"Сбер" представил обновленное руководство по агентной разработке
Сбер представил обновленную версию AI-Disrupt PDLC — стратегии, посвященной ИИ-трансформации процессов разработки и бизнеса, сообщили в пресс-службе кредитной организации. Документ отражает новый взгляд на то, как компании могут выстраивать работу в эпоху активного развития агентных технологий. В основе подхода — не просто внедрение отдельных ИИ-инструментов, а перестройка всей логики взаимодействия между человеком, моделью и средой исполнения.
В обновленной редакции делается акцент на том, что для результата важнее не сама модель, а среда, в которой действует агент. Именно она определяет, насколько эффективно ИИ сможет выполнять поставленные задачи, соблюдать ограничения и адаптироваться к меняющимся условиям. При этом ключевая роль за человеком сохраняется: он формулирует намерение, задает правила выполнения — governance — и определяет критерии проверки полученного результата — validation. Иными словами, человек задает направление, а агент, опираясь на установленные рамки, самостоятельно реализует поставленную цель.
Авторы документа также проводят параллели с Agile-трансформацией, отмечая, что подход к ИИ-изменениям во многом похож на эволюцию гибких методологий в разработке. Как и в случае с Agile, речь идет о переходе к более компактным и автономным командам, двухконтурной модели управления и более быстрой проверке гипотез. Однако есть и важное отличие: если в Agile человек по-прежнему остается основным исполнителем процессов, то в агентной модели ИИ способен самостоятельно искать наиболее подходящее решение в рамках заданных ограничений.
Таким образом, AI-Disrupt PDLC можно рассматривать как попытку сформировать новую управленческую и технологическую рамку для компаний, которые хотят использовать искусственный интеллект не точечно, а системно. Подобный подход предполагает не только внедрение отдельных алгоритмов, но и изменение культуры работы, распределения ответственности и способов контроля качества. В Сбере считают, что именно такая модель позволит бизнесу быстрее адаптироваться к новым условиям и получать от ИИ не экспериментальный, а практический эффект.
Переписанный текст: Сегодня тема управления искусственным интеллектом выходит на новый уровень: помимо разработки моделей все большее значение приобретают вопросы контроля затрат, эффективной промышленной эксплуатации и долгосрочной устойчивости решений. Важно не просто внедрять ИИ, а выстраивать целостную систему, в которой технологии работают предсказуемо, безопасно и приносят измеримый результат. Именно поэтому в материал были включены новые аспекты управления ИИ — контроль расходов и организация промышленного использования. План действий строится на ясности замысла, последовательных ступенях зрелости и развитой системе взаимосвязей между командами, процессами и технологиями.Особое внимание уделяется тому, как компании переходят от отдельных экспериментов к масштабному применению агентных систем. На практике это означает перестройку бизнес-процессов, повышение качества принятия решений и более глубокое использование человеческой экспертизы там, где она действительно необходима. Важную роль здесь играет ИИ-культура: именно организации с высокой степенью зрелости смогут в будущем эффективнее всего раскрыть потенциал агентных решений, быстрее адаптироваться к изменениям и формировать устойчивое конкурентное преимущество.По нашему мнению, в ближайшие годы лидерами станут те компании, которые смогут не только освоить возможности агентного ИИ, но и встроить его в повседневную работу как часть стандартной операционной модели. Мы стремимся к тому, чтобы агентная разработка стала общепринятым подходом, поскольку это способно дать заметное преимущество не отдельным игрокам, а всей стране в целом. В этом контексте AI-Disrupt PDLC укрепляет технологический суверенитет, усиливает позиции России на международных рынках и создает основу для системного, устойчивого роста в долгосрочной перспективе.Переписанный текст:Именно поэтому в «Сбере» активно развивают методологию агентной разработки и стремятся делиться накопленным опытом с рынком, отмечает пресс-служба со ссылкой на старшего вице-президента, руководителя блока «Технологии» Сбербанка Кирилла Меньшова. Такой подход позволяет не только повышать внутреннюю эффективность, но и формировать более зрелую экосистему применения ИИ-инструментов в отрасли.Проведенные исследования показывают, что даже при работе одного и того же разработчика с одной и той же нейросетью итоговая продуктивность может различаться до 22 процентных пунктов — и ключевую роль здесь играет именно среда выполнения агентов. Иными словами, не столько сама модель, сколько архитектура ее применения, настройки окружения, качество интеграции с инструментами и сценарии взаимодействия определяют конечный результат. При этом разница между лучшей и худшей ИИ-моделью на одинаковых задачах обычно не превышает 1–3 процентных пункта, что еще раз подтверждает второстепенность выбора конкретной модели по сравнению с правильно выстроенным agentic harness.Таким образом, именно среда исполнения становится критически важным фактором, влияющим на эффективность агентной разработки. В долгосрочной перспективе наибольшую ценность представляет вендоро-независимая архитектура, поскольку она позволяет быстро адаптироваться к появлению новых ИИ-моделей, учитывать их специализацию и не зависеть от одного поставщика технологий. На фоне стремительного развития рынка искусственного интеллекта такой подход можно считать одним из наиболее устойчивых и стратегически оправданных.Современная разработка программных продуктов все чаще требует не только скорости, но и высокой точности на каждом этапе — от формулировки идеи до запуска готового решения. В пресс-службе отмечают, что именно на этом принципе строится AI-Disrupt PDLC, где ключевую роль играет выстраивание максимально точного понимания между человеком и агентом. Центральным механизмом здесь выступает Specification-Driven Development — подход, при котором переход к написанию кода начинается не с импровизации, а с детально прописанных спецификаций.
В рамках этой методологии человек описывает бизнес-требования в виде формализованной спецификации, а мультиагентная система помогает уточнить формулировки, проверить логическую согласованность и устранить противоречия еще до старта разработки. Такой процесс позволяет не просто ускорить подготовку к реализации, но и снизить количество ошибок, возникающих из-за разночтений между участниками проекта. После этого система способна автономно двигаться дальше — от генерации кода до внедрения решения в продуктовую среду.
Дополнительным преимуществом такого подхода становится более прозрачная и управляемая работа с гипотезами: команда может быстрее проверять продуктовые предположения, опираясь на четкие требования и заранее согласованные сценарии. Это особенно важно в условиях, когда бизнесу необходимо оперативно реагировать на изменения рынка и при этом сохранять контроль над качеством результата. В итоге из производственного цикла убирается все, что мешает достижению целей, замедляет выпуск продукта или создает лишнюю нагрузку на команду, а сама разработка становится более предсказуемой, последовательной и ориентированной на результат.
Современная разработка продуктов все чаще смещается от ручного написания кода к управлению целым циклом создания ценности, где ключевую роль играют как человек, так и интеллектуальные агенты. Подход AI-Disrupt PDLC предлагает двухпетлевую модель, которая помогает объединить стратегическое мышление человека и высокую скорость исполнения со стороны AI-систем. Такая схема особенно полезна там, где важны не только скорость, но и качество итогового решения, а также предсказуемость процесса.
В петле намерения находится человек. Именно он проводит глубокие продуктовые исследования, формулирует цель, уточняет бизнес-контекст и проверяет, действительно ли создаваемое решение отвечает реальной потребности пользователей. На этом этапе также задаются ограничения, критерии успеха и ожидаемые результаты, чтобы дальнейшая работа шла не вслепую, а по четко определенному направлению. Чем лучше проработана эта стадия, тем меньше риск переделок и недопонимания на следующих шагах.В петле реализации действуют агенты. Они берут на себя практическую часть работы: пишут код, запускают тесты, проверяют гипотезы, находят и устраняют ошибки, ориентируясь на заранее подготовленные спецификации и правила. Благодаря этому человек освобождается от рутинных операций и может сосредоточиться на более важных решениях, связанных с продуктовой логикой и приоритетами. Автоматизация исполнения позволяет ускорить выпуск изменений и повысить общую эффективность команды.Связующим элементом между этими двумя петлями становится интегрированная платформа разработки. Она сохраняет целостность контекста, помогает соблюдать нормативы и обеспечивает согласованность между тем, что задумано человеком, и тем, что реализует агент. Такая платформа снижает вероятность потери информации, делает процесс прозрачнее и помогает быстрее переходить от идеи к рабочему результату. Таким образом, человек начинает уделять больше времени именно формированию намерения, а не непосредственному написанию кода. На первый взгляд это может показаться дополнительной нагрузкой, однако на практике такая инвестиция окупается более высокой скоростью исполнения. Когда задача хорошо описана на этапе намерения, агенту требуется меньше уточнений, он реже ошибается и точнее движется к нужному результату. В итоге двухпетлевая модель делает разработку более управляемой, качественной и масштабируемой.В "Сбере" ожидают, что в ближайшие годы во многих компаниях произойдет заметный сдвиг в сторону компактных рабочих групп формата Tiny Teams — команд численностью примерно от трех до шести человек. Такой подход особенно хорошо подходит для среды, где ценится скорость принятия решений, гибкость и высокая концентрация экспертизы. При этом часть функций, которые раньше были сосредоточены внутри крупных продуктовых команд, постепенно будет вынесена в отдельные поддерживающие команды — Enabling Teams. Именно они будут отвечать за формирование контекста, описание продуктовых практик, накопление знаний и передачу лучших подходов между командами.
В традиционной модели большая команда была нужна для того, чтобы внутри нее одновременно были собраны все необходимые компетенции, а также достаточный ресурс для глубокой проработки задач. Однако в новой логике на первый план выходит агентная среда, в которой формализованный контекст становится своего рода концентрированным знанием множества специалистов. Это позволяет значительно сократить размер команды, не теряя при этом качество проработки решений. Руководитель продукта в такой модели может сосредоточиться на содержании контекста, приоритетах и ценности для пользователя, а разработчик — на координации агентов, проектировании архитектуры системы и проверке корректности итогового результата.
Такой формат меняет сам принцип организации работы: вместо нескольких больших коллективов можно создавать больше небольших, автономных команд, каждая из которых будет глубоко заниматься своей зоной ответственности. Это открывает возможность быстрее экспериментировать, точнее улучшать продукт и лучше адаптироваться к изменениям рынка. В результате компания получает более управляемую структуру, в которой знания не теряются внутри громоздких процессов, а превращаются в доступный и постоянно обновляемый контекст для эффективной работы.
В Екатеринбурге с 6 по 9 июля проходит международная промышленная выставка «Иннопром», которая традиционно собирает представителей бизнеса, промышленности и органов власти из разных стран. В этом году особое внимание к мероприятию привлекает участие Индонезии, впервые ставшей страной-партнером выставки. Это подчеркивает растущий интерес к развитию международного сотрудничества, расширению торговых связей и поиску новых направлений для совместных проектов.
«Иннопром» давно считается одной из ключевых площадок для обсуждения современных технологий, промышленного развития и инвестиционных возможностей. На выставке участники представляют новые решения в сфере машиностроения, энергетики, цифровизации и производства, а также проводят переговоры, заключают соглашения и обмениваются опытом. Такой формат делает мероприятие не только демонстрационной площадкой, но и важным инструментом для налаживания деловых контактов.
Участие Индонезии в статусе страны-партнера открывает дополнительные перспективы для взаимодействия в промышленной, технологической и экономической сферах. Подобные международные инициативы способствуют укреплению партнерства между государствами, развитию экспорта и импорта, а также продвижению инновационных решений на новые рынки. Ожидается, что выставка в очередной раз станет значимым событием для делового сообщества и даст старт новым совместным проектам.
Источник и фото - ria.ru
