Интеграция ИИ в процесс разработки ПО
Современные кодинг-агенты демонстрируют высокую эффективность, успешно справляясь с задачами от небольших изменений до масштабных инженерных проектов, включая написание кода, создание модульных тестов и подготовку запросов на слияние. Однако, несмотря на эти достижения, общий процесс разработки программного обеспечения по-прежнему сильно зависит от участия человека на каждом этапе. Например, аналитики и агенты формируют требования, которые затем передаются разработчикам для уточнения и постановки новых задач агентам. Этот сценарий подчёркивает, что хотя агенты могут выполнять значительный объём работы внутри конкретного этапа, целостность и непрерывность процесса всё ещё обеспечивается людьми.
Команда международных расчётов для корпоративных клиентов Сбера выявила этот разрыв как ключевую область для следующего этапа развития ИИ-разработки. На более широком уровне концепция перехода к унифицированному управляемому процессу, где человек определяет цели и принимает решения, агент выполняет работу, а среда предоставляет контекст, правила, проверки и историю выполнения, подробно изложена в руководстве AI-Disrupt PDLC.
Оркестратор HG SDLC: связующее звено между этапами
В ответ на эти вызовы было разработано решение — оркестратор HG SDLC (Human Guided SDLC). Цель оркестратора — преодолеть ограничения разрозненных сессий с агентами, которые не позволяют масштабировать разработку, и создать единое связующее звено между различными этапами создания ПО. Этот подход позволяет переместить системные ограничения при полной автоматизации отдельных этапов, обеспечивая более глубокую интеграцию ИИ в процесс.
Практическая реализация оркестратора HG SDLC направлена на создание среды, где автоматизированные агенты могут эффективно взаимодействовать на протяжении всего жизненного цикла разработки, снижая зависимость от ручного перехода между этапами. Этот инструмент позволяет руководителям и PM более эффективно интегрировать ИИ в процесс разработки, фокусируясь на потоке операций и ограничениях системы, а не на деталях самого кодирования.
Мы у себя в команде тоже начали экспериментировать с подобными оркестраторами для автоматизации рутинных задач. Пока что лучше всего ИИ справляется с генерацией boilerplate-кода и написанием юнит-тестов, это прям экономит кучу времени. Но вот с архитектурными решениями и сложной бизнес-логикой пока не очень, приходится сильно дорабатывать. Главный челлендж — поддерживать контекст между разными задачами, ИИ часто его теряет. Мой совет: начинайте с простых, хорошо формализованных задач, и постепенно расширяйте.