Больше года я внедряю ИИ в разработку зрелой SaaS-компании, вместе со сложившейся инженерной командой, которая поначалу относилась к ИИ скептически. Мы прошли большой путь: от копирования кода из ИИ-чата до того, что отдаём агентам разработку фич целиком. Мы не занимаемся вайб-кодингом и не делаем продукт за вечер одним промптом. То, чем мы занимаемся, я называю AI-инженерией: мы строим систему, которая стабильно выдаёт результат по нашим стандартам качества. Сейчас мы экспериментируем с полуавтономной агентной фабрикой в облаке.

Этот путь я разложил на шесть уровней, от привычной ручной разработки до «тёмной фабрики». Ниже — как меняется жизненный цикл разработки на каждом уровне, какова роль человека, как понять, где сейчас ваша команда, и что нужно, чтобы двигаться дальше.

Лестница из шести уровней, от L0 «Ручной» до L5 «Тёмная фабрика»; L4 отмечен как точка остановки

Много текста? На сайте есть интерактивная схема со всеми уровнями и практиками. Встроить интерактив в статью на Хабре нельзя, поэтому как дополнение.

L0 Ручной: точка отсчёта, где каждый этап делаем сами

На L0 люди делают каждый этап жизненного цикла вручную, как раньше: от сбора требований и написания кода до релиза и мониторинга.

Два года назад запросы на новые фичи и обращения в поддержку наша команда разбирала вручную, спека была страницей в Notion, а план реализации существовал только в голове разработчика. Часть сервисов жила по trunk-based development: комиты прямо в мастер, без пул-реквестов и без ревью. Где ревью было, его делал коллега-разработчик по своему усмотрению. QA тестировали вручную на общем staging-сервере по исходной спеке PM, которая после реализации могла устареть. Были и Playwright-тесты. В некоторых проектах было хорошее покрытие тестами и настроен статический анализ. Это хороший задел, потому что для агентной разработки CI критически важен.

Схема жизненного цикла на уровне L0 «Ручной»: кто ведёт каждый из восьми этапов, человек или агент
Жизненный цикл на L0: человек ведёт каждый этап.
Практики L0

? критична — без неё уровень ломается; ? обязательна — уровень её требует; ? усиливает — помогает на этом уровне.

Организация

  • ? Инженерная база: контроль версий, таск-трекер, база знаний, пайплайн релизов — хранить каждое изменение, задачу и ответ в одном месте, автоматизированный релиз.

  • ? Шаблоны проектов и репозиториев — начинать каждый проект с одной и той же структурой, гейтами качества, правилами.

  • ? Quality Gates: тесты, статический анализ, автоматический CI — ловить регрессии до релиза.

  • ? Работа через пул-реквесты: каждое изменение идёт через PR, а не напрямую в основную ветку — одно место для взаимодействия, ревью и истории.

PM

  • ? Отвечает за требование: переводит потребности клиентов и видение стейкхолдеров в требования

  • ? Пишет спеку вручную

  • ? Принимает фичу вместе с QA: человеческий гейт

Разработчик

  • ? Планирует в голове

  • ? Пишет код вручную

  • ? Релизит вручную или через CD

  • ? Разбирает ошибки, логи и запросы вручную

  • ? Коллега читает каждую строку

QA

  • ? Составляет тест-кейсы вручную

  • ? Тестирует на тестовом окружении по спеке

  • ? Принимает фичу вместе с PM

L1 С ассистентом: вы советуетесь с начитанным собеседником

Схема жизненного цикла на уровне L1 «С ассистентом»: кто ведёт каждый из восьми этапов, человек или агент
Жизненный цикл на L1; обведены этапы, изменившиеся по сравнению с L0.
Практики L1

? обязательна — уровень её требует; ? усиливает — помогает на этом уровне.

Практики, которые уже были на L0, здесь не повторяю, если их статус не вырос: они в спойлерах уровней ниже.

Организация

  • ? Позиция по ИИ-инструментам и доступ к одобренным — сказать, какими ИИ-инструментами можно пользоваться и как.

PM

  • ? Набрасывает спеку в ИИ-чате по заметкам с требованиями

Разработчик

  • ? Спрашивает чат, как спроектировать, объяснить или исправить код

  • ? Копирует код из чата или принимает автодополнение фрагмент за фрагментом

  • ? Вставляет ошибки в чат

QA

  • ? Набрасывает тест-кейсы и тестовые данные в чате

На L1 у вас появляется подписка на ChatGPT, и вы начинаете задавать вопросы собеседнику, который как будто прочитал разом все IT книги, — мудрому и всегда доступному коллеге за соседним столом. Вы спрашиваете, как спроектировать фичу, просите набросать спеку, объяснить кусок кода, написать эффективный алгоритм или найти в нём ошибку. Он даже может написать простой скрипт, и вы копируете его обратно в IDE.

Потом в IDE появляется autocomplete или AI Assistant, и вы начинаете бесконечно жать Tab и Accept. Вы работаете на уровне мелких правок и принимаете подсказки сниппет за сниппетом.

Люди решают задачи быстрее, но по сути ничего не меняется: у чата нет доступа к артефактам команды и нет инструментов, чтобы действовать за пределами разговора. Дэн Шапиро, известный автор в AI-сообществе, сравнивает этот уровень с удержанием полосы и круиз-контролем: вы отдаёте конкретные, отдельные задачи «ИИ-стажёру».

Организации здесь нужно немного: дать доступ к ИИ-инструментам и чётко сказать, какие из них разрешены и как ими пользоваться.

L2 Работаем с агентом: вы учите агента-джуна правилам команды

Схема жизненного цикла на уровне L2 «С агентом»: кто ведёт каждый из восьми этапов, человек или агент
Жизненный цикл на L2; обведены этапы, изменившиеся по сравнению с L1.
Практики L2 «С агентом»

? обязательна — уровень её требует; ? усиливает — помогает на этом уровне.

Практики, которые уже были на L1, здесь не повторяю, если их статус не вырос: они в спойлерах уровней ниже.

Организация

  • ? Quality Gates: тесты, статический анализ, автоматический CI — ловить регрессии до релиза.

  • ? Работа через пул-реквесты: каждое изменение идёт через PR, а не напрямую в основную ветку — дать каждому изменению агента одно место для гейтов, ревью и истории.

  • ? Файлы контекста (AGENTS.md) в каждом репозитории, разбитые на части, которые агент подгружает по необходимости — дать агенту специфичные домену знания и правила команды, научить работать с проектом как надо не переполняя его контекст.

  • ? Доступ агента к инструментам и внутренним данным: скрипты проверок, MCP-серверы, трекер, документация, логи, браузер — дать агенту проверять свою работу и читать то же, что читают люди.

  • ? Правило на каждый повторяющийся "косяк" агента, его пишет человек — не дать агенту повторять ошибку.

  • ? Личные скиллы: описанный процесс, который агент может выполнить; подходящие команде скиллы становятся общими — научить агента повторяющемуся процессу.

  • ? Регламенты как скиллы: стандартные процедуры записаны в скиллы, которые проверяют, что работа им следует — соблюдать договорённости команды (формат PR, ссылки на тикеты, QA-тикеты), не полагаясь на память.

  • ? Метки ИИ: каждое изменение, сделанное с ИИ, помечено, и указаны его скиллы — видеть, сколько работы делают агенты и как сделана каждая фича.

  • ? Записанные архитектурные принципы, ADR и журнал решений — дать агентам и людям одни и те же рамки.

  • ? Правило двух для агентов: в продакшене по умолчанию только чтение — не давать одной сессии сразу недоверенный ввод, приватные данные и право действовать.

  • ? Гейты безопасности: статический анализ, сканирование зависимостей и секретов — блокировать небезопасный код без построчного ревью.

PM

  • ? Пишет спеку с агентом, у которого есть доступ к документации, коду и трекеру: агент расспрашивает PM, PM решает на продуктовых развилках

  • ? Получает черновики спек из входящих запросов

  • ? Шаблон спеки, оптимизированный для ИИ

  • ? Скилл для написания спек: сначала личный, потом командный

  • ? Хранит спеки, планы, тест-кейсы и отчёты в репозитории рядом с кодом; знает основы Git: ветки и версии

Разработчик

  • ? Планирует с локальным агентом и направляет его

  • ? Локальный агент пишет код; разработчик направляет каждый шаг

  • ? Ведёт файлы контекста: правила команды в AGENTS.md, разбитые на части, которые агент подгружает по необходимости

  • ? Агент прогоняет обязательные проверки CI на своей работе

  • ? Добавляет правило на каждый повторяющийся "косяк" агента

  • ? Пишет личные скиллы для повторяющейся работы

  • ? Читает каждый дифф по ходу работы

  • ? Локальный агент читает логи и ошибки по запросу

QA

  • ? Агент генерирует тест-кейсы по спеки и реализации

  • ? Прогоняет тест-кейсы, которые сгенерировал агент

  • ? Тестирует творчески: сомневается в требованиях, исследует, находит неудобные случаи

  • ? Агент прогоняет детерминированные сценарии в браузере

На L2 у вас появляется агент — Claude Code или Codex. Он умеет не только вести с вами заумные диалоги в чате, но и менять проект: пишет тексты, спеки и код прямо в репозитории. Но скоро выясняется, что мудрый начитанный собеседник кодит как посредственный джун. Он пишет спеки и код так, как пишет интернет, а не так, как принято в вашей команде. Результата хватает, чтобы впечатлить бизнес, но всё начинает разваливаться, как только до продукта доходят настоящие пользователи. Поэтому вы начинаете учить джуна правилам: строите «мир, основанный на правилах», и задаёте контекст.

«Смотри, я за вечер собрал 80% продукта одним промптом»
…через год: всё ещё отлаживаю оставшиеся 20%.

Мем «This is fine»: собака спокойно сидит в горящей комнате
Мем по комиксу KC Green «On Fire».

В каждый репозиторий вы кладёте короткий, написанный руками AGENTS.md с правилами и инструкциями команды. Агент загружает его в каждую сессию и использует как долговременную память проекта. AGENTS.md уже стал стандартом: его выпустила OpenAI в 2025 году, а теперь им управляет Linux Foundation. В нём вы собираете то, что рассказали бы новому разработчику и чего он не понял бы из кода сам: как устроен проект, архитектурные границы, паттерны, naming conventions, язык предметной области и доменные знания.

И всё равно агент не всегда делает по-вашему. Каждый раз, когда он ошибается, вы добавляете инструкции, которые объясняют, как «правильно». Ваша работа смещается от кодинга фич к созданию системы, которая кодит фичи: запустить агента, посмотреть результат, поправить инструкции. Ещё вы даёте джуну инструменты: команды и скрипты, которые запускают тесты и статический анализ; коннекторы к MCP-серверам базы знаний компании, логов прода и Sentry; браузер, чтобы прокликивать интерфейс. Когда AGENTS.md разрастается, вы дробите его на файлы, которые агент загружает лениво, только по необходимости, а повторяющиеся задачи превращаются в скиллы.

Гейты качества (quality gates) важны так же, как контекст. Гейт — это проверка, которую изменение должно пройти до слияния в основную ветку: сборка, тесты, статический анализ. Без гейтов джун-агент слепой: он не получает обратной связи и не ловит собственные регрессии. В нашей команде агент сверяет свою работу с обязательными проверками CI: тестами, статическим анализом кода, сборкой и проверкой архитектурных границ. Это первый цикл, который осваивает любой джун: написать код, запустить проверки, увидеть ошибки, исправить их. Этому циклу нужны пул-реквесты: trunk-based development без ревью работал в некоторых наших сервисах, пока код писали люди, но изменениям агента нужны CI и ревью.

QA тоже меняется. Когда агент умеет прокликивать приложение в браузере, он берёт на себя детерминированную часть тестирования, где сценарии чётко определены. Творческая часть остаётся за людьми: ставить продуктовые требования под сомнение, придираться к дизайну и UX, опираться на свой вкус и опыт.

Результат L2 — база знаний о вашем проекте: его архитектура, стандарты и процессы. Вы наполняете её (Базу знаний не только наполняют, но и чистят от лишних деталей: модели становятся сильнее, и часть подсказок им больше не нужна.), пока агент не начнёт стабильно выдавать результат, который отвечает ожиданиям команды. Эту часть процесса нельзя пропустить по пути на L3: даже если вы начинаете с шаблона или берёте готовую базу знаний, контекст всё равно придётся адаптировать к новому проекту.

L3 Делегируем агенту: личные практики становятся общим процессом с владельцами

Схема жизненного цикла на уровне L3 «Делегирование»: кто ведёт каждый из восьми этапов, человек или агент
Жизненный цикл на L3; обведены этапы, изменившиеся по сравнению с L2.
Практики L3 «Делегирование»

? критична — без неё уровень ломается; ? обязательна — уровень её требует; ? усиливает — помогает на этом уровне.

Практики, которые уже были на L2, здесь не повторяю, если их статус не вырос: они в спойлерах уровней ниже.

Организация

  • ? Общие скиллы и процессы: один реестр, у каждого владелец — сделать работу всей команды с агентами единообразной.

  • ? Регламенты как скиллы: стандартные процедуры используются в скиллах, которые проверяют, что работа им следует — соблюдать договорённости команды (формат PR, ссылки на тикеты, QA-тикеты), не полагаясь на память.

  • ? Метки ИИ-работы: каждое изменение, сделанное с ИИ, помечено, и указаны его скиллы — видеть, сколько работы делают агенты и как сделана каждая фича.

  • ? Разработка по SDD (spec-driven development): спека, план и реализация в одном общем процессе и среде — проводить каждую фичу одним путём.

  • ? Цикл ИИ-ревью: второй агент ревьюит каждый пул-реквест, скилл исправляет обоснованные замечания — ловить проблемы до того, как код прочитает человек.

  • ? Записанные архитектурные принципы, ADR и журнал решений — дать агентам и ревьюерам одни и те же границы.

  • ? Цикл самоулучшения: когда исправление повторяется, агент предлагает проверку, правку скилла или контекста, а человек её утверждает — чинить систему, а не очередной пул-реквест.

  • ? Дизайн-система в коде — дать агентам собирать UI из проверенных частей, а PM прототипировать на реальных компонентах, а не в Figma.

  • ? Метрики поставки: lead time, дефекты, переделки, доля принятых изменений — доказать, что фабрика даёт результат, и лучше, чем прежний способ работы.

  • ? Фича-флаги и быстрый откат — сделать ошибку дешёвой в откате.

  • ? Трейсинг агентов — видеть, что агент сделал и почему.

  • ? Политика решений и эскалации с журналом решений — определить, кто что решает сам и где должен спросить, и проверять принятые решения.

  • ? Evals: автотесты для агентов — знать, хорошо ли агент всё ещё делает работу.

  • ? ИИ-шлюз: один путь к моделям, стоимость каждого запуска агента, затем бюджеты и лимиты — знать, сколько стоит каждая фича, и останавливать неконтролируемые траты.

  • ? Обвязка агента (harness), независимая от вендора и модели — менять модели и вендоров, не перестраивая процесс, даже если вендор отключит доступ.

  • ? Песочницы: временные изолированные среды — ограничить вред, который может нанести агент.

PM

  • ? Шаблон спеки, готовый для ИИ

  • ? Скилл для черновика спеки: сначала личный, потом командный

  • ? Хранит спеки, планы, тест-кейсы и отчёты в репозитории рядом с кодом; знает основы Git: ветки и версии

  • ? Спрашивает агента, как работает продукт

  • ? Прототипирует в реальном приложении на компонентах дизайн-системы, в среде для прототипов, которую легко поднять

Разработчик

  • ? Принимает архитектурные решения: агент набрасывает план, разработчик его утверждает

  • ? Передаёт спеку и план общему скиллу фичи и получает пул-реквест после ревью

  • ? Читает готовую фичу построчно

  • ? Выбирает ошибку для общего скилла триажа и утверждает его план

QA

  • ? Агент прогоняет детерминированные сценарии в браузере

На L3 джун дорастает до мидла: разработчик, как тимлид, отдаёт агенту фичу целиком. Чтобы это работало, агенту, как и человеку, нужна инструкция: вы записываете процедуры и учите его навыкам — скиллам.

Мы начали с небольших скиллов: открыть пул-реквест по стандартному шаблону, спланировать реализацию фичи, запустить локальные проверки, сгенерировать тест-кейсы для QA. Потом объединили их в один процесс — скилл /implement-feature. Мы даём ему спеку, за которую отвечает продукт, и план реализации с уже принятыми архитектурными решениями; он возвращает пул-реквест, уже прошедший ревью.

Скилл прогоняет гейты CI из L2 и цикл ревью: второй агент ревьюит PR, а отдельный скилл проверяет каждый комментарий, исправляет код по обоснованным замечаниям и запрашивает новое ревью. Ревью делает модель другого вендора, а не та, что писала код, и это второе мнение заметно улучшает результат. Роль разработчика — принять архитектурные решения, передать задачу агенту и проверить результат.

Скилл — записанная процедура с версиями: инструкции, проверки, инструменты и контекст. Наш скилл для фич живёт в общем плагине, так что обновления доходят до каждого разработчика. По нашим соглашениям шаблон репозитория держит часть контекста в одних и тех же файлах, и скилл находит нужное в любом репозитории. У каждой части процесса есть владелец, который следит, чтобы она не устарела.

Это и есть сдвиг мышления на L3:

Команда поддерживает общий процесс, а не каждый разработчик пилит свои собственные решения и скиллы.

Работа продакт-менеджера тоже меняется. PM больше не нужно идти к разработчику за разъяснениями: его агент понимает кодовую базу и нетехническим языком отвечает, как работает продукт. Агент может провести интервью PM по исходным требованиям и с опорой на код найти детали и развилки решений для спеки. PM теперь может прототипировать фичу прямо в рабочем репозитории, на реальных компонентах дизайн-системы. Даже навайбкоженный прототип, который выглядит правильно, но толком не работает, даёт разработчику полезную отправную точку. Поэтому дизайн-систему важно перенести из Figma в код. Спека тоже переезжает из Notion в репозиторий, рядом с кодом, вместе с планом, тест-кейсами и отчётом о тестировании. PM осваивает основы Git: ветки и версии.

Наша команда QA построила собственную тестовую обвязку. Она генерирует тест-кейсы из спеки и реализации, включая расхождения между ними. Агент прогоняет детерминированные сценарии через браузер или Playwright, снимает скриншоты и видео и пишет отчёты о проблемах. QA сосредотачиваются на творческом тестировании: ставят требования спеки под сомнение, исследуют продукт, ищут неудобные места в UX и сценарии, о которых никто не подумал.

L3 переносит узкое место в ревью. В телеметрии Faros AI за 2025 год по 10 000 разработчиков команды с высоким уровнем внедрения ИИ сливали на 98% больше пул-реквестов, а время ревью PR выросло на 91%. Это корреляция для команд с высоким внедрением ИИ, а не измерение именно L3, но она совпадает с тем, что происходит, когда агенты пишут целые фичи. Теперь объём выпуска упирается во время, которое разработчики тратят на ревью.

На L3 общая система знает продукт, помогает прорабатывать требования и умеет собрать и протестировать фичу. Но каждый процесс по-прежнему запускают люди, а агенты обычно работают на локальных машинах.

L4 Фабрика под контролем: перестаёте делать фичи и строите систему, которая их делает

Схема жизненного цикла на уровне L4 «Фабрика под контролем»: кто ведёт каждый из восьми этапов, человек или агент
Жизненный цикл на L4; обведены этапы, изменившиеся по сравнению с L3.
Практики L4 «Фабрика под контролем»:

? критична — без неё уровень ломается; ? обязательна — уровень её требует; ? усиливает — помогает на этом уровне.

Практики, которые уже были на L3, здесь не повторяю, если их статус не вырос: они в спойлерах уровней ниже.

Организация

  • ? Evals: автотесты для агентов — знать, хорошо ли агент всё ещё делает работу.

  • ? Платформа для агентов: общая среда запуска вне ноутбуков с доской, роутером и оркестратором — запускать агентов на платформе, которой пользуются люди, без чьего-то ноутбука.

  • ? Цикл самоулучшения: когда исправление повторяется, агент предлагает проверку, правку скилла или контекста, а человек её утверждает — чинить систему, а не очередной пул-реквест.

  • ? Метрики поставки: lead time, дефекты, переделки, доля принятых изменений — доказать, что фабрика даёт результат, и лучше, чем прежний способ работы.

  • ? Фича-флаги и быстрый откат — сделать ошибку дешёвой в откате.

  • ? Трейсинг агентов — видеть, что агент сделал и почему.

  • ? Политика решений и эскалации с журналом решений — определить, кто что решает сам и где должен спросить, и проверять принятые решения.

  • ? Правило двух для агентов: в продакшене по умолчанию только чтение — не давать одной сессии сразу недоверенный ввод, приватные данные и право действовать.

  • ? ИИ-шлюз: один путь к моделям, стоимость каждого запуска агента, затем бюджеты и лимиты — знать, сколько стоит каждая фича, и останавливать неконтролируемые траты.

  • ? Обвязка агента (harness), независимая от вендора и модели — менять модели и вендоров, не перестраивая процесс, даже если вендор отключит доступ.

  • ? Песочницы: временные изолированные среды — ограничить вред, который может нанести агент.

  • ? Гейты безопасности: статический анализ, сканирование зависимостей и секретов — блокировать небезопасный код без построчного ревью.

  • ? Потолок уровня для каждого вида работы по цене ошибки — держать аутентификацию, биллинг и миграции на уровне, где человек читает каждую строку.

  • ? Инженер ИИ-платформы — отвечать за платформу и обвязку агента (harness).

  • ? Slack-агент и бот поддержки — отвечать коллегам вне разработки.

PM

  • ? Кладёт спеку на общую доску, дальше её берёт агент; на L5 в спеки есть цели и критерии качества

Разработчик

  • ? Следит за фабрикой: агент берёт тикет и строит фичу в облачной песочнице, разработчик отвечает на развилках

  • ? Ревьюит архитектуру изменений, а не каждую строку

  • ? Превращает находки ревью в гейты, гайдлайны или контекст; утверждает правки, которые агент предлагает для повторяющихся исправлений

  • ? Пайплайн релизит после гейтов

  • ? Поддерживает фабрику: обвязку агента (harness), скиллы, гейты; улучшает её, когда она ломается по-новому

  • ? Агент следит за ошибками и запросами, эскалирует или открывает фикс

QA

  • ? Сгенерированный набор тестов запускается сам; QA проверяет отчёт и доделывает случаи, где нужен человек

  • ? Строит систему, которая тестирует, а не каждый тест

Ваш агент-мидл выдаёт приличный результат, но узким местом становитесь вы: вы проектируете фичи, запускаете процессы и проверяете каждое изменение. Harness всё ещё работает на вашем ноутбуке: это обвязка вокруг модели, которая дает ей контекст, инструменты и инструкции.

На L4 агент переезжает в облако и берёт задачи с общей доски трекера. Продакт-менеджер пишет спеку; агент предлагает план и задаёт архитектурные вопросы на развилках. Когда разработчик и агент договорились о подходе, агент работает самостоятельно. Дальнейшие решения он может эскалировать человеку или принимать сам по согласованной политике и записывать их для ревью. Агент возвращает пул-реквест, готовый к ревью человеком и творческому тестированию на staging-окружении.

За доской трекера задач стоит роутер: он решает, какому агенту отдать каждый входящий сигнал. Оркестратор управляет очередью и свободными машинами, запускает для каждой фичи агента в песочнице и сообщает, когда работа готова.

На L4 агенту не обязательно ждать задачи из трекера. Он проактивно следит за ошибками и логами, разбирается с проблемами по мере появления и либо эскалирует их, либо предлагает исправление.

Наш скилл для Sentry уже умеет вести такие расследования. Он изучает ошибки и логи прода, читает код и запускает read-only скрипты на проде, чтобы проверить гипотезы. Он может воспроизвести дефект падающим тестом и подготовить план исправления; для подходящих проблем оператор может разрешить ему дойти до пул-реквеста. Сегодня процесс всё ещё запускает человек. На L4 расследование запускалось бы само, по входящей ошибке.

Через Slack или другой мессенджер агент доступен и людям без навыков программирования. Поддержка может спросить, как работает фича; продакт-менеджеры могут задавать вопросы, не читая код. Агент смотрит в код и базу знаний, отвечает по тому, что знает, и может превращать запросы в черновики спек для PM.

Теперь вы выпускаете больше фич, но спеки, пул-реквесты и архитектурные решения начинают копиться. Работа выматывает: сплошное проектирование и ревью, переключение задач, а отдых в виде сфокусированного написания кода у нас отняли агенты. Вы снова становитесь узким местом в процессе. Постепенно вы доверяете системе все больше, ослабляете контроль на ревью, перестаете проверять каждую строку и поднимаетесь на уровень абстракции выше.

На L3 разработчик делает ревью реализации и исправляет найденное в пул-реквесте. На L4 каждое изменение проверяют автоматические гейты. Разработчики делают ревью на соблюдение архитектурных принципов и правил компании, а по находкам улучшают гейты. Им не обязательно ревьюить каждое изменение, но без архитектурного ревью они не узнают, работают ли гейты, и перестанут знать код достаточно хорошо, чтобы поддерживать фабрику.

На L4 фабрика учится на своих ошибках и собирает все исправления: упавшие тесты, замечания на ревью, ошибки в проде, слова человека «у нас так не делают». Когда исправление повторяется, агент предлагает изменить систему, а не чинить ещё один пул-реквест. Джуну больше не нужно напоминать одно и то же дважды. Самое сильное исправление делает ошибку невозможной на уровне архитектуры; дальше идут типы, правила линтера и проверки CI, потом тест, и только в последнюю очередь — строчка в AGENTS.md или в скилле: это самое слабое средство, потому что агент может его пропустить. Каждое предложение одобряет человек, прежде чем оно попадёт в систему, чтобы контекст не раздувался, а цикл не ошибался без присмотра.

Сначала постройте процесс, которому доверяете, и только потом отдавайте агенту крупные куски работы под меньшим контролем. У этого процесса должен быть владелец: AI Platform Engineer поддерживает платформу и обвязку агента.

Это еще один сдвиг в мышлении: вы перестаёте делать работу сами и начинаете строить систему, которая её делает, и следить за ней.

Перестаньте делать работу сами. Стройте систему, которая её делает.

Без построчного ревью безопасность должна быть частью гейтов. Отчёт Veracode за 2026 год показал, что код, сгенерированный ИИ, проходит проверки безопасности в 56% случаев на эталонных задачах, если в промпте нет требований к безопасности. По «правилу двух для агентов» от Meta агент, который в одной сессии сочетает недоверенный ввод, доступ к закрытым данным и возможность менять состояние или общаться вовне, не должен работать автономно — у него может быть не больше двух из трёх.

В QA тест-кейсы берутся из спеки, набор тестов запускается автоматически, а QA читает отчёт. Творческая часть остаётся: человек по-прежнему исследует фичу, пытается её сломать и замечает неудобные взаимодействия.

Остерегайтесь ложного L4: одних облачных агентов мало. Если архитектурное ревью продолжает находить дефекты на уровне строк, гейты не готовы и роль всё ещё на L3. Прежде чем люди перестанут читать каждую строку, кто-то должен убедиться, что гейты работают. Понять, улучшается ли процесс в целом, помогают метрики вроде доли принятых изменений и объёма переделок.

L5 Тёмная фабрика: почему стоит остановиться на фабрике под контролем

Схема жизненного цикла на уровне L5 «Тёмная фабрика»: кто ведёт каждый из восьми этапов, человек или агент
Жизненный цикл на L5; обведены этапы, изменившиеся по сравнению с L4.
Практики уровня L5 «Тёмная фабрика»

? критична — без неё уровень ломается; ? обязательна — уровень её требует; ? усиливает — помогает на этом уровне.

Практики, которые уже были на L4, здесь не повторяю, если их статус не вырос: они в спойлерах уровней ниже.

Организация

  • ? Спеки настолько точные, что диффы можно не читать — выпускать, не читая код.

PM

  • ? Проверяет результат

Разработчик

  • ? Задаёт границы и пороги качества

QA

Нового по сравнению с L4 нет.

На L5 никто не сверяет результат с тем, что хотел получить, и поэтому мы останавливаемся на L4. Дэн Шапиро называет тёмную фабрику «чёрным ящиком, который превращает спеки в софт» (пер. автора). Её сторонники не отказываются от проверки: она переезжает из диффов в точные спеки, сценарные тесты и пороги качества, которые люди задают заранее. Dash0 добавляет, что для этого нужны спеки настолько точные, что в диффы уже никто не смотрит, и что черновые спеки на полной скорости дают черновой результат.

Мы не стремимся на L5, потому что он убирает второй гейт — проверку, что вы получили то, что просили, а ради этого софт и делают. Это как разрешить мидлу отгружать работу клиентам, когда никто не сверяет результат с запросом. Автоматические проверки могут подтвердить, что результат отвечает критериям, написанным до того, как он появился. Но они не скажут, описывали ли эти критерии то, что вы хотели, и не заметят, что фича неудобна тому, кто будет ею пользоваться. Для этого нужен человек, который просил, и QA-инженер, который пробует фичу глазами пользователя. Более сильные модели этого не изменят. Это вопрос смысла, и каждый отвечает на него сам. Мы делаем софт для людей. Если никто не проверяет, получили ли мы то, что просили, работа теряет смысл и превращается в ИИ-мусор. Поэтому и смысл, и его проверку мы оставляем людям. Там, где результат предназначен не людям, ответ может быть другим.

Потолок для каждого вида работ задаёт цена ошибки

Насколько близко к L4 подпускать каждый вид работ, компания решает сама — по цене ошибки. Фреймворк Сбера AI-Disrupt PDLC ведёт отдельную шкалу прав агентов с учётом риска, где самые критичные пути остаются на уровне предложений, которые принимает человек.

Цена ошибки

Примеры

Высший уровень

Глубина архитектурного ревью

Низкая, легко откатить

внутренняя админка, интерфейс за фича-флагом, одноразовый прототип

L4

на части изменений можно не делать

Высокая, но обратимая

продуктовые фичи для клиентов

L4

человек остаётся в контуре решений

Необратимая или высокий риск

аутентификация, биллинг, данные клиентов, миграции схемы

L3: человек ревьюит каждую строку

-

Потолок — это самый высокий уровень, на котором ваши гейты надёжно ловят ошибки, которые нельзя откатить. Аутентификация и биллинг остаются на L3 не потому, что человек читает код лучше гейта, а потому, что пропущенный там дефект не откатить, а гейты пока не исключают такой класс ошибок; когда научатся, потолок можно поднять. Dash0 говорит то же самое: сервис переходит на уровень выше только по доказательствам, по одному сервису за раз, а зоны высокого риска могут не пройти никогда.

Два гейта для человека: какова роль людей в новом процессе?

Нужен ли в этом процессе человек? Останетесь ли вы без работы?

Я считаю, что люди останутся незаменимыми, но планка растёт: агент берёт на себя всё больше работы разработчика, поэтому вам придётся стать лидом, который ответственен за результат "вкруг", разговаривает с бизнесом, принимает решения на каждом этапе, управляет командой агентов и верифицирует результат . Какие-то профессии исчезнут, большинство изменится, но это тема для отдельной статьи. Здесь я останавливаюсь только на том, что не меняется от уровня к уровню.

Два гейта остаются за людьми на каждом уровне ниже L5: решить, чего же мы хотим достичь, и проверить, получили ли мы это. Агент может найти пробелы в запросе и помочь превратить его в спеку, но проблему, результат и компромиссы выбирают люди. Результат проверяет тот, кто просил; на L4 эта проверка поднимается с каждой строки на архитектуру и продукт, а QA исследует продукт так, как это делал бы пользователь.

За людьми остаются два гейта: решить, чего мы хотим, и проверить, получили ли мы это.

Между гейтами вы делегируете работу агенту так же, как разработчику: ставите задачу, договариваетесь о контрольных точках и гейтах, о правилах, когда нужно остановиться и позвать человека принять важное решение на развилке.

Что проверяет человек на каждом уровне:

Уровень

Что проверяет человек

L0, Ручной

Всё

L1, С ассистентом

Всё + ответы чата

L2, С агентом

Каждое изменение агента

L3, Делегирование

Все еще каждое изменение агента, но фокус смещается на общее направление решения и план, ключевые архитектурные решения, соблюдение конвенций

L4, Фабрика под контролем

Продукт, только общее направление решения, ключевые архитектурные решения.

L5, Тёмная фабрика

Входящую спеку

В заключение

Эта статья — попытка осмыслить наш путь внедрения ИИ и набросать карту. Сейчас мы где-то на L3 и экспериментируем с L4. Команда почти никогда не находится целиком на одном уровне, и темп задаёт самая медленная роль: настроили процесс в разработке — узкое место переезжает в QA. Поэтому оценивайте зрелость по самому слабому измерению, а не по самому сильному.

На L4 ролей может остаться не три (PM, Dev, QA). В ИИ бизнес видит волшебную пилюлю, которая должна все делать одним промптом, а экономика заставляет сокращать издержки. Если вы больше не пишете код, то какова ваша роль в компании? Я вижу две роли, в которые всё сливается в 2026 году. AI Builder отвечает за продукт и контролирует фичи, проходящие через фабрику, а AI Platform Engineer поддерживает платформу и обвязку агента. Компании побогаче сохранят узких специалистов, а бизнес помельче будет выжимать из сотрудников все соки: больше ролей в одном человеке за те же деньги.

Участвовать в этих изменениях очень интересно, хотя иногда и страшно: вместе с технологическим рывком радикально меняются или исчезают целые профессии и отрасли. Об этом поговорим в следующей статье. Но в будущее я смотрю с оптимизмом: не можешь победить — возглавь, будь early adopter.

Комментарии (10)


  1. InsiderCrush
    14.11.2026 03:25

    Вы хотя бы частично осознаете, как все устали от подобных статей тут? Это ваш личный локальный никому не интересный пример, как вы свою работу со своим ии-агентом настраиваете. Все ваши "гениальные находки" и "гениальные схемы" не стандартизированы и не применимы для других. Приходите со статьей, когда с помощью ваших "гениальных" новшеств создадите работающий продукт который вас и вашу команду кормит. А все промежуточные этапы и тем более ваши костыли для ии-агентов и намордники вообще никому не интересны.


  1. Dhwtj
    14.11.2026 03:25

    На L4 агент переезжает в облако и берёт задачи с общей доски трекера

    Достаточно посмотреть artcraft, где L3 и частично L4

    Он практически умер через 1.5 месяца судя по статистике коммитов. Нет понимания какое должно быть поведение, из-за этого поток багов превышает возможности команды. Нет специалистов оптимизации по скорости, она меньше в 10 раз в ряде сценариев

    Из ai driven open source успешен разве что OpenClaw - полон говна и дыр в безопасности, но пипл хавает

    Claude утверждает, что пишет полностью агентами, но кто их там проверит


    1. bravik Автор
      14.11.2026 03:25

      Нет понимания какое должно быть поведение, из-за этого поток багов превышает возможности команды. Выглядит как будто суть проблемы в том, как работает open source, а не в агентах… AI усиливает то что вы имеете, если общего согласия куда движется продукт нет, и процесс и quality gates не выстроены - то и получается многократно ускоренный поток багов…

      У нас такой проблемы нет, мы понимаем что строим, и есть технический лидер, который жестко держит архитектурные рамки и выстраивает контроль этих рамок и качества кода в целом. Quality gates… У нас уже есть работающий процесс, он трансформируется, и задача не просто сохранить качество результата, но и улучшить его и ускориться, что в нашем конкретно кейсе работает.


      1. Dhwtj
        14.11.2026 03:25

        Что за продукт? Велика ли доля разработки?


      1. u11wsia
        14.11.2026 03:25

        Мне кажется это нормально, в любом случае парни молодцы. Те, кому это интересно, подкчернут что-нибудь полезное, я уверен

        Ваша позиция тоже ясна и понятно, но к примеру мы занимаемся безопасностью ИИ, когда не было OWASP 10 LLM - все также пихали что хотели и потом из общей всей массы собрался стандарт


  1. Atata2015
    14.11.2026 03:25

    Кто все, почему вы пишите от лица ВСЕХ? Я вот не устал, прочитал статью с большим интересом, подчерпнул для себя полезное. Что за снобизм? Человек написал статью, поделился информацией и опытом, а ваш камент не несёт ни байта полезной нагрузки, а только сплошные уничтожения, снобизм и вероятно гигантское чсв. И если вы сидите безвылазно на хабре и можете процитировать любую статью за последние N лет, то кто-то легко мог попасть сюда случайно, прочитать единственный материал и найти его полезнвм для себя.

    Вы, лучше напишите свой гениальный и неповторимый материал, который взорвет интернет и передвинет человечество на следующий технологический уклад.

    Автору спасибо за статью, мне лично было интересно и полезно. В компании где я работаю мы наверное в разбросе от L0 до L2, нейронки доступны, но каждый крутит их как хочет, и какого-то единого процесса и общего инструментария нет (хотя потихоньку появляется).


  1. amazingname
    14.11.2026 03:25

    Первое - полностью игнорируется колоссальный прогресс который модели прошли за год. Все спецификации, скилы, практики, "у нас так делают" теряют актуальность с каждой новой моделью. Тогда зачем с ними возиться?

    Второе - модели решают задачи быстро, прям ну очень быстро. Ограничение по скорости здесь исходит от способность команды понимать что вообще происходит. Какие там модель видит спецификации, какие практики работы с ней вы применяете и может ли она сама сделать из задачи PR это все вообще пофиг. Пока вы ставите задачу ручками, беседуете с агентом и создаете PR у вас хоть будет время подумать что с проектом происходит. Если агент все будет делать сам, кто и как будет вникать что он вообще делает?

    Третье - сейчас меняется поход к коду вообще и это самое важное а не то, как имитировать олдскульную разработку с AI и втащить в нее все анахронизмы доставшиеся от времени когда на 100 строк кода уходил день. На сегодня мы можем попросить переписать ядро системы которое выстадали за 10 лет с нуля и получим его через три дня в новом виде - быстрое, без надоевший пробелов и непонятно как работающее. И что с этим делать пока никому непонятно.


    1. bravik Автор
      14.11.2026 03:25

      Да я как буд-то написал об этом в секции “Потолок для каждого вида работ задаёт цена ошибки”.

      Вопрос в том насколько вам важно понимать как это работает? Если цена ошибки незначительна, вам достаточно будет побеседовать с агентом, пока не получите то что хотите, а смотреть код не обязательно, достаточно покликать основные сценарии, посмотреть, чтобы визуально было как надо. Будет ошибка - дешевле и проще потом агентам пофиксить. Впринципе у нас с фронтендом уже почти так, есть дизайн система - изменения в ней проходят внимательное ревью, а то что из этой дизайн системы собирается - код никто не смотрит.

      Но если цена ошибки высока, то вам нужно понимать и строить фабрику выдающую то, что вы можете понимать и контролировать.

      Наверное есть причина почему “выстраданное за 10 лет ядро” все еще только гипотетически “можем попросить переписать”. Было бы так просто - наверное уже переписали бы. И надеюсь это не ядро мозгов какого-нибудь MC-21, - вряд ли вы бы согласились тогда на нем полететь, если бы оно было переписано агентом и непонятно как работающее.


      1. amazingname
        14.11.2026 03:25

        У меня опыт в основном с бэкендом.

        Надёжность достигается количеством тестов (интеграционных, которые по сути почти энд ту энд) либо обсуждением с агентом как он решил отдельные проблемы. Просмотр кода уже фактически бесполезен - его слишком много чтобы человек мог найти в нем проблемы.

        И меняются сами задачи. Понятные задачи испаряются со скоростью света, остаются непонятные и сложные. Код больше не пишется как раньше, вместо этого из него лепится решение как из глины - берусь повысить к примеру результаты некого MCP-шника на эвалах, и за неделю полностью перепипываю код сервиса случайно и проходя мимо.

        Скилы, рулы, BMAD спецификации в нашем проекте массово все пишут. Но когда я решаю задачу я их все втихаря удаляю, потому что модель сама разберётся, а остальное лучше я ей подскажу.


  1. Tryu
    14.11.2026 03:25

    Спасибо. Полезная статья, для тех кто не очень ориентируется в реальном практическом применении моделей.