего состояния.
А дальше запускается цепочка вторичных эффектов.
Если одна компания может проверять в три-пять раз больше гипотез за то же время, а другая продолжает работать по старой модели, то через год у них будет не просто разная скорость. У них будет разная плотность обучения. Одна уже накопит новый опыт, а вторая всё ещё будет обсуждать, какие идеи вообще заслуживают запуска.
Вот здесь и начинается настоящий передел.
Не на уровне «у кого лучше разработчики». А на уровне того, как быстро компания учится на рынке.
Но есть и плохая новость
Плохая новость состоит в том, что это преимущество нельзя получить бесплатно.
Нельзя просто посадить людей на новые инструменты и ожидать, что экономика волшебным образом изменится. Если старая организационная модель остаётся на месте, она очень быстро съедает значительную часть эффекта.
Люди начинают генерировать больше кода, но методы согласования людей между собой остаются те же.
Именно в этот момент становится понятно, почему разговор про 100% AI coding не может сводиться к списку сервисов и промптов.
Нужна новая производственная дисциплина. Нужны новые роли. Нужна новая управленческая логика. Нужен стандарт, который удерживает качество, контекст и управляемость вместе со скоростью.
Экономика меняется раньше, чем это становится общим мнением
Обычно бизнес признаёт новую экономику не в момент её появления, а в момент, когда уже поздно игнорировать последствия.
Так было с облаками. Так было с e-commerce. Так было с производственными системами нового типа. Сначала всё это кажется частным улучшением. Потом внезапно выясняется, что рынок уже перестроился, а ты всё ещё споришь с исходной предпосылкой.
У меня есть ощущение, что в разработке мы находимся именно в такой точке.
Стоимость создания цифрового решения начинает снижаться не только за счёт отдельных инструментов, а за счёт смены самой логики производства. А значит, стоимость гипотезы, стоимость итерации и стоимость запуска тоже будут пересчитываться.
Мой партнёр публикует техническую серию статей про 100% AI coding и SENAR на Habr: Полтора года без ручного кода: почему инструкции ИИ-агенту не заменяют инженерную дисциплину
Стандарт SENAR: https://senar.tech