Вопрос «внедрять AI в разработку или нет» закрыт. Сегодня индустрию занимает другое: успеет ли ваша команда перестроить процессы под AI быстрее, чем рынок переформатирует доли. Мы собрали мнения пяти членов программного комитета Saint HighLoad++ 2026 о том, на каком уровне зрелости находится индустрия, где хайп обманывает на цифрах, что должно быть готово до внедрения и почему конференция сменила формат. Если коротко: рабочих практик пока мало у всех, и ценнее всего оказывается чужой реальный опыт, включая отрицательный.
Год назад AI в программе HighLoad++ существовал как отдельный экспериментальный трек для энтузиастов. В программе Saint HighLoad++ 2026 года он занимает треть всей программы. Чтобы понять, почему так произошло, мы собрали мнения членов программного комитета Saint HighLoad++: Глеба Михеева, Влада Сазонова, Сергея Паращенко, Алексея Жирякова и Василия Закиева. За изменением программы стоит вполне конкретная инженерная логика, и они сформулировали её честно.
Перелом, который уже случился
В третьем-четвёртом квартале 2025-го что-то переключилось. AI-агенты дошли до уровня, когда им можно поставить цель и получить результат. Можно спорить о деталях и границах применимости, но отрицать сам факт становится всё сложнее.
Важнее другое: страх упустить момент перестал быть уделом стартапов. Он добрался до любой команды, которая следит за рынком. Разговор в индустрии сдвинулся. Раньше обсуждали, стоит ли экспериментировать с AI в разработке. Сейчас обсуждают, как не проиграть конкуренцию тем, кто уже перестроил процесс.
Что изменилось для инженера
Бизнес и менеджмент видят AI через метрики и скорость поставки. Для инженера сместилась сама суть работы: фокус ушел с написания кода на постановку задачи агенту и проверку результата. Это другой навык, другая ответственность, по сути другая профессия внутри той же должности.
Отсюда главная трансформация роли: разработчик превращается в T-shape-специалиста, который разбирается и в архитектуре, и в разработке, и в тестировании, и в продукте. Алексей описывает эту новую роль образно:
Такой универсальный игрок, который и гол забьёт, и в случае чего встанет на ворота и вытащит серию пенальти.
Василий Закиев подходит к той же мысли с другой стороны: узким местом становится постановка задачи, сбор контекста, проверка качества и принятие ответственности. То, что раньше требовало команды, теперь внедряется одним человеком в немыслимые ранее сроки. А значит, каждому инженеру приходится осваивать навыки тимлида.
Глеб Михеев напоминает, почему этот спрос вообще оформился в отдельное направление. Модели стали сильнее, и к этому добавился страх упустить момент, наложенный на реальную практическую пользу:
Уже никто не говорит "а давайте поэксперементируем с кодингом агентами?". Все ясно понимают, что если не начнут развивать эту практику уже сейчас, то проиграют конкуренцию компаниям, которые внедрят инструмент к себе в разработку софта. Этот страх упустить этот момент и создает спрос.
Влад Сазонов смотрит на ситуацию с архитектурной колокольни. Теперь человек с глубоким пониманием системного дизайна в одиночку собирает большое, достаточно отказоустойчивое приложение, а первый Proof of Concept готов буквально за несколько дней. У такой скорости есть цена:
Неосторожное применение AI способно разрушить даже надёжную архитектуру. Процесс разработки меняется, а вместе с ним изменятся и архитектурные паттерны, которые мы будем использовать дальше
Карта зрелости: где вы находитесь на самом деле
Сквозная тема почти у всех собеседников это уровни зрелости внедрения. Главную ловушку Василий описывает через McKinsey-логику: между adoption и ROI зияет большой разрыв. Юношеский порыв научить всех пользоваться инструментом быстро исчерпывает себя, а настоящая зрелость начинается тогда, когда компания перестраивает операционный бизнес.
Если свести мнения в одну лестницу, получается примерно пять ступеней.
Наблюдение и знакомство. AI находится вне контура решений. Сотрудники используют публичные сервисы лично, эффект случайный, на P&L это не влияет. Василь добавляет любопытную деталь: даже там, где инструмент официально не используют, его используют неофициально.
Эксперименты. Несвязанные пилоты внутри подразделений живут вне общей стратегии, без единого владельца, метрик и тиражирования. Использование AI остается личным делом каждого.
Эксплуатация и рабочие сценарии. AI стал операционным инструментом и системно встраивается в SDLC: постановка задач, декомпозиция, тесты, ревью, документация, разбор CI. Появляется локальная стратегия, проекты привязаны к бизнес-целям, ROI считается по проектам.
Интеграция и масштабирование. Появляются гибридные кросс-функциональные команды Human + AI по принципу Human-in-the-Loop. У трансформации есть владелец, идет инвентаризация кейсов, действуют правила по данным, доступам и security, работают общие шаблоны и метрики. Использование AI в отдельных процессах становится обязательным, и его валидируют.
Автономия и пересборка работы. Процессы изначально спроектированы под автономную работу AI по принципу Human-over-the-Loop, человек отвечает за конечный результат. Меняются роли, требования к команде и экономика процесса.
Влад подчеркивает, что скорость прохождения этой лестницы зависит от размера компании. Маленькая команда внедряет новые процессы быстро, а тяжёлая энтерпрайз-машина разворачивается долго. Поэтому в программе Saint Highload++ осознанно собраны спикеры из компаний очень разного масштаба.
Сергей дополняет, что важно пройти все стадии последовательно, потому что резко перепрыгнуть с одной стадии на другую нельзя, необходимо приобрести опыт и перестройку процессов на каждой стадии. Так же немаловажно определить целевой уровень различных функций в компании, потому что не для всех сейчас целесообразна автономия, потому что под капотом все равно вероятностная генерация и потому есть определенный уровень риска, который местами недопустим.
Один из открывающих докладов как раз про эту матрицу зрелости, где база делится примерно на пять ступеней: от простых ассистентов, которые иногда что-то подсказывают в коде, до полного автопилота, когда человек убирает руки.
Где обманывает хайп, и почему это видно по цифрам
Главная иллюзия состоит в том, что компании считают скорость генерации кода вместо скорости всего инженерного цикла. Василь приводит любимый пример: если 20% кода стали генерироваться автоматически, продуктивность вырастает совсем не на 20%. Без изменения процесса люди просто быстрее упираются в следующее узкое место.
Полезные цифры:
Контролируемый эксперимент METR (июль 2025): у 16 опытных разработчиков на знакомой кодовой базе AI замедлили работу на 19%, хотя сами они ожидали ускорения на 24%.
В кейсах Microsoft Copilot Consulting проваливаются 85%. Стоит менеджменту потребовать «срочно покажите цифры экономии», как начинается хак метрик, безопасники визируют код вслепую, а через полгода компания получает кризис безопасности и техдолга.
Полная стоимость владения в 2-3 раза выше цены лицензий: на 360 тыс.$ лицензий нужно ещё около 720 тыс. на управление изменениями, обучение, governance и безопасность.
Устойчивая адаптация занимает 24-30 недель. Сжатие ниже 16 недель статистически снижает её устойчивость — это подтвердил Microsoft.
Реальный устойчивый эффект: 15-30%. За 10 недель пилота с Copilot компания Thoughtworks получила 15% скорости поставки.
Ключевой вывод, под которым подписались бы все собеседники, Сергей формулирует словами DORA 2025:
AI это усилитель. Если у вас слабый процесс ревью, AI ускорит выкат плохого кода. Если нет здоровой экосистемы данных, на выходе он выдаст переработанный бардак. Если безопасность проверяет вручную, AI зальёт её уязвимостями быстрее, чем она успеет хоть что-то отсмотреть. AI усиливает процессы в любом направлении.
Чаще всего эффект переоценивают именно в стратегических департаментах: там рисуют невероятные образы будущего с кратным ростом эффективности и уходят в фантазии вместо практики.
Стоит отдельно упомянуть про безопасность: 45% сгенерированного AI кода не проходит тесты безопасности, плотность уязвимостей выше в 2,7 раза. Ручная проверка с такими объемами уже не справляется. С приходом агентов появился целый класс задач, которых раньше не существовало: что агенту можно, что нельзя, как он ходит во внешние системы, что делать с его правами.
Что должно быть готово до внедрения
Раз AI усиливает процессы в любую сторону, перед стартом важна честная оценка готовности. Иначе инструмент возьмётся масштабировать существующий хаос.
Влад советует начинать с аудита собственных процессов: найти узкие места и перестраивать все значимые участки сразу, потому что ускорение одного звена всегда отзывается на соседних.
DORA AI Capabilities Model 2025 выделяет семь компетенций: явная политика по AI, здоровая экосистема данных, качественная внутренняя платформа, ориентация на пользователя, разрешенные инструменты, грамотное управление изменениями, прозрачная культура обучения. На языке конкретных артефактов это выглядит так:
Политика отвечает на вопросы: что можно отдавать модели, что нельзя, что попадает под аудит и кто отвечает за принятый AI-код.
Данные должны быть чистыми и описанными. Иначе генерация с поиском по базе и дообучение работают как пылесос для бардака.
Платформа: её разрабатывают 76% организаций по данным DORA. Без неё внедрение разваливается на личные подписки и теневой ИТ.
При этом идеальная готовность и не нужна. Можно стартовать с пилота на одной команде с минимумом из политики и платформы, а остальное достраивать параллельно. Сергей приводит показательный пример:
Менторы AI в Альфа-Банке стартовали без бюджета: телеграм-бот за вечер, через два месяца сорок заявок на ИИзацию в месяц. Но без честной оценки готовности к AI, все внедрения лишь усиливают хаос в результатах.
Василий перечисляет частые ошибки, в которых узнаёт себя половина команд. Обучение принимают за внедрение. Автоматизируют хаос, не описав процесс. Запускают пилот без владельца и метрик. Не готовят документацию, данные и правила безопасности. Ждут внедрения от ИТ-директора, хотя AI-трансформация держится на личном участии руководителя.
Как отличить системное внедрение от «поиграли с Copilot»
Признаков много, но Глеб называет самый честный, и он культурный:
Главный признак – люди перестают обращать внимание, на то, что эта работа сделана агентами. Это как было с компьютерами, когда "И чо ты там на своих компьютерах работаешь? Занялся бы нормальной работой, сидишь кнопки нажимаешь" Превратилось в нормальную, работу, которую признают окружающие.
При системном внедрении AI становится частью Definition of Done, появляются регулярные пайплайны, общий контекст проекта и реестр AI-кейсов, по которому видно, кто что пробует, где ROI, что в MVP и что готово к тиражированию.
Сергей предлагает чек-лист из семи технических признаков, и чем больше совпадений, тем серьёзнее внедрение:
Ревью кода перестроено под скорость генерации.
Есть внутренняя AI-платформа поверх внешних моделей вместо разрозненных личных подписок.
Политика по AI зашита прямо в код, где её сложнее обойти.
Практикуется картирование потока ценности.
Перестроена безопасность.
Метрики считают по эффекту: время цикла пул-реквеста, доля переделок. Количество выданных лицензий показателем не считается.
Внедрение идёт 24-30 недель и не сжимается в авральный спринт.
Скептику и руководителю
Скептику, который ещё не убеждён, полезно услышать честный ответ: осторожность отчасти оправдана. Но собеседники дают четыре вполне конкретных совета: начинать с рутины (рефакторинг, миграции, тесты, шаблонный код), архитектуру пока лучше оставить себе, не верить обещаниям десятикратного прироста (на старте реально 10-15%). И главное:
Скажи себе честно: я в это не верю, но готов потратить пару дней и дать шанс. Возьми топовую модель, в пятницу вечером сдуй пыль с идей, до которых не доходили руки, и начни творить. Ты будешь приятно удивлён, насколько сильны модели. Глеб Михеев
Руководителю, который требует немедленной экономии, ответ будет неприятным: в короткой перспективе её не будет. Нужен дополнительный бюджет, потому что узкое место просто уедет влево. Важна и правильная последовательность: обучение, затем выбор 2-3 регулярных процессов с измеримым эффектом, назначение владельца, описание процесса «как есть», выдача инструментов и правил безопасности, замер базовых метрик и только после этого полноценное внедрение.
Приказ «сделайте хорошо и быстро» почти всегда приводит к обратному эффекту. Вдохновить команду лучше всего личным примером: когда садишься с архитекторами и планомерно показываешь возможности инструмента, у людей загораются глаза и дальше они увлекают команду сами.
Почему именно HighLoad и почему «конференция развития»
AI-направление не висит в стороне от классических highload-практик. Высокопроизводительную систему невозможно собрать без надёжности и вменяемой архитектуры. С приходом AI эти законы остаются в силе, просто теперь их применяют к моделям, агентам и инференсу. А безопасность с появлением агентов заиграла совсем новыми красками.
Почему обсуждать это нужно именно на независимой площадке, объясняет Алексей:
HighLoad++ - это самая крупная и независимая от вендоров конференция. Сюда приходят за чужим опытом, а по AI этого опыта пока мало у всех. Конференция работает как ориентир: показывает, какие подходы сработали, а какие завели в тупик. Ценно тут всё, включая отрицательный результат, когда человек выходит и говорит: мы пошли вот так и не получили, чего хотели.
Поэтому в 2026 году Saint HighLoad++ стал конференцией развития: меньше вещания со сцены, больше интерактива. Доклады остаются, и рядом с ними появляются воркшопы, батлы, факап-митапы, мастер-классы, игры, C-Level клуб, дискуссии и постмортемы. Логика простая: индустрия сейчас исследует практики, и формат, в котором эту практику можно потрогать и обсудить, оказывается ценнее лекции.
Все побежали внедрять AI. Никто точно не знает, как и куда бежать, но примерный азимут представляют. Бегут хаотично, спотыкаются, врезаются, падают, встают и бегут дальше. Главный вопрос теперь в том, успеет ли твой бизнес перестроить процессы под AI до того, как рынок переформатирует доли. И наша конференция работает как маяк у скалистого берега: сквозь туман неопределённости подсвечивает, где проход, а где скалы.
К 2027 году не уметь работать с AI станет таким же признаком, как к 2007-му не уметь работать с git. Лучше попробовать сейчас, на своих условиях, чем потом догонять под давлением.
Если из всего сказанного выше вы узнали хотя бы одно своё узкое место, на конференции найдутся люди, которые уже через него прошли. Приходите за их опытом, в том числе за тем, что достался им дорого.
Saint HighLoad++ 2026. 22–23 июня, Санкт-Петербург.
Программа, форматы и маршруты по ролям на сайте. Подробный разбор стримов и форматов во второй части этого материала.
