Обновить

Как изменилась экономика отдела разработки после внедрения ИИ-инструментов (или AI-assisted)

Время на прочтение8 мин
Охват и читатели6.8K
Всего голосов 13: ↑10 и ↓3+9
Комментарии18

Комментарии 18

Итого:

  • выкинули дизайнера, картинки же клепать много ума не надо

  • нагрузили менеджера непрофильной работой, но так как он "свой" отдали ему пол-зарплаты дизайнера

  • главное что программист теперь делает в 2 раза больше работы и получает за это ... в 2 раза больше работы

  • все остально кладем к себе в карман

Все что стоит знать про эффективных менеджеров

Да, я смотрю с позиции менеджера. Да цифры. По человечески за дизайнеров обидно. Хотя с моей точки зрения в этих проектах с ними проблем было больше. Потому что они были не в штате и мелкие доработки/доделки от них получались через боль.

Насчет программиста, он делает в 2 раза меньше работы и вполне доволен. Кол-во часов на 1 проекте уменьшилось. Он делает его быстрее. Но, у штатных даже зарплата не уменьшилась.

Возможно, если считать специалиста как «сдельную» единицу, то — да, его оплата уменьшится. Но таких кейсов еще нет. Никто не предлагает таких услуг (хотя 100% используют, но явно не говорят)

 он делает в 2 раза меньше работы, у штатных даже зарплата не уменьшилась

Круто! То есть у вас программист работает 4 часа в день за ту же зарплату и идет домой

Почему? Появляется чуть больше свободного времени на выдохнуть/покурить. Делает другой проект. Другую задачу. Я просто не понимаю Ваш ход мыслей, в чем проблема? Он же получает фикс, работы в 2 раза больше не стало. Просто внимание распределяется на еще другие задачи. Тем более, сами программисты и были инициаторами этой «оптимизации»

Сложно закопать себя глубже, но вы стараетесь.

По идее, эти 20% должно съесть то, что заказов станет меньше.
Заказчики и сами так умеют.

А если у них доступ не к GPT, а к OPUS 4.8, и сорсам, и лимиты выше, так они ещё круче сделают.

Тоже есть такие мысли. Особенно касается маленьких проектов. Поэтому и не преподносил эту «экономию» как достижение. Ну по крайней мере надеюсь что получилось.

Плюс 20% это уж синтетический пример. Если вот мы тестера подключим, этот святой человек во всех этапах будет (и без ИИ и с ИИ). Во всех вариантах бюджет увеличится. Поэтому этот процент меньше будет. Про крупные проекты молчу, там даже не сделать то что я описал (ну можно попробовать, но пока не получилось).

А крупные проекты это сколько файлов?
У меня Copilot с успехом перепахивает проект с 5 тыс. файлов.
Контекст на прошлой неделе раздвинули до 1 М токенов.
Но в реальности редко до четверти доходит.
И агенты, кстати, тоже устарело. Я заметил что Copilot больше не использует параллельных агентов. Видимо они только зря токены съедали.

Не, я про другое. Что маленькие проекты могут закрывать внутренние отделы заказчика, так как на это уходит немного времени.

На что-то более крупное все равно будет требоваться аутсорсинг, так как «свои уже делом заняты, нам нужны еще люди».

Ну и экономии большой не получишь в крупном проекте, ибо чем проект крупнее, тем маржа экономии будет падать от ИИ. Потому что начинаете более точнечней и аккуратней работать, чтобы систему не повреждать.

Тот же условный микросервис начиная делать, надо самому что-то из конфлюинса достать, из Jira задачу почитать, понять что и куда написать, возможно созвон организовать… поэтому написание кода тут даже не основная работа)

Т.е. крупный проект - это проект c большим кличеством требований. Настолько большим, что их всех сформулировать , перечитать и верифицировать гораздо дольше чем запрограммировать с AI. Правильно понял?

Потому что для AI нет предела в размерах сорсов. Были бы сами сорсы.

Да. Любой рабочий продукт может таким являться.

Что я для себя понял за год работы с агентами: он может долго автономно работать, делать сложные задачи и даже делать мало ошибок. Но только если база знаний или контекст проекта (conventions, архитектура) больше чем сама задача)))

OPUS 4.8 уже долго не работает, это пару месяцев назад агенты что-то долго думали, часами иногда.
Сейчас больше интерактива, но результативней. Особенно удачно получается разрабатывать тесты.
Беда в том что создание тестов теперь забирает много токенов.
И тут по деньгам все плохо начинается.

Через годик станет понятно +20% это или -100%. Но скорее всего прибыль до первого факапа, чинить который никто не захочет, да и не сможет.

Мне кажется, тут немного недооценена цена контроля. Если программисту приходится тщательно проверять все, что нагенерировал ИИ, часть сэкономленного времени легко может вернуться обратно

Все верно, поэтому и написал в выводе, что «работает с относительно небольшими и предсказуемыми проектами». В каких-то других проектах такой подход уже не жизнеспособен

Хорошая статья с реальными цифрами, а не абстрактными “повысили продуктивность на 300%”.

Могу добавить свои данные. У меня EdTech-платформа с 4M+ пользователей в год, и я перешёл на AI-assisted разработку примерно год назад. Ключевые наблюдения:

  1. Экономия на рутине реальная, но не там, где ожидаешь. Максимальный эффект не от генерации кода, а от автоматизации операционки: контент-пайплайны, мониторинг, деплой-скрипты, парсинг документов. То, что раньше делал ассистент или джун, теперь делает агент.

  2. Claude Code + грамотный CLAUDE.md в каждом проекте дал примерно 3-4x по скорости на типовых задачах. Но на сложной бизнес-логике может быть 1.5x или даже медленнее, потому что приходится проверять и переделывать.

  3. Самое неочевидное: экономия пришла не от замены людей, а от того, что я как CTO перестал быть бутылочным горлышком. Раньше 10 задач в очереди, я один. Сейчас 100+ параллельных сессий Claude Code на разных проектах, каждая в своём изолированном контексте.

Про ваш расчёт 400K на ERP: с AI-assisted я бы оценил 250-300K, но не 150K. Потому что тестирование и интеграции (банки, 1С) всё равно ручная работа. ИИ не заменяет понимание бизнес-процесса заказчика.

Спасибо за информацию)

Такая вера что все пойдет по плану...

Зарегистрируйтесь на Хабре, чтобы оставить комментарий

Публикации