Одну треть в разработке ПО взяла на себя нейросеть
Согласно исследованию российской ИТ-компании true.code, нейросети уже берут на себя примерно 35% рутинных задач, освобождая время программистов для более сложных и творческих решений. "Наиболее востребованы ИИ-решения в генерации шаблонного кода — нейросети способны решить 60% работы от всей задачи. Также искусственный интеллект (ИИ) эффективно справляется с написанием SQL-запросов (50%), поиском ошибок и ведением документации (40%). При этом полностью заменить разработчика пока невозможно: поддержка legacy-кода (от англ. legacy — наследие - это код, который используется кем-то помимо его автора) и оценка эффективности в большей степени остаются за человеком. Нейросети при выполнении этих задач берут на себя лишь 15% и 10% соответственно", - сказано в сообщении true.code.
Генеральный директор true.code Артем Шеленговский поведал, что нейросети уже используются как вспомогательный инструмент на разных этапах разработки и берут на себя до 60% рутинных задач, однако ключевые решения и сложные системы полностью передать искусственному интеллекту невозможно — основная работа, постановка задачи и проверка остаются за разработчиком: "Например, нейросети не справятся с созданием архитектуры модуля без вмешательства опытного программиста, а лишь дадут направление или общее видение. При этом очевидно, что с их помощью можно значительно ускорить выполнение работы, экономя время людей и перенаправляя его на более важные задачи, которые могут быть связаны с бизнес-процессами и стратегией".
Директор проектов ИТ-экосистемы "Лукоморье" (ООО "РТК ИТ плюс", входит в ПАО "Ростелеком") Екатерина Ионова рассказала, что ИИ играет стратегическую роль — он существенно трансформирует подход к разработке и поддержке ИТ-решений: "Мы рассматриваем ИИ как ключевой инструмент повышения эффективности, автоматизации рутинных процессов и улучшения пользовательского опыта. В целом, с помощью ИИ бизнес стремится не только оптимизировать внутренние процессы, но и усилить конкурентные преимущества через улучшение клиентского опыта, прогнозную аналитику и персонализацию услуг. Среди ключевых ИИ-услуг — внедрение чат-ботов и виртуальных ассистентов для автоматизации клиентского сервиса, ИИ-инструменты для кибербезопасности и обнаружения аномалий, облачные решения: предоставление вычислительных мощностей для машинного обучения. Также это интеграция ИИ в существующие ИТ-системы клиентов, обучение сотрудников и техническую поддержку".
Руководитель стрима "Инженерные инструменты" платформы "Сфера" (ИТ-холдинг Т1) Евгений Калашников отметил, что искусственный интеллект перестал быть просто вспомогательным инструментом для разработчиков и превратился в полноценного ассистента: "ИИ успешно берет на себя выполнение рутинных задач — написания шаблонного кода, создания unit-тестов и генерации моковых данных, созданных искусственно, чтобы тестировать функциональность приложений без обращения к реальной информации".
Генеральный директор компании-разработчика "Базис" Давид Мартиросов рассказал, что мы только входим в эру использовании ИИ в разработке, поэтому его потенциал пока не раскрыт: "Как следствие, ИИ-инструменты на постоянной основе либо не используются, либо решают вспомогательные задачи. Недавно GitHub опубликовал результаты опроса около 2 тыс. разработчиков по всему миру: более 97% отметили, что хотя бы раз использовали ИИ в разработке, но при этом решали с его помощью те или иные вспомогательные задачи: сделать код более безопасным, написать более качественные тесты и так далее. То есть о полноценной замене говорить пока рано".
https://www.comnews.ru/content/238779/2025-04-14/2025-w16/1002/chelovechestvo-rasputii
Директор по инновациям разработчика и интегратора в финтехе Fork-Tech Владислав Лаптев рассказал, что генеративный ИИ в его компании — это расширение экспертизы, а не ее замена: "Мы используем его в задачах, где раньше требовалась команда: автотесты, покрытие, документация, интеграции и внутренние сервисы. Он умеет не просто генерировать код, а работать в контексте: учитывать наши стандарты, архитектуру и специфику данных. Эффективность ощутима — на типовых задачах экономим до 50% времени, а старшие разработчики получают инструмент, который усиливает их вклад, а не заменяет его. Это позволяет нам не масштабировать штат на каждую задачу, а масштабировать влияние ключевых специалистов".
Функциональный архитектор логистической платформы Koncrit (ГК "Корус Консалтинг") Андрей Чмырев обозначил, что не все ИИ-технологии по умолчанию подходят для использования в разработке программного обеспечения: "Мы тщательно проверяем гипотезы, тестируем инструменты и оцениваем, что работает и приносит пользу. Пока ИИ больше справляется с типовыми задачами при написании кода, а что касается более сложных задач, связанных, например, с построением бизнес-логики в рамках конкретного решения для конкретной компании – здесь ИИ-технологии пока не столь эффективны".
По данным исследования трендов Java в 2024 г., проведенного АО "Аксиом" (Axiom JDK), почти половина Java-разработчиков (48%) используют ИИ в разработке кода, а 35% респондентов используют ChatGPT.
Директор по продуктам Axiom JDK Сергей Лунегов сообщил, что ИИ хорошо справляется, когда необходимо перебрать миллиард различных вариантов работы кода или библиотеки, чтобы обнаружить ошибку или уязвимость. "ИИ подходит, например, для фаззинга, одного из самых эффективных методов динамического тестирования, который входит в требования сертификации ФСТЭК и активно используется нашей командой в рамках промышленного процесса разработки безопасного программного обеспечения", - отметил Сергей Лунегов.
Коммерческий директор АО "Транссеть" Андрей Кувалдин сообщил, что внедрение ИИ позволило его компании снизить операционные затраты за счет автоматизации повторяющихся задач, минимизировать риски (дефицит кадров, рост стоимости разработки), а также ускорило выход продуктов на рынок (быстрое прототипирование UI, автоматическая оценка трудоемкости).
Руководитель команды разработки машинного обучения ООО "АВ Софт" Максим Кукин рассказал, что в его практике внедрение ИИ-решений позволило значительно сократить время на рутинные операции, увеличить точность анализа и снизить вероятность ошибок: "Особенно заметна производительность в задачах, требующих обработки больших объемов данных. Мы смогли точечно внедрить инструмент для глубокого поиска информации, автоматизации парсинга и разметки данных. Это позволило сократить время выполнения типовых задач, при этом качество и количество обрабатываемой информации возросло. Однако, мы сохраняем за специалистами все ключевые решения и финальную валидацию результатов".