От выполнения задач к инжинирингу конвейера разработки
Есть стандартный подход к автоматизации: сначала ты делал что-то руками, теперь используешь инструмент.
Но опыт автоматизации наших проектов показывает, что основной прирост эффективности лежит в другом: нужно сократить количество передач между людьми. На каждом таком этапе теряется часть контекста.
Поэтому пора смещать фокус с выполнения отдельных задач на инжиниринг всего конвейера. Не придумывать решение для каждой новой фичи, а создавать и докручивать систему, которая с каждой итерацией работает всё более автономно.
Большая аналитическая часть при этом остаётся за человеком. Нейросеть не может самостоятельно обсудить задачу с заказчиком, собрать требования и проверить все детали. Для анализа и коммуникации по-прежнему нужны люди.
Но после этого должны включаться правила, контрольные точки и автоматические проверки.
Главный критерий здесь простой: чем реже участникам приходится передавать друг другу сведения, тем лучше. Глобальная цель — перейти от работы над конкретной фичей к инжинирингу конвейера.
Разберём это на примере идеализированной технической поддержки.
Заказчик пишет в чат, но часто не указывает важные детали. Сотруднику приходится отдельно уточнять, что произошло, при каких условиях возникла ошибка и как её воспроизвести. На это уходит время.
При этом клиент уже в негативе: у него что-то не работает.
Скорость обработки обращений сильно влияет на впечатление от подрядчика. Для команды это может быть небольшой баг. Для клиента он критичен: останавливает работу или не даёт выполнить нужное действие.
В идеальной схеме в чат добавлен бот. Он принимает обращение и сразу запрашивает недостающие данные: шаги воспроизведения, условия возникновения ошибки и другие детали.
Затем система исследует код, анализирует проблему, формирует баг-репорт и предлагает план исправления.
На следующем этапе AI-агент вносит изменения в отдельной ветке, чтобы не затронуть основной код, и запускает автоматические тесты. Например, с помощью Playwright открывает браузер и проходит нужный путь.
После проверки агент описывает внесённые изменения. Человеку остаётся вручную воспроизвести ошибку, согласовать итог или прочитать отчёт и убедиться, что результат соответствует постановке.
Если через час или несколько часов заказчик получает протестированный фикс, готовый к выпуску, это впечатляет. К такому уровню сервиса быстро привыкают.
Это и есть идеализированный AI SDLC: не отдельный инструмент, а полноценный конвейер разработки.
