Инженер управляет, агент исполняет: как меняется разработка в эпоху ИИ. Репортаж с ГигаКонф 2026

16 октября в штаб-квартире Сбера прошёл инженерный день ГигаКонф 2026. Сотни разработчиков, архитекторов и технических руководителей приехали на площадку. Кто не смог быть очно - смотрели трансляцию онлайн.

Корреспондент «Код.ру» побывал на конференции и узнал, как ИИ-агенты доводят задачу от замысла до работающего результата и что вокруг них меняется: процессы, инструменты и сами команды.

Солончак, трасса и центр города

Конференцию открыл Кирилл Меньшов, старший вице-президент,  руководитель блока «Технологии» Сбера. Начал он с важной  для отрасли мысли. Российская инженерная школа исторически опиралась на сильную математику, а новая разработка устроена иначе.

«Новая разработка — это агентная разработка. Это оркестрация, работа с искусственным интеллектом. И там уже нет математики в основе. Если мы с вами не совершим качественный скачок, причём не только в крупных компаниях, но и во всей ИТ-индустрии, мы можем лишиться того актива, который так сильно драйвит всю страну, — наших инженеров и разработчиков», — сказал Меньшов.

Почему у одних команд агентная разработка даёт кратный рост, а у других почти ничего не меняет, Меньшов объяснил через сравнение с вождением. Pet-проект — это езда по солончаку: любое направление, любая скорость, полная свобода, здесь хватает вайб-кодинга. Стартап похож на загородную трассу: светофоров мало, и скорость зависит от мощности машины. Крупная компания — это центр города: соседние команды, проверки безопасности, аудиты, журналирование. «Машины одни и те же, а взаимодействие между ними разное», — резюмировал он.

Цифры у Сбера впечатляют. В сентябре банк выпустил на 70% больше разработки, чем годом ранее. ИИ в работе используют все инженеры. В августе ежемесячное потребление токенов в генеративной разработке достигло 9 трлн.

Как это выглядит изнутри, рассказал Рафаел Тонаканян, директор дивизиона развития и сопровождения производственного процесса SberWorks. «Фактически мы перешли в почти автономную разработку: агенты пишут до 90% кода. Каждая роль в команде сейчас, по сути, пытается агентизировать свою работу, чтобы агентный конвейер мог проходить от идеи до реального внедрения в продакшн без ручного труда», — говорит он.

В новой модели, по словам Меньшова, процесс делится на две петли. Человек отвечает за петлю намерения, то есть формулирует спецификацию и контролирует результат. ИИ отвечает за петлю реализации. Ключевым артефактом становится спецификация. И предостережение: ИИ позволяет за короткое время собрать двадцать MVP, но потом из них нужно выбрать один и довести до конца, иначе у клиентов будут бесконечно переезжать кнопки.

Меняется и устройство команд. «Команды радикально меняются. Мы переходим к концепции Tiny Team и Enabling Team. Основная команда становится меньше по размеру, а часть её рутинных операций забирают на себя Enabling Team, которая обслуживает несколько маленьких Tiny Team. Tiny Team в первую очередь фокусируется на создании ценности, то есть фичей, и делает это при помощи большого количества агентов на каждом этапе производственного процесса», — объясняет Тонаканян.

От разработки к эксплуатации

Главным методологическим анонсом дня стала AI-Disrupt PSLC (Product Service Life Cycle). Это продолжение руководства AI-Disrupt PDLC, которое Сбер выпустил летом. Теперь тот же подход распространяется на эксплуатацию систем.

Логика такая: агенты следят за работой сервиса, замечают отклонения в реальном времени и исправляют их в границах, которые задал человек. Задачи с высоким риском и низкой обратимостью остаются за людьми, с низким риском и высокой обратимостью можно отдать агентам. Меньшов отдельно подчеркнул, что развивать разработку и эксплуатацию нужно одновременно. Если ускорять только разработку, эксплуатация перестанет за ней успевать.

Насколько близка система, которая сама находит и исправляет свои ошибки? «В принципе это уже сейчас возможно. Конечно, все команды в таком режиме не работают, поскольку одновременно с починкой можно что-то и сломать. Но сегодняшнее качество моделей позволяет выстраивать такие конвейеры», — считает Рафаел Тонаканян.

Андрей Белевцев, старший вице-президент, руководитель блока «Технологическое развитие» Сбера, напомнил, как быстро всё произошло.

«В этом году в Сбере, наверное, не осталось ни одного инженера, который не использует генеративный ИИ в своей разработке. И это за один год. Ровно год назад ещё не было такого уровня качества мультиагентных систем», — сказал он.

По словам Белевцева, многие компании уже автоматизировали отдельные операции. Следующий этап — автономные функции, где агент выполняет задачу целиком. В перспективе на этих принципах могут строиться автономные организации, но крупные компании будут двигаться к ним постепенно, функция за функцией.

Сбер развивает для этого три семейства продуктов: ГигаАгент, GigaCowork и GigaCode. Для них на GitVerse появился общий репозиторий навыков, где можно накапливать и переиспользовать удачные сценарии. Белевцев также говорил о технологической независимости: «Мы знаем, какие пробелы у нас пока есть по сравнению с передовыми моделями. Но главное — мы построили команду и процесс разработки, благодаря которому можем регулярно, в запланированные сроки выпускать новые версии. А значит, мы можем обеспечить производственные команды собственными инструментами, которые у них никто никогда не отнимет».

Инструменты для всех

Сквозной сюжет продуктовых анонсов: инструменты, которые раньше были у крупных корпоративных клиентов, Сбер открывает для частных разработчиков и небольших команд.

• GigaStudio вышла в публичный доступ. Сервис собирает сайты и веб-приложения по текстовому описанию, весь путь от идеи до готового проекта занимает до семи минут. Править страницу можно прямо в браузере, описывая изменения словами. Впервые сервис показали на ГигаКонф год назад, с тех пор ранний доступ получили более 30 тысяч человек.
• Агентный конвейер GitVerse получил около 20 новых функций и облачную версию для частных пользователей. Агента можно назначить исполнителем задачи так же, как коллегу. Для запуска нужен только API-ключ от модели, работает схема Bring Your Own Key.
• GigaIDE теперь распространяется единым дистрибутивом: переключаться между бесплатным режимом Community и режимом Pro можно без переустановки.
• GigaCode Desktop, мультиагентное приложение, в котором группа специализированных агентов совместно ищет информацию, анализирует документы и готовит отчёты, стало доступно индивидуальным пользователям. Внутри Сбера у приложения уже 4 тысячи ежедневных пользователей. Кроме того, GigaCode интегрировали с платформой red_mad_router, через которую можно подключать модели разных провайдеров.
• Giga Agentic RPA научилась превращать текстовое описание задачи в готовую схему бизнес-процесса с роботами и ИИ-агентами. Путь от идеи до первого прототипа сокращается с нескольких недель до нескольких часов.

Самым важным анонсом дня Тонаканян назвал автономный агентный конвейер GitVerse. Десктопное приложение GigaCode, по его словам, снижает порог входа для остальных ролей в команде, а для тех, кто не пишет код, но хочет собирать прототипы и веб-решения, Сбер развивает GigaStudio.

Двигатель и всё остальное

Отдельный трек был посвящён harness, инженерной обвязке вокруг модели. Если объяснять просто: сама языковая модель умеет только принимать текст и выдавать текст. Всё остальное делает окружение: решает, какие данные попадут в контекст, какие инструменты доступны агенту, как проверяются его действия и что происходит при ошибке.

Насколько это важно, показал Cowork Bench, первый в России открытый бенчмарк для оценки ИИ-агентов на офисных задачах. Его представила команда GigaCowork. В бенчмарке 475 сквозных бизнес-задач из 12 функциональных подразделений. Например, проанализиро вать бюджет четырёх подразделений, объяснить отклонения, подготовить отчёт с презентацией и разослать письма. Или организовать командировку: подобрать сотрудников и билеты, посчитать бюджет, поставить встречи в календарь.

«Отличительная черта Cowork Bench — он содержит российские задачи, которые реально решает наш бизнес, и использует те же системы, которыми пользуются компании. Поэтому он максимально адаптирован для нашего рынка: харнессы, которые протестируют на этом инструменте, покажут эффективность, релевантную российскому рынку», — рассказал Даниэль Ишмаев, руководитель отдела разработки GigaCowork.

Разработчики прогнали через бенчмарк девять агентных оболочек, в том числе Claude Code, Codex CLI и OpenHands, на одной и той же модели. Доля выполненных задач колебалась от 62% до 80% в зависимости от обвязки. GigaCowork справился с 75,2% задач и вошёл в число лидеров.

Ишмаев объяснил результат через ту же автомобильную метафору, что звучала на открытии: «Модель важна так же, как важен двигатель в автомобиле, но это только составляющая часть. Харнесс и модель работают вместе, но нельзя ориентироваться только на модель и её показатели в бенчмарках: только харнесс гарантирует, что задачи бизнеса будут решены хорошо».

Тему развили и другие спикеры трека. Независимый эксперт Александр Поломодов рассказал, почему после каждого обновления модели часть обвязки становится лишней, а контроль доступа нельзя доверять даже самой сильной модели. Альфа-Банк показал разницу между «мягкими» правилами, которые агент может проигнорировать, и «жёсткими» проверками, обойти которые он не в состоянии.

Сильный станет сильнее

Самый «человечный» трек дня был посвящён AI-native-организации. Леонид Новожилов, директор департамента ИТ индустрии здоровья и образования Сбера, начал с того, ради чего вообще затевается трансформация. Компании рассчитывают на кратный рост производительности инженеров, и это задача совсем другого масштаба, чем привычный прирост на десятки процентов в год. Одновременно специалистам приходится разбираться во множестве новых инструментов и компетенций, чтобы оставаться востребованными завтра.

Главный навык, по словам Новожилова, — агентная разработка: умение построить производственный цикл, где ИИ стоит в центре, а инженер работает с намерением и описывает его на языке машиночитаемой спецификации. Но инструменты сами по себе не уравнивают специалистов.

«ИИ усиливает сильного инженера и ослабляет слабого. Сильный инженер, который понимает ограничения агентной среды и особенности производственного цикла, может использовать её, чтобы кратно вырасти в производительности при сохранении уровня качества. А слабому инженеру, который не понимает, как писать хороший и отказоустойчивый код, что такое кибербезопасность, будет довольно сложно оркестрировать агентную среду. Такого инженера ИИ ослабит с точки зрения качества результата. А хорошего инженера ИИ по-настоящему делает кратно сильнее», — говорит Новожилов.

ПДД для ИИ

ГигаКонф стал местом, где люди, которые своими руками меняют отрасль, могут сверить опыт. Разработчики крупных банков, технологических компаний и стартапов приходят сюда со своими задачами и обнаруживают, что упираются в похожие ограничения: как выстроить обвязку для агентов, как измерять их эффект, как перестроить команды и не потерять качество.

Такие встречи помогают отрасли договориться об общих правилах: какие задачи можно доверить агентам, где человек должен оставаться в контуре и как оценивать результат. «Мы обмениваемся опытом, чтобы вся ИТ-индустрия развивалась быстрее и повышала свою конкурентоспособность», — говорил на открытии Кирилл Меньшов.

Если вернуться к его метафоре, машины у всех участников рынка теперь примерно одинаковые. Скорость будет зависеть от того, насколько слаженно они научатся двигаться по общим дорогам. На таких площадках сегодня и прокладываются контуры этих дорог.

Реклама. ПАО Сбербанк. erid: 2VtzqwCjcgd