Поделюсь мыслями после пары докладов с AI Conf про использование AI в SDLC. Были интересные выступления от Тбанка и Яндекс SourceCraft. # Что делают компании — Крупные игроки (Тбанк, Яндекс, Сбер, МТС) активно пилят собственные инструменты. — Остальные чаще всего опираются на open-source решения вроде roo-code или cline. — Малые компании особо не заморачиваются и используют Cursor, Windsurf и т.п. У крупных так не выйдет — вопросы безопасности. # AI-ассистенты в IDE: два уровня — CodeCompletion (подсказки при наборе кода) — Агентский режим (написание кода «по задаче») В ассистенте Тбанка есть в т.ч. команды: чат с RAG, ревью и пр. На слайде как раз показано, как у них разделяются команды ассистента. # Цифры из Яндекса — ~70% разработчиков пользуются ассистентом — 45% применяют автогенерацию описаний PR — 30% используют нейроревью кода # Про привычки Евгений рассказывал, как однажды у них сломался CodeCompletion при релизе. Разработчики были фрустрированы и завалили обратной связью: настолько привыкли, что отключение подсказок буквально выбивало из колеи. Поимерная цитата эмоции: «Нет ничего более дизморалящего, чем ждать подсказку... ждёшь, ждёшь — а она так и не появляется». К хорошему быстро привыкаешь =) # Про метрики В Тбанк сделали метрику True Completion. Она отслеживает, как живёт строчка кода, написанная AI: если она остаётся в проекте хотя бы месяц — значит, это реальная польза. У Яндекса есть похожий подход, пока внутри не в SourceCraft, но обещают релизнуть. Инструменты Тбанка пока закрыты вовсе. Минус в том, что такая метрика очень дорогая: нужна глубокая интеграция в инфраструктуру. Большинство готовых инструментов (купленных или open-source) меряют максимум до коммита — и то не всегда. — Бизнес хочет цифры по дельте роста производительности разработчика от AI. Но тут всё сложно: за десятки лет мы так и не научились точно мерить сам перфоманс разработчика, а кодинг — это только часть цикла разработки. Поэтому точные цифры дать почти нереально. — Зато есть наблюдения: коллега рассказал, что они видят рост перфоманса QA в 2–3 раза за счёт AI. ⚙️ Про размеры моделей и инфраструктуру CodeCompletion Для автодополнения кода хватает относительно небольших моделей на 8B. На 4B качество уже заметно проседает. В Тбанке сейчас используют SeedCoder (Bytedance, июнь 2025) — выбрали её после серии A/B-экспериментов. Чат Для чата нужна модель покрупнее. Но у неё заметно ниже RPS, поэтому даже A100 (по словам коллег из X5) вполне может справляться с инференсом. Агентский режим Если использовать агента для нескольких десятков разработчиков, придётся держать кластер из 4+ A100. Яндекс использует кучу моделей сразу для оптимизации инференса. Например определяет сложность запроса и подсовывает нужную модель. Примерно как курсор, я так понимаю. 💰 Стоимость Серверы с A100 начинаются примерно от 150K до 500K ₽/мес. Зависит в первую очередь от того, какую CPU-мощность туда ставить (пример: Immer Cloud).