Новости
Айсорс представил подход к разработке с ИИ на TeamLead Siberia-2026
Айсорс представил подход к разработке с ИИ на TeamLead Siberia-2026
Руководитель Центра технологического развития Айсорс Дмитрий Архипов выступил на конференции TeamLead Siberia-2026, которая прошла 10-11 сентября в Новосибирске. Главной темой деловой программы стала ИИ-трансформация: изменение процессов, команд и управленческих практик при внедрении искусственного интеллекта.
В докладе «AI-based SDLC: новый уровень организации Enterprise-разработки и новые роли команд» эксперт представил подход к организации жизненного цикла разработки с использованием ИИ. В его основу лёг практический опыт Айсорс по внедрению искусственного интеллекта в процессы разработки. Основное внимание было уделено переходу от повышения личной продуктивности отдельных специалистов к устойчивому, воспроизводимому эффекту на уровне компании.
Одинаковые ИИ-инструменты могут давать сотрудникам разный результат. Во многом он зависит от умения понимать бизнес-цель, собирать необходимый контекст, разбивать задачу на этапы и проверять качество выполнения. Представленный подход дополняет обучение команд переносом практик сильных инженеров в сам процесс разработки, позволяя масштабировать не только применение инструментов, но и эффективные способы работы.
В модели AI-based SDLC для каждого этапа определены исходные данные, контекст, ожидаемый результат и критерии качества. Языковая модель работает в заданных границах, а последовательность действий, проверки и переходы между этапами определяет управляемая система. Это позволяет автоматизировать выполнение подходящих задач от постановки до подготовки изменений к проверке. При этом ответственность за архитектуру, оценку рисков и принятие результата сохраняется за человеком.
Такой подход меняет и распределение ролей в команде. Инженер управляет прохождением задачи через жизненный цикл разработки, организует работу ИИ-инструментов и отвечает за конечный результат. Тимлид выстраивает взаимодействие людей и ИИ: определяет границы автономности, контрольные точки, зоны ответственности и метрики. Техническая экспертиза остаётся основой для принятия решений и контроля качества.
Отдельной темой выступления стало поэтапное внедрение модели. Начинать целесообразно с одного класса повторяющихся задач с понятными критериями приёмки и тестами, например с исправления дефектов или локальных доработок. Расширять автономность следует после оценки результатов, учитывая не только скорость разработки, но и нагрузку на проверку изменений, затраты и пользу для бизнеса. Неясные требования и недостаток контекста остаются важными ограничениями для применения подхода.
В докладе «AI-based SDLC: новый уровень организации Enterprise-разработки и новые роли команд» эксперт представил подход к организации жизненного цикла разработки с использованием ИИ. В его основу лёг практический опыт Айсорс по внедрению искусственного интеллекта в процессы разработки. Основное внимание было уделено переходу от повышения личной продуктивности отдельных специалистов к устойчивому, воспроизводимому эффекту на уровне компании.
Одинаковые ИИ-инструменты могут давать сотрудникам разный результат. Во многом он зависит от умения понимать бизнес-цель, собирать необходимый контекст, разбивать задачу на этапы и проверять качество выполнения. Представленный подход дополняет обучение команд переносом практик сильных инженеров в сам процесс разработки, позволяя масштабировать не только применение инструментов, но и эффективные способы работы.
В модели AI-based SDLC для каждого этапа определены исходные данные, контекст, ожидаемый результат и критерии качества. Языковая модель работает в заданных границах, а последовательность действий, проверки и переходы между этапами определяет управляемая система. Это позволяет автоматизировать выполнение подходящих задач от постановки до подготовки изменений к проверке. При этом ответственность за архитектуру, оценку рисков и принятие результата сохраняется за человеком.
Такой подход меняет и распределение ролей в команде. Инженер управляет прохождением задачи через жизненный цикл разработки, организует работу ИИ-инструментов и отвечает за конечный результат. Тимлид выстраивает взаимодействие людей и ИИ: определяет границы автономности, контрольные точки, зоны ответственности и метрики. Техническая экспертиза остаётся основой для принятия решений и контроля качества.
Отдельной темой выступления стало поэтапное внедрение модели. Начинать целесообразно с одного класса повторяющихся задач с понятными критериями приёмки и тестами, например с исправления дефектов или локальных доработок. Расширять автономность следует после оценки результатов, учитывая не только скорость разработки, но и нагрузку на проверку изменений, затраты и пользу для бизнеса. Неясные требования и недостаток контекста остаются важными ограничениями для применения подхода.