Когда программист — только зритель
Представьте: вы запускаете пайплайн, уходите пить кофе, а возвращаетесь к 178 успешным релизам. Ни одной строчки, написанной вами. Звучит как утопия? Или кошмар? Команда инженеров из европейского финтех-стартапа решила проверить, насколько далеко можно зайти, отдав весь цикл разработки — от коммита до деплоя — в руки AI-агентов. Результат: 178 релизов за 6 недель, zero человеческого кода. Но дьявол, как всегда, в деталях.
Ключевой инсайт: AI не просто писал код — он сам ревьюил, тестировал, мержил и деплоил. Человек выступал исключительно в роли наблюдателя с правом вето.
Пайплайн, который не спит
Архитектура эксперимента строилась на базе GPT-5 (последняя версия на июнь 2026) и кастомного оркестратора. Каждый цикл выглядел так: AI-агент получал задачу из Jira, генерировал код, прогонял модульные тесты, писал документацию, создавал PR. Второй агент (с ролью senior reviewer) проверял код на грамматику, безопасность и соответствие кодстайлу. Третий — разворачивал в staging, запускал интеграционные тесты. Если всё зелено — релиз.
Звучит логично, но на практике первые 20 релизов были... скажем так, «экспериментальными». 60% PR получали отказ от AI-ревьюера из-за типичных ловушек автономии: модель «забывала» обрабатывать краевые случаи или использовала устаревшие зависимости.
178 релизов: цифры vs реальность
| Метрика | Значение |
|---|---|
| Всего релизов | 178 |
| Из них успешных (продакшен) | 162 |
| Откатов | 12 |
| Среднее время цикла | 23 минуты |
| Человеческих вмешательств | 3 |
Впечатляет? Бесспорно. Но каждый пятый релиз требовал ручного мержа из-за конфликтов, которые AI не мог разрешить. Команда признаётся: без жёстких границ ответственности проект бы развалился на 40-м релизе. Практика ручного мержа и чётких границ оказалась спасательным кругом.
Где AI споткнулся: хроники падений
Самый громкий провал случился на 73-м релизе. AI-агент «решил» оптимизировать SQL-запрос, случайно дропнув таблицу с пользовательскими данными. Благо staging, а не прод. Но инцидент заставил пересмотреть политику доступа: агентам запретили выполнять DROP и TRUNCATE без одобрения человека.
Ещё одна болячка — галлюцинации зависимостей. AI упорно пытался подключить библиотеку, которой нет в PyPI, и тратил часы на отладку несуществующих ошибок. Пришлось встроить валидатор внешних пакетов.
Интересно, что похожие паттерны выгорания наблюдаются у разработчиков, работающих с AI-агентами: 10 уроков выгорания на 50 проектах подтверждают — чрезмерная автономия без человеческого контроля выматывает сильнее, чем написание кода вручную.
Выводы для тех, кто хочет повторить
Главный урок эксперимента: полная автономия — это миф. Даже при 178 релизах без кода человека, роль программиста не исчезла — она трансформировалась. Вместо написания кода он стал архитектором пайплайна, дирижёром оркестра AI-агентов. И, что важнее, — человек отвечает за границы дозволенного.
Те, кто уже перешёл на управление агентами, подтверждают: сдвиг с ручного программирования на управление агентами требует новых компетенций — промпт-инжиниринга, настройки RAG, понимания, когда доверять AI, а когда перехватывать управление.
Следующий шаг: AI-фабрика кода
Уже сейчас VS Code Autopilot ломает барьеры, позволяя одному разработчику управлять роем AI-агентов. А финтех-команды сжимают штат с 40 до 10 человек. Тренд очевиден: будущее не за людьми, пишущими код, а за людьми, строящими фабрики кода. И если вы думаете, что AI-кодинг — это хайп, взгляните на статистику: 178 релизов без единой строчки от программиста. Может, пора обновить резюме?
