«Задача разработчика — переводить бизнес-цели в технические решения»

Искусственный интеллект за последние два года окончательно вышел из статуса «перспективной технологии» и стал прикладным инструментом для бизнеса. Компании внедряют ИИ в наем, аналитику, клиентский сервис и внутренние процессы, но вместе с ростом интереса растет и количество неудачных внедрений. Почему ИИ-проекты часто не доходят до продакшена, как отличить реальную ценность от модного шума и что сегодня определяет успех AI-интеграции, рассказал Александр Моисеев, senior fullstack-разработчик и лауреат премии National Business Awards «Технологии и инновации 2025» в номинации «Эксперт года по интеграции AI в программные продукты».

Выйти из полноэкранного режима

Развернуть на весь экран

— Александр, сегодня об ИИ говорят все — от стартапов до госкорпораций. В чем ключевое изменение текущего этапа развития технологий?

— Главное изменение в том, что ИИ перестал быть демонстрацией возможностей и стал частью инженерной инфраструктуры. Если несколько лет назад компании запускали AI-проекты ради эксперимента или PR-эффекта, то сейчас запрос другой: снижение издержек, ускорение процессов, повышение точности решений. ИИ больше не «волшебная кнопка». Это совокупность архитектуры, данных, алгоритмов и DevOps-процессов. И именно здесь многие сталкиваются с разрывом между ожиданиями и реальностью.

— В чем чаще всего этот разрыв проявляется?

— В попытке встроить ИИ поверх неподготовленного продукта. Бизнес ожидает мгновенного эффекта, но забывает, что модели требуют качественных данных, стабильной инфраструктуры и четко описанных процессов. Из моего опыта — успешные AI-решения почти всегда начинаются не с выбора модели, а с оптимизации базовой архитектуры: микросервисов, API, пайплайнов доставки, автоматизации тестирования. Без этого ИИ не масштабируется и быстро превращается в дорогую игрушку.

— Вы много работаете с прикладными AI-платформами. Какой подход сегодня можно считать рабочим?

— Рабочий подход — это когда ИИ решает конкретную, измеряемую задачу. Например, сократить время найма, уменьшить нагрузку на HR, повысить точность фильтрации кандидатов или ускорить обработку контента. Когда мы запускали платформу Huntica, фокус был не на «умных алгоритмах», а на узком месте процесса — первичном отборе кандидатов. Видеоинтервью, машинное обучение и аналитика были встроены в существующую логику найма, а не заменяли ее целиком. Именно это позволило получить ощутимый эффект, который и был оценен профессиональным сообществом.

— Можно ли сказать, что ИИ сегодня — это в первую очередь инструмент оптимизации?

— Абсолютно. ИИ хорошо работает там, где есть повторяемость и большой объем данных. Наем, транскрипция речи, аналитика пользовательского поведения, автоматизация поддержки — это идеальные зоны применения. В одном из моих проектов — AI-платформе для интеллектуальной транскрипции речи — мы добивались не «красивого интерфейса», а точности, скорости и поддержки разных языков. В итоге это стало рабочим инструментом для команд, которым важно быстро превращать аудио в структурированные знания.

— Вы работаете как с архитектурой, так и с командами. Как меняется роль разработчика в эпоху ИИ?

— Разработчик больше не просто пишет код. Его задача — переводить бизнес-цели в технические решения. Это требует понимания алгоритмов, распределенных систем, стоимости инфраструктуры и ограничений моделей. Мой путь — от QA и fullstack-разработки до архитектуры и R&D — показал, что именно системное мышление дает устойчивый результат. ИИ усиливает инженера, но не заменяет ответственность за качество продукта.

— Насколько сегодня важна автоматизация процессов разработки?

— Критически важна. CI/CD, автоматическое тестирование, повторно используемые компоненты, облачная инфраструктура — без этого продукты становятся хрупкими. Я всегда делал акцент на снижении стоимости доставки продукта: автоматизация релизов, минимизация ручного труда, прозрачные пайплайны. Это не «внутренняя кухня», а фактор конкурентоспособности.

— Премия NBA, которую вы получили, оценивает именно прикладные технологии. Как вы воспринимаете это признание?

— Для меня это прежде всего сигнал зрелости рынка. Эксперты оценивают не идеи, а реализованные решения: архитектуру, масштабируемость, влияние на бизнес-процессы. Huntica — это независимый R&D-проект, выросший из практических задач. И то, что он был отмечен именно за интеграцию ИИ в продукт, говорит о том, что рынок начинает различать эксперимент и инженерную работу.

— Каким вы видите следующий этап развития AI-продуктов?

— Следующий этап — это невидимый ИИ. Пользователь не должен «замечать», что работает модель. Он должен просто быстрее закрывать задачи, принимать более точные решения, экономить ресурсы. Компании, которые сейчас инвестируют в архитектуру, данные и команды, через два-три года получат серьезное преимущество. Остальные будут догонять.

— Если подвести итог, какой главный вывод вы бы сделали для бизнеса?

— ИИ — это не про хайп и не про замену людей. Это про усиление процессов. Те, кто воспринимает ИИ как инженерную дисциплину, уже сегодня выигрывают в скорости, качестве и стоимости решений. А значит, вопрос больше не в том, нужно ли внедрять ИИ, а в том, насколько профессионально вы это делаете.

Беседовал Сергей Емельянов