Внедрение ИИ-агентов в backend-разработку
К нам обратился клиент, развивающий продукт с подписочной моделью продаж. Backend-команда состояла всего из двух старших разработчиков и технического руководителя.
Из-за перегруженности инженеров поддержкой текущего кода и рутиной развитие продукта замедлилось: новые фичи выходили дольше, а стоимость доработок росла. Ограничением для бизнеса стали уже не идеи и не стратегия развития, а доступные ресурсы команды разработки.
Чтобы ускорить выпуск новых функций без расширения штата и увеличения управленческой нагрузки, компания решила внедрить ИИ-агентов в процессы разработки.
Задача в контексте разработки
Основной задачей было снизить нагрузку на команду старших разработчиков, значительная часть времени которых уходила на поддержку существующего кода и операционные задачи.
Для этого компания решила делегировать ИИ-агентам выполнение рутинных и трудоемких работ: подготовку кода по готовым техническим заданиям, рефакторинг (переработку) отдельных модулей, работу с унаследованным кодом, а также интеграцию внешних библиотек и программных интерфейсов.
При этом архитектурные решения, контроль качества и финальная проверка результатов оставались в зоне ответственности команды разработки. Такой подход позволял ускорить реализацию типовых задач и высвободить время специалистов для более сложных и значимых для бизнеса задач.
Бизнес-задача
Основная цель — ускорить выпуск новых функций, снизить стоимость изменений и повысить пропускную способность разработки без расширения штата и роста постоянных расходов.
Бизнес-гипотеза заключалась в том, что ИИ-агенты смогут взять на себя часть типовых задач, а действующая команда — выполнять больше работы за то же время без найма дополнительных инженеров.
Решение
Для проверки гипотезы компания решила внедрить ИИ-агентов в процессы разработки и передать им часть рутинных задач, которые занимали значительное время у опытных инженеров. Основная идея заключалась в том, чтобы освободить разработчиков от типовой работы и сосредоточить их усилия на архитектурных решениях, проектировании и контроле качества.
На старте проекта руководство и техническая команда выдвинули несколько гипотез. Предполагалось, что использование ИИ позволит сократить стоимость изменений, ускорить выпуск новых функций и повысить производительность команды без расширения штата. Кроме того, ожидалось, что в ряде сценариев ИИ сможет генерировать код, близкий к готовому промышленному решению, что дополнительно сократит время разработки.
Для работы использовались IDE-ассистенты и внешние ИИ-модели, включая GitHub Copilot, Grok и ChatGPT.
ИИ-инструменты начали применять на этапах написания кода и рефакторинга. Агентам передавались готовые технические задания от продуктового менеджера, после чего полученный результат проверялся, дорабатывался и интегрировался инженерами. Также ИИ использовался для работы с отдельными участками унаследованного кода и подготовки интеграций с внешними сервисами и программными интерфейсами.
По мере внедрения команда отметила увеличение количества задач, закрываемых за спринт, и ускорение разработки новых backend-модулей. При этом на раннем этапе эксперимента выросло количество дефектов, что стало закономерной платой за увеличение скорости разработки и потребовало дополнительного контроля качества со стороны инженеров.
Результат
Внедрили ИИ-агентов в процесс разработки. Это ускорило создание новых backend-модулей и позволило закрывать больше задач за спринт. Старшие специалисты смогли меньше времени тратить на рутину и сосредоточиться на архитектуре и сложных кейсах.
Бизнес-эффект
Бизнес получил более быстрый выпуск новых функций, снижение стоимости разработки и рост пропускной способности команды без расширения штата.
Продуктовая команда смогла быстрее развивать ядро системы: появились новые модули, ускорилось подключение внешних программных интерфейсов и сторонних библиотек. Поддержка и развитие устаревшего кода перестали занимать основное время старших инженеров.
ИИ-агенты — это стратегический инструмент, который помогает ускорять развитие продукта, снижать стоимость изменений и эффективнее использовать инженерные ресурсы без разрастания команды и повышения операционных рисков
Технологии
IDE‑ассистенты — плагины для интегрированных сред разработки.
Внешние ИИ‑модели — Copilot, Grok, ChatGPT