Российскому рынку не хватает порядка миллиона ИТ-специалистов. Уход зарубежных вендоров и курс на импортозамещение разом подняли спрос на разработчиков, а отток кадров в 2022 году усилил разрыв. Зарплаты senior-инженеров растут быстрее бюджетов проектов, сроки найма middle-разработчика доходят до трёх-четырёх месяцев. Простое решение – «нанять ещё людей» – больше не работает: людей нет. Остаётся повышать отдачу тех, кто уже в команде. Здесь ИИ-инструменты дают измеримый эффект.

Где ИИ реально ускоряет разработку

Речь не о замене инженеров, а о снятии рутины. Ассистенты кода вроде локально разворачиваемых моделей и сервисов автодополнения берут на себя шаблонный код, написание тестов, разбор незнакомых участков и черновую документацию. По нашим замерам на коммерческих проектах команда экономит 20–40% времени на типовых задачах – CRUD-слоях, миграциях, парсерах, обвязке интеграций.

Второй пласт – не сам код, а сопровождающая работа. ИИ генерирует черновики технических заданий, протоколы встреч, описания API, ответы на тикеты поддержки. Этот эффект мы подробно разбирали в материале про автоматизацию работы с документами: высвобожденные часы аналитиков и тимлидов конвертируются в скорость поставки.

Третий – ревью и качество. Модель подсказывает уязвимости, находит дублирование, предлагает рефакторинг. Это не отменяет ручное ревью, но сокращает число итераций между разработчиком и ревьюером.

Ограничения, которые нельзя игнорировать

В B2B и госсекторе важнее всего вопрос данных. Отправлять исходный код или персональные данные во внешние облачные сервисы недопустимо – это противоречит и политикам безопасности, и требованиям к защите информации. Поэтому мы используем модели, разворачиваемые в контуре заказчика или в доверенной инфраструктуре, без выхода кода наружу. Для проектов из реестра отечественного ПО, рост которого мы разбирали ранее, это вопрос соответствия, а не удобства.

Второе ограничение – качество вывода. ИИ уверенно генерирует правдоподобный, но неверный код. Без квалифицированного инженера, который проверяет результат, инструмент превращается в источник скрытых дефектов. Продуктивность растёт только там, где есть зрелый процесс ревью и тестирования.

Третье – ИИ не закрывает дефицит senior-компетенций. Он усиливает middle-разработчика, но не заменяет архитектора. Стратегические решения, проектирование сложных систем, выбор технологического стека – всё это остаётся за людьми.

Как внедрить без иллюзий

Начните с узких сценариев, где ошибка дёшева: генерация тестов, документации, типового кода. Замерьте время на задачах до и после – без цифр оценить эффект невозможно. Закрепите правила: что можно подавать в модель, а что нет; кто отвечает за проверку результата.

Параллельно решается кадровая задача с другой стороны. Та же логика стоит за переходом на отечественные стеки и разработкой мобильных решений в рамках импортозамещения: меньше зависимости от дефицитных узких специалистов, больше повторно используемых наработок. Эффект проявляется тогда, когда ИИ встроен в конвейер разработки бизнес-систем, а не висит сбоку как игрушка для энтузиастов.

Вывод

Дефицит кадров не лечится наймом – рынок пуст. ИИ-ассистенты дают командам реальный прирост продуктивности на рутине, но только при двух условиях: данные не покидают контур заказчика, а результат проверяет инженер. Технология усиливает сильную команду и не спасает слабую. В этом и состоит честный ответ на кадровый голод 2023 года.