На TeamLead Conf про ИИ говорили почти столько же, сколько на HighLoad, но с другой стороны. Про модели и индексы было мало, про людей, метрики и деньги много. Ниже главное из двух дней.
Яндекс: от «провала» к формуле
Владимир Гриненко пятнадцать лет проработал в Яндексе и рассказал, как туда приходил ИИ. Начинали с маленькой лабораторной команды. Честно измерить вклад ИИ почти невозможно, поэтому смотрели на прокси-метрики и спрашивали пользователей, понравилось ли. Все нейросети спрятаны за внутренним прокси ИБ с логами и фильтрацией, у разработки нет доступа к проду, для секретного используют локальные модели. По цифрам двухмесячной давности, в агентском режиме каждый день работают около 40% разработчиков, хотя бы раз в неделю около 60%, ИИ пишет примерно четверть кода.
На второй день ещё один доклад Яндекса рассказал ту же историю глазами менеджера трансформации. На 2025 год ставили цель +30% продуктивности, и к концу года её считали проваленной. Арифметика простая: на написании кода ИИ экономит около 10% времени, пользуется им меньше половины разработчиков, и на весь штат выходят единицы процентов. Зато за год появился фундамент: единый шлюз к моделям, MCP к внутренним сервисам, аналитика потребления. В 2026-м ввели плату за токены и AI-амбассадоров в больших командах. Прирост теперь считают как произведение трёх множителей: adoption, инфраструктуры и нового способа работы. Один множитель результат не вытянет. Цель «75-75-75»: больше 75% разработчиков делают больше 75% пулл-реквестов, в которых больше 75% кода написал ИИ. Ещё появились «решатели»: агенты висят в очереди трекера и под ключ закрывают небольшие тикеты.
Хитом доклада стал «рецепт через сопротивление». Человек покупает подписку за 100–200 долларов и через неделю-две упирается в лимит. Чтобы работать дальше, ему приходится дробить задачи, перестать подтверждать каждый шаг агента и обрастать скиллами. Второй приём называется «парное агентирование»: активный пользователь, лучше руководитель, садится рядом и показывает работу на живой задаче. Каждый новый проект спикер проверяет вопросом: какая добавочная ценность останется у проекта через год, когда внешние модели и инструменты подтянутся? Поэтому Яндекс не делает свои модели и общий харнес и вкладывается в интеграцию с инфраструктурой и в оцифровку данных.
Сбер и Циан: процесс вместо магии
Сбер внедряет SDD на OpenSpec. Спеки пишут в своём формате без Gherkin, ведут мастер-спеку и дельты к ней, а соответствие кода спеке проверяют в отдельном контексте. С мастер-спекой агент стабильнее и меньше галлюцинирует, артефакты появляются примерно вдвое быстрее. Минусы спикер не прятал: первая задача всегда дольше, восстановить мастер-спеку по готовому репозиторию стоит три-пять рабочих дней, начинать лучше с маленьких реальных задач. И главные узкие места банка находятся за пределами разработки.
Циан превратил миграцию сервисов между стеками в повторяемый конвейер: шесть миграций, четыре сервиса. На входе стоит фильтр. Логика не должна быть размазана по интеграциям, команда должна быть готова отказаться от старого стека, у сервиса должны быть функциональные тесты. Без тестов агент пишет похожий код, и всё зелёное только потому, что проверять нечем. Процесс разбит на фазы Prepare, Translate и Review. Агент ведёт чек-лист прогресса прямо в репозитории, чтобы пережить сжатие контекста. Рядом лежат референсные сервисы и SDK: модель надёжнее отталкивается от готового кода, чем от текста инструкции. Главная история доклада: все проверки зелёные, а новый сервис сломал мобильное приложение. Старая ручка принимала ID строкой, новая числом, а чекер контрактов смотрел только на зарегистрированных потребителей. Отсюда правило: у любой проверки есть слепая зона, и каждый промах уходит в чек-лист или скилл, чтобы больше не повторяться.
Что остаётся руководителю
В докладе про ИИ для задач руководителя работу поделили на две части. Агенту можно отдать онбординг через MCP к базе знаний, поиск слотов для встреч, сводку загрузки по трекеру и сбор статусов к стендапу. За человеком остаются мотивация, климат в команде и распределение задач с учётом того, кто на чём уже набил руку. И спор с директором: модель склонна угождать. Перед любой автоматизацией спикеры советуют завести метрику успеха и бюджет в токенах.
Доклад про гибридный интеллект объяснял, почему внедрение буксует: ИИ не ввели в команду как нового участника. Отсюда кризисы ролей и ответственности, а ещё ломается путь от джуна к сеньору. Предложение спикера: отдавать агенту конкретную когнитивную функцию, решение оставлять человеку и записывать договорённость в контракт делегирования.
В докладе про ИИ-копилоты для управления задачу агенту ставят через цели, контекст, ограничения, критерий готовности и приёмку. Агенты любят объявлять задачу готовой раньше времени, поэтому приёмка остаётся за человеком. Источником правды спикер считает логи реальной работы, статусам в трекере он доверяет меньше. В вопросах из зала сразу всплыла приватность. От подхалимства моделей он защищается сравнением: одну оценку дают несколько моделей с разными «характерами».
Доклад про «Контекст», внутреннюю базу знаний на RAG, начался с цифры: тимлид тратит около 55% времени на переключение контекста и пересказ знаний и около 10% на развитие команды. Система собирает данные из трекера, базы знаний и чатов. После созвона она вытаскивает договорённости и задачи, и на втором обсуждении вопросов становится на 10–20% меньше. Код она сверяет с ТЗ до того, как MR дойдёт до лида: ревью идёт вдвое быстрее, экономия около 40 часов в месяц. Привыкала команда полгода, актуальность данных пришлось поддерживать автосинхронизацией, а для внешних моделей добавить анонимизацию.
Два круглых стола
На круглом столе про применение ИИ сошлись на трезвой цифре: бизнес ждал ускорения в два-три раза, исследования показывают 15–30%. Вспомнили историю Amazon: сотрудников ранжировали по потреблению ИИ-инструментов, кода стало больше, внимание на ревью упало, начались аварии в проде, и рейтинг отменили. Ещё одно наблюдение: токен дешевеет, а счёт растёт, потому что цепочки рассуждений становятся длиннее.
Открытый круглый стол про ФОТ начался с голосования зала. Из 38 человек 55% ждут незначительного сокращения, 21% считают, что ничего не изменится, 18% ждут роста и 5% ждут существенного сокращения. Панель разошлась во мнениях. Один участник ждёт сокращений позже: банки уже объявляют сквады из одного-двух человек вместо десяти. Другой считает бэклог бесконечным и ждёт перераспределения: команды станут меньше, сеньоры дороже. Модератор напомнил, что цифровая и agile-трансформации первые два-три года приносили дополнительные расходы. Самый сильный тезис стола: раньше команда делала 10 фич в месяц, и 2 из них были полезны бизнесу. Если теперь фич 20, а полезных по-прежнему 2, ускорения нет. По теории ограничений узкое место просто переезжает из разработки в дизайн, проверку гипотез и согласования с клиентами. Во втором голосовании (54 человека) зал решил, что больше всех выиграют собственники (31%) и топ-менеджмент (24%), сотрудники набрали 9%.
Что я забрал себе
- Формулу Яндекса с произведением. Без нового способа работы ни adoption, ни инфраструктура результата не дадут.
- Ускорение я теперь меряю числом полезных фич. Если выросло только число сделанных, ускорения не было.
- Вопрос «что останется ценным через год» стоит задавать до старта любой своей разработки вокруг ИИ.
- У любой автоматической проверки есть слепая зона. Промах лучше чинить в скилле или чек-листе: так закрывается целый класс ошибок.
- Мотивацию, климат и спор с начальством агенту не отдать. Это по-прежнему работа руководителя.