«AI-Disrupt PDLC — рамка для трансформации, а не готовый шаблон»

Искусственный интеллект меняет не только инструменты разработки, но и весь цикл создания продуктов — от постановки задачи до эксплуатации. О том, как генеративные технологии перестраивают команды, производство и подготовку специалистов, «Ъ-Технологиям» рассказал старший вице-президент, руководитель блока «Технологии» Сбербанка Кирилл Меньшов.

Выйти из полноэкранного режима

Развернуть на весь экран

— Главная тема «Иннопрома» в этом году — «Индустрия 360: производство без границ». Она предполагает объединение цифровых технологий и человека, при котором заводы мгновенно подстраиваются под изменения, а поставки работают без сбоев. Но готовы ли промышленные предприятия к такому развитию событий?

— В промышленности искусственный интеллект уже не опция, а средство выживания. Завод будущего должен мгновенно подстраиваться под изменения, а связь между ИТ-специалистами, производством и руководством не должна прерываться.

По оценкам экспертов, некоторые крупные компании страны уже активно внедряют цифровые технологии. Однако у большинства предприятий бюджеты на автоматизацию ограничены, а построить по-настоящему зрелую ИТ-инфраструктуру и систему управления удалось лишь единицам.

Базовые инструменты — такие как системы управления ресурсами, автоматизированное оборудование и первые проекты по аналитике данных — на заводах есть, но они далеко не всегда связаны между собой. Главными проблемами сегодня остаются неготовность руководства к переменам, нехватка кадров, разрыв между ИТ-отделом и реальным производством, а также сильное отставание отдельных отраслей и регионов. И с этими вызовами придется работать.

— Сбер позиционирует себя как AI-native-компанию. В мае вы представили руководство по изменению подхода к разработке продуктов AI-Disrupt PDLC. Можно ли применять это руководство в промышленности?

— AI-Disrupt PDLC — методологическая платформа для перестройки всего цикла создания продуктов: от идеи и спецификации до эксплуатации. Наше руководство помогает компаниям быстрее перейти от экспериментов к промышленному внедрению, задает корпоративные стандарты и показывает, как должны меняться команды, роли, процессы и инструменты. В AI-Disrupt PDLC инженер становится архитектором всего процесса разработки.

Такой подход универсален. Его можно применять в промышленности, но не путем буквального переноса ИТ-практик, а как основу для адаптации производственных процессов. В такой среде особенно важна управляемость процесса. Поэтому AI-Disrupt PDLC здесь полезен прежде всего как рамка для системной трансформации, а не как шаблон «подставь — и заработает».

Это можно использовать для проектов с большим объемом данных, сложной координацией людей и машин, инженерной документацией, планированием, контролем качества и оптимизацией цепочек поставок. Но внедрять AI-Disrupt PDLC нужно поэтапно: сначала — пилоты, потом — стандартизация подходов и только затем — масштабирование на ядро производственных процессов.

На «Иннопроме» мы представили обновленную, более прикладную версию нашего руководства. К 2028 году ручное кодирование сократится вдвое, высвобождая ресурсы для созидания. К 2030-му ключевым фактором станет не доступ к ИИ, а зрелая ИИ-культура — управление агентами и баланс автономии с человеческим контролем.

— Какие основные принципы и практики легли в основу AI-Disrupt PDLC и как они меняют процесс принятия решений в продуктовых и ИТ-командах?

— Методология AI-Disrupt PDLC — это подход, который помогает перестроить всю разработку программ и продуктов под возможности искусственного интеллекта. Она объясняет, как меняются рабочие процессы, структура систем и роли сотрудников. Главная идея здесь в том, что самым ценным активом становится не сама нейросеть, а окружение и условия, в которых она работает. Это позволяет компаниям создавать продукты на базе ИИ, не теряя контроля над процессами.

В такой схеме ИИ-агенты берут на себя всю рутину, написание кода и проверку ошибок. Люди же формулируют задачи, закладывают смыслы и следят за общим качеством. В саму работу внедряются точная настройка контекста для ИИ, автоматические правила безопасности и активное использование автономных цифровых помощников. Благодаря AI-Disrupt PDLC компании могут быстрее выпускать продукты на рынок и увеличивать продуктивность команд, а сам бизнес становится более гибким, защищенным и готовым к росту.

— Сбер предложил создать Индустриальные центры компетенций (ИЦК) по генеративной разработке ПО. Какие задачи должен решать этот ИЦК и что он даст российскому рынку ПО?

— Своя методология создания продуктов с использованием искусственного интеллекта позволит России производить ИТ-решения мирового уровня. Для этого мы и предложили создать новый индустриальный центр компетенций. Более того — это шанс возглавить направления, которые только формируются. Эпоха цифровизации позади — мы вступили в эру генеративного ИИ (GenAI). В свое время Agile-трансформация затронула команды и процессы, но не инструменты. GenAI же меняет все три аспекта. Поэтому российским компаниям нужно не копировать западные практики, а вырабатывать свою методологию, которая станет фундаментом для экспорта и развития продуктов.

— Вы развиваете вайб-кодинг и вайб-дизайн. Как эти подходы влияют на состав и роли команд в компании?

— Генеративный ИИ создает совершенно новые условия работы и меняет роль самого специалиста. Теперь команды становятся смешанными — они состоят из людей и ИИ-помощников, а большинство решений принимается с участием интеллектуальных систем. Скорость создания продуктов все больше зависит от того, как устроены инструменты ИИ, а качество кода определяется качеством моделей и данных. В таких условиях на первый план выходят гибкие навыки — системное мышление, умение быстро учиться и адаптироваться к переменам становятся важнее привычных технических навыков.

Объем автоматически создаваемого кода будет только расти. Например, использование ИИ-инструментов Сбера — GigaCode и среды GigaIDE — увеличивает продуктивность работы на четверть, причем разработчики принимают больше половины предложенного нейросетью кода. Программирование и дизайн «по настроению», когда идеи описываются простыми словами (вайб-кодинг и вайб-дизайн), помогают мгновенно превращать задумку в рабочий прототип. Однако такой подход требует повышенного внимания к структуре проекта и рискам. Человеку необходимо правильно направлять модель, проверять результаты и доводить их до полной готовности.

При этом новые методы не заменяют привычные команды, а перестраивают их работу. Возникает четкая связка: человек формулирует задачу, ИИ берет на себя быстрое исполнение, а команда отвечает за качество, безопасность и надежность. Следующим этапом станет «вайб-воркинг», когда специалист вместе с ИИ-агентами будет управлять сложными многошаговыми процессами. Человек ставит цели, определяет критерии успеха и отдает рутину технологиям. Главная ценность профессионала теперь заключается в его экспертном мнении, опыте и понимании контекста, а не в скорости выполнения однотипных задач.

— Какие навыки и компетенции будут ключевыми для специалистов в AI-native-среде?

— Новые реалии требуют и новых навыков. К ним относятся оценка работы ИИ-агентов, распределение задач между ними и умение создавать понятные для машин инструкции. Но главное — это умение правильно ставить задачи. Инженер должен четко формулировать, какой результат ему нужен от системы. Именно этому мы учим своих сотрудников и создаем под эти цели курсы для всего рынка.

Для специалистов нового поколения ключевым навыком станет умение работать с искусственным интеллектом как с соавтором. Им нужно будет формулировать запросы для моделей, проектировать структуру решений, настраивать ИИ под конкретные сценарии и проверять результат, сохраняя высокое качество. Поэтому компаниям необходимо перестроить обучение так, чтобы сотрудники сразу привыкали работать в паре с технологиями.

У Сбера уже есть много совместных программ по ИИ с ведущими вузами, например проект AI360 на базе ВШЭ, МФТИ, ИТМО, СПбГУ и университета Иннополис. Требования к поступающим там огромные: больше 80% мест занимают победители олимпиад, а для поступления порой не хватает даже максимальных баллов ЕГЭ. При этом мы продолжаем развивать учебную базу. Недавно МФТИ и Сбер открыли базовую кафедру «Математика искусственного интеллекта», где обучение объединяет фундаментальную науку и технологии ИИ. Это наш вклад в развитие современной инженерной культуры и подготовку специалистов, способных создавать прорывные решения.