Как ИИ помогает писать софт. Обзор одной из самых перспективных технологий будущего
Искусственный интеллект (ИИ) помогает оптимизировать и ускорить процесс проектирования, разработки и внедрения программного обеспечения (ПО). Суть заключается не в том, чтобы инженеров-разработчиков заменили роботы. Скорее, инструменты на базе ИИ работают в роли ассистентов руководителей проектов, бизнес-аналитиков, программистов и инженеров по тестированию. За счет этого специалисты по разработке могут создавать и тестировать части кода быстрее и с меньшими затратами. Таким образом, ИИ может стать важным фактором, который приведет к увеличению производительности программистов и повышению качества продуктов.
Терминология
Разработка программного обеспечения с помощью ИИ, AI-augmented Software Engineering – термин, который ввели в Gartner в 2020 году для описания процесса использования технологий искусственного интеллекта (например, машинного обучения, обработки естественного языка и др.) для ускорения циклов разработки приложений и DevOps. Ряд вендоров уже выпустил продукты для такого типа работ. Среди них Codota, Deep Code, Google, Kite, Mendix, Microsoft, OutSystems, Parasoft.
Марк Драйвер (Mark Driver), вице-президент Gartner Research, прогнозирует
 | к 2022 году, минимум 40% новых проектов по разработке ПО будут использовать ресурс виртуальных ИИ-разработчиков. |  |
Однако технологии искусственного интеллекта и машинного обучения уже около пяти лет применяются компаниями и отделами по разработке ПО по всему миру. В 2020 году Gartner впервые включил это понятие в список самых перспективных технологий будущего – Hype Cycle for Emerging Technologies (цикл зрелости технологий).
Области применения искусственного интеллекта при разработке ПО
ИИ используется в разработке программных решений на следующих этапах:
Сбор технических требований
Цифровые ассистенты анализируют документы с собранными требованиями, указывают на разногласия в тексте, нестыковки в цифрах, единицах измерений, суммах и предлагают возможные решения.
Быстрое прототипирование
Преобразование бизнес-требований в программный код обычно занимает месяцы или даже годы. Однако машинное обучение значительно сокращает этот процесс, позволяя специалистам с меньшим опытом использовать методы разработки естественного языка или визуального интерфейса для создания прототипа.Артем Герасимов, SimpleOne: Мы создали SDLC-платформу, которая синхронизирует бизнес и разработку 
Кодирование
В процессе написания кода, работающая на базе ИИ система автозаполнения предлагает рекомендации для завершения строчек кода. Интеллектуальные помощники сокращают время на создание кода на 50%. Дополнительно они могут рекомендовать обратиться к связанным документам, лучшим практикам и дать примеры кода.
Анализ и обработка ошибок
Виртуальный ассистент может извлекать уроки из прошлого опыта, чтобы выявлять типичные ошибки и автоматически помечать их на этапе разработки. Машинное обучение можно использовать для анализа системных журналов для быстрого и даже упреждающего выявления ошибок.
Автоматический рефакторинг кода
Чистый код необходим для совместной работы и долгосрочного обслуживания. По мере развития компании, программные решения могут изменяться, и остро встает вопрос о том, как модифицировать код для лучшей работы приложений. Машинное обучение используется в этом случае с целью анализа кода и автоматической оптимизации кода для легкой интерпретируемости и повышения производительности.
Тестирование
Автоматизированные системы тестирования используют ИИ не только для того, чтобы запускать процесс тестирования, но и для создания test кейсов.
Ввод в эксплуатацию
Иногда ошибки в программном коде становятся явными только после того, как программное обеспечение введено в эксплуатацию. Но AI-инструменты предотвращают подобные ситуации, проверяя статистику предыдущих релизов и логи приложений.
Управление проектами
Разработка программного обеспечения иногда выходит за рамки бюджета и графика. Системы продвинутой аналитики позволяют использовать данные большого количества проектов по разработке ПО для прогнозирования технических задач, необходимых ресурсов и времени на выполнение проекта. Машинное обучение может извлекать данные из прошлых проектов, такие как истории пользователей, определения функций, оценки и фактические условия, для более точного прогнозирования рабочей нагрузки и бюджета.
2022: Определение границ взаимодействия продакт-менеджмента и ИИ: экспертный взгляд Николая Прокофьева
Одним из основных трендов способных изменить продуктовый менеджмент, как и многие другие сферы жизни, стало применение искусственного интеллекта. О том, какую роль в жизненном цикле создания и сопровождения продукта играет искусственный интеллект и насколько ему можно доверять, рассказывает Николай Прокофьев, инициатор создания сервиса для онлайн-оплаты Tapper, который позволил автоматизировать ресторанный бизнес. Подробнее здесь.
Развитие инструментов на базе ИИ для разработки ПО
Согласно исследованию Deloitte 2020 года, на рынке отмечается большой интерес к решениям, которые используют инструменты искусственного интеллекта в области разработки ПО:
- За последние годы на рынке появились десятки продуктов, которые используют ИИ для повышения эффективности разработки программных решений.
- Объем годовых инвестиций, привлеченных стартапами, которые предлагают ИИ-продукты для разработки ПО, составил 704 млн долларов США к сентябрю 2019 года.
- Прогнозируется, что объем мирового рынка заказной разработки ПО вырастет до 61 млрд долларов США к 2023 году.
- Благодаря растущему спросу на программное обеспечение, количество инженеров-разработчиков вырастет на 21% в 2028 году.
Мнение экспертов рынка
2025
МТС потратила ₽4 млрд на ИИ-платформу для создания корпоративных приложений
Компания MWS AI, входящая в ERION и связанная с МТС, инвестировала около ₽4 млрд в разработку платформы MWS AI Agents Platform для создания приложений на базе искусственного интеллекта. Об этом в компании рассказали в начале декабря 2025 года. Подробнее здесь.
В 4 раза больше кода, но в 10 раз больше проблем безопасности. Как нейросети влияют на программирование
Программисты, использующие ИИ-ассистенты для написания кода, демонстрируют в три-четыре раза более высокую производительность по сравнению с коллегами, работающими вручную, однако количество проблем безопасности в их коде возрастает в десять раз. Компания Apiiro, специализирующаяся на анализе безопасности приложений, проанализировала десятки тысяч репозиториев с кодом от разработчиков из компаний списка Fortune 50 и выявила критические риски использования искусственного интеллекта в программировании. Менеджер по продукции Apiiro Итай Нуссбаум охарактеризовал ситуацию фразой: «ИИ исправляет опечатки, но создает бомбы с часовым механизмом». Об этом стало известно 5 сентября 2025 года.
Как пишет The Register, исследование охватило программный код, созданный с помощью ИИ-инструментов Claude Code от Anthropic, GPT-5 от OpenAI и Gemini 2.5 Pro от Google. Анализ показал резкое увеличение количества проблем безопасности в коде — с декабря 2024 года по июнь 2025 года их число выросло в десять раз.
Под проблемами безопасности Apiiro понимает не только прямые уязвимости, но и применение рискованных практик программирования. К ним относятся использование открытого кода в качестве зависимостей, применение небезопасных паттернов и хранение конфиденциальных данных, включая ключи API, непосредственно в коде программы.
Нуссбаум отметил, что искусственный интеллект генерирует не один конкретный тип уязвимостей, а все виды проблем безопасности одновременно. По его словам, руководителям компаний необходимо понимать: внедрение обязательного использования ИИ при написании кода должно сопровождаться параллельным внедрением ИИ-инструментов для анализа безопасности приложений.
Исследование выявило положительные аспекты использования ИИ-помощников. Применение нейросетей позволяет снизить количество синтаксических ошибок на 76% и логических ошибок на 60%. Автоматизированные системы эффективно исправляют опечатки и помогают программистам избегать простых технических ошибок.[1]
Эксперимент Шаллера: российские разработчики оценили перспективы ИИ в переносе старого кода на новые технологии
В конце июля Кристиан Шаллер, возглавляющий Fedora Desktop Team и группу по развитию десктоп-систем в компании Red Hat, обнародовал[2] результаты эксперимента по изучению возможностей искусственного интеллекта (ИИ) Claude.ai для портирования графических компонент библиотеки GTK на современные кроссплатформенные технологии, такие как Vulkan. Как отметил Кристиан Шаллер, многие разработчики из открытого сообщества сейчас со скептицизмом относятся к кодам, которые генерирует искусственный интеллект, поэтому он хотел показать, что для решения рутинных задач можно использовать в том числе и ИИ-ассистента.
| | Я подумал, что было бы хорошим примером приложения, если бы я нашел нечто действительно старое и попросил Claude.ai помочь мне адаптировать его к современным технологиям, – пояснил в блоге суть своей работы Кристиан Шаллер. – Я внезапно вспомнил программу xtraceroute – старое приложение, изначально написанное на GTK1 и OpenGL, показывающее трассировку маршрута на трехмерном глобусе, и обнаружил, что с тех пор, как я в последний раз просматривал его, он был обновлен до GTK2, однако к нему не прикасались 20 лет. И я подумал, что это отличный тестовый пример. Итак, я взял код и загрузил его в Claude, попросив его предоставить мне современную версию этого приложения для GTK4 с использованием Vulkan. | |
GTK (сокращение от GIMP ToolKit) — кроссплатформенная библиотека элементов графического интерфейса, на основе которой построен оконный менеджер Linux под названием Gnome и несколько других: AfterStep, IceWM, Sawfish. Изначально GTK, которая называлась GTK+, базировалась на технологии OpenGL (аналог DirectX для Linux) и обеспечивала взаимодействие с графической подсистемой. Однако в январе 2024 года была выпущена версия GTK4, которая переписана уже на кроссплатформенную технологию Vulkan.
При этом GTK4 не является обратно совместимой: то есть нельзя просто так взять коды приложений для GTK3 и пересобрать их под GTK4. В некоторых случаях требуется значительная доработка кода.
Технология Vulkan обеспечивает разработку приложений, которые могут одинаково выглядеть на таких операционных системах как Windows, Linux, MacOS, Android. Vulkan разработана консорциумом Khronos Group и предоставляет разработчикам прямой доступ к аппаратным возможностям графических сопроцессоров, обеспечивая высокую производительность и гибкость в управлении графическим рендерингом. Это упрощает создание графических приложений, которые могут работать на нескольких операционных системах.
В результате проведенного эксперимента Кристиану Шаллеру удалось за 4-5 часов и 10 попыток перенести приложение, написанное на GTK2/OpenGL, на новую платформу GTK4/Vulkan. Причем получившиеся в процессе работы коды ему удалось повторно использовать для написания нового приложения для Vulkan, которое отображает на глобусе расположение офисов Red Hat.
В целом он высоко оценил современные возможности ИИ-ассистентов для работы с исходными кодами в сложных проектах и предложил использовать их как минимум для проверки полезности дополнений к Gnome Shell и автоматической генерации исправлений в различных проектах при большом количестве изменений.
| | Эксперимент с использованием генеративного ИИ для переноса приложения с GTK2/OpenGL на GTK4/Vulkan действительно показательный, – заявил TAdviser Роман Хазеев, директор по цифровым технологиям «Ростелекома». – Он важен прежде всего потому, что доведён до завершённого рабочего результата. Но с профессиональной точки зрения это уже не новость: подобные подходы активно применяются в индустрии последние годы, в том числе и в «Ростелекоме». Мы давно используем возможности ИИ для рефакторинга кода, миграции между языками программирования, а также для перехода на новые технологические фреймворки. Например, у нас есть собственная разработка — «Василиса», корпоративный аналог Copilot, который способен работать с задачами подобного уровня. | |
Для российских разработчиков также очень актуальной является задача по переносу исходных кодов разработанных ими программ на другие базовые технологии. Эксперимент с портированием кодов на Vulkan, как кроссплатформенное ПО для графического интерфейса, и особенно его признание лидерами разработки открытых проектов, одним из которых является компания Red Hat могут пригодиться и российским разработчикам.
| | Опыт Кристиана Шаллера более чем применим для российских разработчиков, особенно в контексте работы с открытыми технологиями и миграцией унаследованных проектов на современные платформы, – поделился своим мнением с TAdviser Даниил Смирнов, старший преподаватель лаборатории развития и продвижения компетенций кибербезопасности компании «Газинформсервис». – Пример, представленный Шаллером, направлен на преодоление скептицизма по отношению к ИИ-ассистентам для разработки программного обеспечения. | |
Для российских разработчиков использование ИИ-ассистентов для перехода на современные платформы очень важно, поскольку позволяет перенести графические приложения с устаревшей Windows на более современные операционные системы и другие базовые компоненты.
| | Технологии реинжиниринга лежат на другом уровне абстракции, так что их можно применять для всех библиотек и компонент ПО, – пояснил TAdviser Вадим Сабашный, генеральный директор «Ланит-Терком». – Даже отсутствие исходного кода не становится непреодолимым препятствием. Например, наша компания сейчас занимается применением ИИ-помощников для разработчиков ПО баз данных: мы решаем задачу перевода хранимого кода между наиболее популярными СУБД – PostgreSQL, Oracle и MS SQL Server. | |
Впрочем, сейчас перед российскими программистами стоят достаточно рутинные задачи по переносу кодов с Windows на отечественные операционные системы и базовое программное обеспечение. Использование ИИ-ассистентов может сильно упростить эти задачи.
| | Когда мы говорим о портировании ПО с западных платформ на отечественные, эксперимент Fedora Desktop Team — это не просто красивая демонстрация возможностей языковых моделей, а прямое руководство к действию, – пояснил TAdviser Евгений Никифоров, руководитель группы разработки отдела Java-разработки «Рексофт». – Сегодня большая часть заказчиков в России работает с отечественными Linux-дистрибутивами. Однако подавляющее большинство приложений для них по-прежнему собраны под импортные фреймворки и требуют значительной адаптации. Или же вообще требуют миграции с Windows для того, чтобы полномасштабно заменить и работать на российском ПО. Ручная миграция тянется месяцами, а иногда и годами, потому что требует скрупулезного разбора устаревшего кода, сбора экспертизы и деталей работы аппаратного слоя. | |
Однако и у ИИ-ассистентов есть определенные ограничения. Если рутинные операции по переносу они выполнить еще могут, то разработку архитектуры приложений или оптимизацию кодов им делать достаточно сложно, поскольку эти задачи часто требуют творческих подходов к созданию оптимальных решений.
| | Эксперимент Кристиана Шаллера интересен, но важно понимать его контекст, – считает Сергей Лунегов, директор по продуктам Axiom JDK. – Он демонстрирует потенциал ИИ-ассистентов в задачах миграции графических приложений, где возможны ошибки и нестабильность, и это не критично. Но когда мы говорим о библиотеке или системном компоненте, от которого зависит инфраструктура приложений в промышленной эксплуатации, требования к качеству и предсказуемости совершенно иные. Применимость таких подходов в российском контексте напрямую зависит от уровня зрелости проекта и допустимого риска. | |
Таким образом, российские эксперты подтверждают общую эффективность эксперимента Кристиана Шаллера, который признал перспективность использования ИИ-ассистентов для рутинных операций с исходными кодами, такими как модернизация и рефакторинг (изменение внутренней структуры кода без изменения его функциональных особенностей).
| | ИИ хорошо справляется с «механической» миграцией и автогенерацией шаблонов, но архитектурные решения и проверку нужно оставлять за людьми, – предупредил читателей TAdviser Дмитрий Зборошенко, ML-архитектор «Софтлайн Решения». – Можно проводить такие эксперименты с практически любым кодом, который (а) давно не обновлялся, (б) хорошо документирован и (в) покрыт тестами в достаточном объеме – 80-90% в зависимости от назначения кодовой базы. | |
У российских компаний сейчас достаточно много работы, которая может быть оптимизирована с помощью больших языковых моделей. В частности, нужно модернизировать все отечественные решения, которые базировались на устаревших технологиях.
| | Глядя на наш ландшафт, первыми кандидатами на модернизацию видятся проекты с открытым кодом, где есть устаревшие графические компоненты, – пояснил TAdviser Константин Кудряшов, директор по ИИ инфраструктуре компании Ainergy. – Например научные инструменты визуализации вроде Gnuplot или MathGL, устаревшие десктоп-среды, да и в целом любое нишевое или промышленное ПО, застрявшее на GTK1/2, Qt3 и тому подобном. | |
Причем Константин Галузин, разработчик баз данных и AI-инструментов Simpl Group, отмечает, что остаются еще проекты, которые написаны на устаревших технологиях. К унаследованным платформам, в частности, эксперт отнес jQuery, AngularJS, Backbone.js, PHP без современных фреймворков. Он заявил TAdviser, что ИИ-ассистенты могут использоваться для решения следующих задач:
- Автоматически конвертировать код в React, Vue, Svelte или Solid.js.
- Генерировать TypeScript-типы для нетипизированного JavaScript.
- Рефакторить унаследованный код, заменяя устаревшие API (например, XMLHttpRequest на Fetch или Axios) на более современные.
| | Использование ИИ-ассистентов может существенно ускорить цифровую трансформацию российского ИТ-рынка, особенно в части модернизации устаревших систем, – считает Константин Галузин. – Сегодня значительная доля организаций, в том числе в госсекторе и банковской сфере, по-прежнему работает на базах вроде Delphi, «1С» 7.7, Java 8, PHP 5. Миграция на современные технологии (Python, Go, Kotlin, React) — дорогостоящая и трудоемкая задача. Автоматический рефакторинг сократит затраты на поддержку старых систем. | |
Использование искусственного интеллекта для переноса решений, разработанных для иностранных платформ, на российский технологический стек ускорит решение проблемы цифрового суверенитета и разработки полностью российской экосистемы программной разработки.
| | Важно отдавать себе отчет о сложностях, связанных с оптимальностью кода (в статье приведен негативный пример) и обеспечением безопасности данных, – отметил Кирилл Семион, генеральный директор «Национального центра компетенций по информационным системам управления холдингом» (НЦК ИСУ). – Потенциально - это хорошая возможность получить инструмент для импортозамещения в ИТ-сфере. Например, для перевода приложений с Windows на Linux или с зарубежной мобильной платформы на отечественную. Но, как и любым инструментом, пользоваться им надо рационально и «с открытыми глазами». | |
Сергей Рыбаков, руководитель отдела перспективных проектов «МойОфис», считает, что опыт Кристиана Шаллера применим в России с двумя оговорками. Российская ИТ-отрасль сейчас фокусируется на безопасности. А использование ИИ без ручной валидации кода, выстроенных процессов тестирования и приемки грозит возникновением уязвимостей со всеми вытекающими последствиями в виде финансового и репутационного ущерба. Также российским разработчикам недоступны наиболее актуальные проприетарные модели и сервисы. Это подталкивает их либо создавать собственные решения, либо использование открытые модели, опыт использования которых и продемонстрировал Кристиан Шаллер.
| | Внедрение ИИ-ассистентов кардинально сократит время модернизации с месяцев до часов, обеспечив экспоненциальный рост эффективности разработки, – заявил TAdviser Станислав Ежов, директор по ИИ «Группы Астра». – Интеграция безопасных и доверенных языковых моделей в отечественные платформы разработки катализирует технологическую независимость и ускорит импортозамещение в условиях ограниченного доступа к международным проектам с открытыми кодами. | |
Перед российскими компаниями стоит задача оперативно восполнить программные решения ушедших из нашей страны разработчиков ПО, причем в условиях дефицита кадров. Использование ИИ-ассистентов позволяет решить эту задачу
| | Использование ИИ-ассистентов снизит зависимость от зарубежного ПО, – пояснила Дарья Усачева, инженер по управлению данными в компании SimbirSoft. – Это даёт старым проектам шанс на интеграцию в актуальные технологические стеки. Важно воспринимать ИИ-ассистентов как инструмент в руках разработчика, а не его замену: ответственность за качество и поддержку кода остаётся на человеке. При работе со сложными проектами ИИ пока не справляется с полной структурной аналитикой, но в тандеме с разработчиком существенно повышает эффективность процесса. | |
Впрочем, эксперты отмечают, что сейчас в основном используются западные ИИ-ассистенты, которые пока еще находятся в общем доступе. Использование их в процессе внедрения новых технологий может привязать модернизированные проекты к иностранной инфраструктуре ИИ. Поэтому российским разработчикам лучше опираться в своей работе на российские ИИ-ассистенты, которые сейчас уже разрабатываются и предлагаются.
| | В основе любого ИИ-ассистента лежит языковая модель и набор программных инструментов, – пояснил TAdviser Авенир Воронов, руководитель направления ИИ компании «Дар». – На сегодняшний день большинство российских компаний используют западные решения, а локальные разработчики, создающие LLM, ориентированы преимущественно на крупные корпоративные проекты. У отдельных разработчиков почти нет шансов создать собственные LLM или ассистентов. Поэтому я скептически оцениваю перспективы заметного развития отечественного рынка ПО. Вероятно, появятся небольшие нишевые решения от сильных команд, но глобально российским разработчикам придется конкурировать с Китаем и США, где командам дают ресурсы и время на развитие ИИ-ассистентов, и обновлять старые технологии российским разработчикам будет крайне сложно. | |
Слепые зоны ИИ: Почему тестировщики ПО никогда не останутся без работы в России - TA мнения
Как объяснил главный архитектор сервисов искусственного интеллекта и машинного обучения Cloud X Кирилл Смеловец, на рынке уже существуют ИИ-агенты, способные самостоятельно поднимать тестовую среду, взаимодействовать с пользовательским интерфейсом, собирать логи и формировать отчёты. Однако реальное управление рабочим столом и приложением куда сложнее, чем механическое воспроизведение шагов: модели нужно понимать логику бизнес-процессов, типичные сценарии использования продукта и разнообразие российских окружений, продолжает он. Кроме того, пользователи часто ведут себя нелогично: вводят опечатки, меняют последовательность действий, открывают неожиданные ветки меню.
Смеловец уверен, что в будущем роль классического тестировщика трансформируется: специалист будет настраивать агентов, обучать их на свежих датасетах, валидировать выводы и следить, чтобы модель не деградировала. Финальное решение «выпускать или не выпускать» продукт по-прежнему останется за человеком.
Руководитель отдела тестирования MD Audit (ГК Softline) Николай Кириченко сомневается, что ИИ сможет полностью заменить ручное тестирование — особенно в условиях российских реалий, где часто работают с нестандартизированными интерфейсами, быстро меняющимися требованиями и отраслевой спецификой. Человеческий подход нужен там, где важна контекстуальная оценка, здравый смысл, UX и понимание бизнес-логики. ИИ может ускорять рутину, но критически важные сценарии и финальная проверка останутся за человеком, пояснил собеседник TAdviser.
Основатель нейросети Chad AI Артур Кольцов утверждает, что искусственный интеллект не способен выполнять длинные цепочки действий, поэтому речи о полной замене ручного тестирования быть не может. Например, если задача состоит из 10 шагов, а ИИ выполняет каждый из них с точностью 90%, то вероятность прохождения цепочки — около 34%. Чтобы ИИ смог заменить тестировщиков, точность каждого шага должна составлять не менее 99,9%, при этом новый подход должен быть экономически выгоднее, отмечает Кольцов. Нейросети ускоряют выполнение рутинных задач (помогает с документацией, анализирует ошибки, даже подсказывает возможные баги), но они ещё недостаточно умны — настраивать их должен человек, подчеркнул он.
По мнению руководителя группы продаж отраслевых решений «Первый Бит» Татьяны Конюховой, основными проблемами ИИ в тестировании являются технические ограничения:
- ложные срабатывания: ИИ может неверно интерпретировать результаты тестирования
- зависимость от качества данных: эффективность напрямую зависит от полноты обучающих данных
- сложность настройки: интеграция ИИ-инструментов требует специальных компетенций
- ограниченная интерпретируемость решений: сложность объяснения логики работы современных алгоритмов машинного обучения для конечных пользователей
- риск предвзятости: системы наследуют ошибки из исторических данных.
Автор продукта Solar appScreener Даниил Чернов обращает внимание на то, что проверка качества ПО должна также включать и тестирование информационной безопасности программных продуктов на всех этапах - от разработки до выхода в прод. В этом направлении ИИ вряд ли сможет заменить платформы для комплексной безопасности при разработке приложений, которые включают технологии статического и динамического анализа, анализа состава и цепочки поставок ПО (SAST, DAST, OSA), полагает эксперт.
Руководитель практики тестирования компании «Рексофт» Андрей Мыськин согласен, что ИИ не вытеснит ручное тестирование полностью ни в России, ни в других странах. По его словам, тестирование – во многом творческий процесс, требующий нестандартных решений и взглядов. Специалисту по тестированию, помимо решения сложных инженерных задач, необходимо представлять себя в роли пользователей с абсолютно разными уровнями подготовки, привычками, подходами к работе. Ему нужно мыслить особым образом, представляя потенциальные риски и ограничения, продумывая самые нестандартные и нешаблонные ситуации. К 2025 году развития ИИ-модели не смогут прорабатывать все подобные ситуации, добавил Мыськин.
Игорь Волынец: «Внедрение искусственного интеллекта возможно далеко не в каждом проекте»
Несмотря на преимущества, которые предлагает ИИ, участие человека по-прежнему остается критически важным. Нейросети, как любой инструмент, нуждаются в контроле и корректировке со стороны разработчика, поскольку могут предложить код, который не соответствует специфике проекта или даже содержит ошибки, объясняет член жюри хакатона, эксперт в области обеспечения качества ПО Игорь Волынец. Как изменились возможности ИИ, на всех ли проектах применима технология, с какими ограничениями можно столкнуться при ее внедрении и как преодолеть сопротивление команды — Игорь Волынец рассказал в интервью. Подробнее здесь.
2024: Глава Nvidia: Не учите детей программированию — ИИ заменит разработчиков
В конце февраля 2024 года генеральный директор Nvidia Дженсен Хуанг поделился своим видением перспектив внедрения искусственного интеллекта в области создания программного обеспечения и сервисов. По его мнению, в изучении программирования больше нет необходимости, поскольку в дальнейшем ИИ заменит разработчиков при написании кода.
Автоматизированное создание софта считается одной из наиболее перспективных сфер применения генеративного ИИ (ГенИИ). Такие инструменты не только позволят поднять производительность, но и помогут в повышении качества программного кода и сокращении количества возможных ошибок.
По мнению Хуанга, по мере совершенствования систем ГенИИ потребность в специалистах по программированию будет быстро сокращаться. А поэтому глава Nvidia не считает необходимым обучать детей навыкам написания кода — в дальнейшем эти задачи сможет полностью взять на себя ИИ. Человеку достаточно будет сформулировать задание на естественном языке.
| | Наша задача заключается в том, чтобы создать такую вычислительную среду, в которой никому не придется программировать. Все в мире станут программистами. Это чудо искусственного интеллекта, — говорит Хуанг. | |
На фоне стремительного развития ГенИИ, по мнению гендиректора Nvidia, людям следует сосредоточиться на приобретении знаний и навыков в других важных областях, таких как биотехнологии, образование, производство и сельское хозяйство. Заявления Хуанга противоречат устоявшемуся мнению о том, что «если молодой человек хочет добиться успеха в ИТ-отрасли, он должен научиться программировать». Тем не менее, по состоянию на конец февраля 2024 года существуют различные помощники программиста на базе ИИ, которые генерируют код в ответ на текстовые запросы и оказывают поддержку при решении тех или иных проблем.[3]
2017: Андрей Карпати: машинное обучение и нейронные сети буду помогать разрабатывать Software 2.0
Андрей Карпати (Andrej Karpathy), директор направления «Искусственный интеллект» в Tesla, в статье 2017 года указал на то, что приходит время нового программного обеспечения – Software 2.0. Оно будет на порядок сложнее существующих разработок и его будут помогать разрабатывать машинное обучение и нейронные сети.
По его мнению, модели машинного обучения находят важные функции и закономерности в данных, а области, которые больше всего выигрывают от программного обеспечения 2.0, включают компьютерное зрение, распознавание речи, машинный перевод, игры, робототехнику и базы данных.
Недавний анализ Forrester Research указывает что рынок заказной разработки ПО вырос до 1,25 трлн долларов США, а Кэмбриджский университет добавляет, что 50% работ тратится на компиляцию кода и исправление ошибок. С помощью искусственного интеллекта можно значительно сократить эту часть работ.
Искусственный интеллект в разработке мобильных приложений
В области мобильной разработки ИИ предоставляет разработчикам новые возможности. Прежде всего, это связано с тем, что использование ИИ помогает привлечь к использованию приложения большее количество пользователей.
Инструменты ИИ автоматически выполняют определенные алгоритмы, гарантирующие, что все больше пользователей начнут использовать это приложение. Например, AI может отслеживать закономерности и предпочтения своих пользователей, прогнозировать их будущие решения и выбор и работать соответствующим образом. Это дает разработчикам возможность очень оперативно вносить изменения в новые версии приложений.
Растущая популярность интеллектуальных устройств подстегнула и рост использования искусственного интеллекта в разработке операционных систем и пользовательских интерфейсов. А потребность в доступности мобильных приложений, которые создают персонализированный опыт пользователей, растет день ото дня. Искусственный интеллект выступает как персональный виртуальный помощник, приложение может фиксировать большое количество пользовательских действий.
Таким образом, искусственный интеллект становится ценным источником обратной связи для разработчиков, которые могут в сжатые сроки реализовывать выявленные потребности пользователей.
Вайб-кодинг (Vibe coding)
Основная статья: Вайб-кодинг (Vibe coding)
Инструменты ИИ для разработки программного обеспечения
Растущее количество инструментов на базе ИИ поддерживает процессы разработки программного обеспечения. Часть из этих решений доступна бесплатно. Ведущие технологические вендоры используют подобные инструменты и предлагают их своим клиентам в виде дополнительных продуктов (plug-in).
Facebook использует рекомендательный сервис для исправления ошибок и улучшения кода. Последние проекты IBM Mono2Micro и Application Modernization Accelerator (AMA) предоставляют архитекторам приложений инструменты для обновления устаревших приложений и повторного их применения. А Microsoft в 2021 году объявила, что интегрирует технологии искусственного интеллекта со своим языком программирования Power Fx, который применяется в разработке приложений на платформе Power Platform. Это позволит клиентам компании создавать программы практически без необходимости написания кода.
В России активно использует ИИ для создания программных продуктов Сбер. В июле 2021 года Sber AI зарегистрировала в Роспатенте программу, позволяющую искусственному интеллекту распознавать и анализировать объекты в виртуальной реальности, следует из материалов ведомства.
Согласно опросу Forrester, 37% респондентов признали, что они используют ИИ для более эффективного процесса тестирования и разработки.
Однако есть и другая сторона у ИИ-продуктов для разработки ПО. Команды, которые используют инструменты для улучшения кода, могут сначала испытывать падение продуктивности, так как ИИ-продукты требуют навыков и умения с ними обращаться. Лишь после глубокого погружения, они способны выдавать точные рекомендации для оптимизации разработки ПО.
2025
Microsoft заменит на ИИ сотни разработчиков, которые помогли его создать
В середине июля 2025 года стало известно о том, что Microsoft увольняет около 200 сотрудников игровой студии King, которая стоит за популярной мобильной игрой Candy Crush Saga. Эти разработчики будут заменены искусственным интеллектом, в создании которого и принимали участие. Подробнее здесь.
Индийский ИТ-специалист за 4 года успел поработать в 80 компаниях — за него работали джуны и нейросети
Программист из Индии Сохам Парекх за четырехлетний период сумел трудоустроиться в восемьдесят различных технологических компаний, при этом не выполняя фактически никаких рабочих обязанностей и делегируя задачи искусственному интеллекту. Специалист получал заработную плату, не производя реальной работы, а после увольнения за неэффективность немедленно устраивался в новые организации по аналогичной схеме. Информация о мошеннической деятельности стала известна 3 июля 2025 года. Подробнее здесь
МТС запустила бесплатный сервис для написания компьютерного кода. Он использует большую языковую модель с 1,5 млрд параметров
В июне 2025 года МТС запустила бесплатный ИИ-сервис Kodify Nano для генерации программного кода, построенный на языковой модели с объёмом 1,5 млрд параметров. Продукт ориентирован на разработчиков, которым требуется локальный инструмент без доступа к облачным мощностям. Как утверждают разработчики, их решение позволяет тестировать базовые сценарии прямо на пользовательских устройствах и входит в стратегию по развитию отечественных цифровых продуктов. Подробнее здесь.
Разработчики Amazon жалуются, что работа после внедрения ИИ становится монотонной «как у складских сотрудников»
Amazon активно внедряет технологии искусственного интеллекта, в том числе в области написания программного кода. Однако разработчики компании жалуются, что из-за такого подхода их деятельность становится монотонной «как у складских сотрудников». Об этом говорится в статье газеты The New York Times, опубликованной в конце мая 2025 года. Подробнее здесь
Google выпустила нейросеть, которая создает веб-приложения
6 мая 2025 года компания Google анонсировала модель искусственного интеллекта Gemini 2.5 Pro (I/O Edition), которая обладает улучшенными возможностями генерации программного кода, особенно в плане создании интерактивных веб-приложений. Доступ к нейросети предоставляется через программный интерфейс Gemini API, а также через платформы Vertex AI и AI Studio. Подробнее здесь.
Выпущен ИИ-сервис для генерации полноценных приложений без навыков программирования
В конце апреля 2025 года стартап Adaptive Computer запустил новый сервис на основе искусственного интеллекта, позволяющий генерировать полноценные приложения без навыков программирования. Компания привлекла на развитие $7 млн в рамках «посевного» раунда финансирования. Подробнее здесь.
Запущен генератор сайтов по текстовому описанию — он копирует существующий интерфейс по ссылке
В конце марта 2025 года заработал интернет-сервис Same.new на базе искусственного интеллекта, который позволяет генерировать веб-сайты по текстовому описанию. При этом может быть скопирован интерфейс уже существующего ресурса по указанной пользователем ссылке. Подробнее здесь.
Глава ИИ-компании Anthropic: Через год 100% программного кода будет писать искусственный интеллект
Искусственный интеллект сможет полностью взять на себя работу по написанию основного программного кода в 2026 году. Такое заявление в середине марта 2025-го сделал Дарио Амодей (Dario Amodei), генеральный директор компании Anthropic, которая специализируется на технологиях генеративного ИИ.
По его словам, программирование является одной из самых быстроразвивающихся областей для ИИ. Амодей считает, что в течение трех–шести месяцев (к июню–сентябрю 2025 года) искусственный интеллект будет способен генерировать до 90% программного кода в рамках поставленной задачи, а еще спустя полгода этот показатель достигнет 100%.
Тем не менее, ИИ не сможет полностью заменить специалистов-людей. Программисты по-прежнему будут играть ключевую роль в разработке концепции приложения, определении необходимой функциональности и принятии окончательных решений. Амодей, ранее занимавший пост вице-президента по исследованиям в компании OpenAI, подчеркивает, что участие человека-программиста в процессе создания ПО останется необходимым, но ИИ постепенно возьмет на себя многие задачи, которые раньше выполняли люди. Предполагается, что такой подход расширит возможности в плане разработки софта, а также позволит решить многие проблемы, связанные с человеческим фактором. Кроме того, в будущем процесс программирования может быть переведен на естественный язык, что изменит методы создания софта и требования к специалистам.
В целом, Амодей призывает пересмотреть определения «полезности» и «бесполезности» искусственного интеллекта. Он верит в возможность построения мира, в котором ИИ будет дополнять возможности человека, беря на себя трудоемкие и рутинные операции. При этом люди смогут сосредоточиться на более творческих задачах.[4]
GPT-4o и другие нейросети не справляются с большинством задач по программированию — исследование OpenAI
Большие языковые модели (LLM) значительно упрощают и ускоряют написание программного кода, однако они не способны самостоятельно справляться с большинством задач по программированию. Об этом говорится в исследовании OpenAI, результаты которого опубликованы в середине февраля 2025 года.
Специалисты OpenAI разработали бенчмарк под названием SWE-Lancer для оценки возможностей LLM по решению реальных задач в области разработки софта. Тест показал, что ИИ-модели способны исправлять ошибки, однако они не в состоянии понять, почему возникают эти баги. В результате, нейросети в процессе работы могут допускать собственные ошибки.
В ходе исследования анализировались ИИ-модели OpenAI GPT-4o и OpenAI o1, а также Anthropic Claude-3.5 Sonnet. Этим нейросетям было поручено решение 1488 задач по разработке программного обеспечения с платформы для фрилансеров Upwork на общую сумму $1 млн. Все задания были разделены на две категории: индивидуальные задачи для исполнителей (устранение ошибок или реализация функций) и управленческие задачи (где модель играет роль менеджера, выбирающего лучшие предложения для решения проблем).
Бенчмарк показал, что ни одна из моделей не смогла полностью решить задачи и заработать $1 млн. Лучший результат показала Claude 3.5 Sonnet, которая потенциально могла бы получить около $208 тыс., справившись с 26,2% заданий исполнителей. Исследователи подчеркивают, что большинство решений нейросетей неверны. Тест показывает, что базовые ИИ-модели по состоянию на февраль 2025 года не могут полностью заменить программистов-людей.
| | Результаты демонстрируют, что реальные фриланс-задачи в нашем бенчмарке остаются сложными для передовых языковых моделей, — говорится в исследовании OpenAI.[5] | |
2024
Россия заняла 5-е место по использованию ИИ в программировании
Разработчики программного обеспечения из США чаще всех в мире используют инструменты на основе искусственного интеллекта для генерации кода. Россия в этом рейтинге оказалась на пятой позиции. Такие данные содержатся в исследовании, результаты которого опубликованы в середине июня 2025 года.
Как сообщает The Register, авторами работы являются Симона Даниотти (Simone Daniotti), Йоханнес Вакс (Johannes Wachs), Сяннань Фэн (Xiangnan Feng) и Фрэнк Неффке (Frank Neffke). Они разработали специальную модель машинного обучения для анализа коммитов на GitHub. После этого были проанализированы примерно 80 млн образцов кода, добавленных в период с 2018-го по 2024 год.
Оказалось, что 30,1% от всех функций, написанных на языке программирования Python и добавленных на GitHub разработчиками из США в 2024 году, были сгенерированы посредством ИИ. На втором месте в списке находится Германия с показателем 24,3%, а замыкает тройку Франция с результатом 23,2%. Далее идут программисты из Индии с 21,6%, тогда как показатель разработчиков из России составил 15,4%. Результат Китая — 11,7%.
По мнению авторов исследования, после того как доля сгенерированного посредством ИИ кода в общей массе превысит 30%, квартальные объемы коммитов на GitHub возрастут на 2,4%. Иными словами, ИИ позволяет ускорить работу программистов. Причем потенциальная экономическая выгода от повышения показателей эффективности с помощью ИИ оценивается в сумму от $64 млрд до $96 млрд в год.
Вместе с тем исследователи признают, что их методология подсчета имеет определенные ограничения. Это, в частности, оценка коммитов исключительно на Python без учета других языков программирование. Кроме того, не рассматривается статистика по другим репозиториям кода.[6]
Выпущен специальный ноутбук для программиста, который пишет и проверяет код
В конце ноября 2024 года компания Mechanical Revolution анонсировала ноутбук Code AI, разработанный специально для программистов. В состав портативного компьютера входит ассистент на основе искусственного интеллекта, предназначенный для автоматического написания кода. Подробнее здесь
20% российских ИТ-компаний используют генеративный ИИ при разработке ПО
По данным ассоциации «Руссофт», около 20% отечественных разработчиков программного обеспечения в 2024 году применяют генеративный искусственный интеллект при создании софта. Этот показатель демонстрирует устойчивый рост с 7,9% в 2022 году и 15% в 2023 году, о чем стало известно 20 ноября 2024 года.
Как передает «Коммерсантъ», рост использования ИИ происходит на фоне дефицита кадров в отрасли, который может достичь 1 млн человек в 2024 году. Средняя заработная плата в секторе увеличилась на 12,5%, достигнув ₽123 тыс.
Президент «Руссофта» Валентин Макаров отмечает, что искусственный интеллект достиг уровня, позволяющего технически заменить разработчиков начального уровня. Это становится экономически целесообразным для небольших компаний из-за низкой квалификации начинающих специалистов и общего роста зарплат.
Технический директор РТК ИТ Кирилл Пихтовников подчеркивает, что разработка с помощью ИИ и автоматизации процессов стала приоритетным направлением для инвестиций российских ИТ-компаний. В «Ростелекоме» внедряют подобные технологии для оптимизации рутинных операций.
Параллельно в России на 40% увеличился спрос на платформы с готовыми инструментами для создания ИТ-проектов. По данным агентств Smart Ranking и Nocodecircle, объем этого рынка к концу 2024 года может достичь ₽3,5 млрд.
Генеральный директор Softlogic Денис Логинов указывает на потенциальные риски при использовании ИИ в разработке. При усложнении поставленных задач могут возникнуть проблемы с интерпретацией их нейросетями, что отразится на интеграции и безопасности итогового кода.
Министерство цифрового развития России рассматривает тренд на использование ИИ как естественный этап оптимизации и внедрения новых технологий, не связывая его напрямую с кадровым дефицитом отрасли.[7]
Больше четверти кода Google пишет искусственный интеллект
Корпорация Google активно развивает технологии искусственного интеллекта, формируя всеобъемлющую инфраструктуру, которая охватывает самые разные сферы — от дата-центров и аппаратных решений до оптимизации поиска и автоматической генерации программного кода. О достижениях в соответствующей области 29 октября 2024 года рассказал генеральный директор Google Сундар Пичаи. Подробнее здесь .
МТС запустила нейросеть для генерации программного кода Kodify
22 октября 2024 года стало известно о том, что компания MTS AI представила общедоступную версию нейросетевого сервиса Kodify для автоматической генерации программного кода. Сервис позволяет разработчикам создавать и тестировать фрагменты кода, используя технологии искусственного интеллекта для автодополнения. Подробнеездесь.
«Яндекс» запустил сервис для генерирования программного кода Yandex Code Assistant
12 сентября 2024 года компания «Яндекс» объявила о запуске нового сервиса Yandex Code Assistant, предназначенного для автоматической генерации программного кода на основе искусственного интеллекта. Сервис, разработанный для упрощения работы программистов, уже доступен в режиме тестирования на платформе Yandex Cloud. Ожидается, что Yandex Code Assistant станет частью более широкой платформы, предназначенной для создания, развертывания и сопровождения цифровых продуктов. Подробнее здесь
Google запустила бесплатный ИИ-инструмент для написания кода
9 апреля 2024 года компания Google представила бесплатный инструмент Gemini Code Assist на основе искусственного интеллекта, предназначенный для оказания помощи в написании программного кода. Эта система получила функцию автоматического завершения строк. Подробнее здесь.
Запущена открытая нейросеть, которая пишет программный код по голосовым командам
12 марта 2024 года стартап Cognition Labs анонсировал систему Devin — специализированную нейросеть, способную самостоятельно выполнять комплексные задачи по разработке программного обеспечения. Утверждается, что это первый в отрасли инженер-программист со средствами искусственного интеллекта. Подробнее здесь.
2023
Объем мирового рынка генеративного ИИ для разработки ПО за год вырос до $2,1 млрд
В 2023 году затраты на глобальном рынке генеративного искусственного интеллекта (ГенИИ) для разработки программного обеспечения достигли $2,1 млрд. Это практически на треть больше по сравнению с 2022-м, когда расходы оценивались в $1,6 млрд. Такие данные приводятся в исследовании Market Research Future, результаты которого опубликованы в начале декабря 2024 года. Подробнее здесь.
10% разработчиков ПО в мире пользуются ИИ-помощниками по программированию
По состоянию на 2023 год различными помощниками по программированию на базе искусственного интеллекта пользуются приблизительно 10% разработчиков программного обеспечения в глобальном масштабе. А примерно 63% организаций в мире тестируют или внедряют ИИ-инструменты по созданию кода. Об этом говорится в исследовании Gartner, результаты которого опубликованы 11 апреля 2024 года. Подробнее здесь.
Примечания
- ↑ AI code assistants make developers more efficient at creating security problems
- ↑ Artificial Intelligence and the Linux Community
- ↑ Nvidia CEO Jensen Huang's message to kids: generative AI means you don't need to learn coding
- ↑ Anthropic CEO: AI to Handle 90% of Coding in 3-6 Months
- ↑ AI can fix bugs—but can’t find them: OpenAI’s study highlights limits of LLMs in software engineering
- ↑ American coders are most likely to use AI
- ↑ Найден код
