Токены — новая единица бюджета. Как управлять расходами на ИИ без лимитов для сотрудников
Компании всё чаще пересматривают расходы на ИИ-инструменты. Например, Uber в 2026 году ввела лимит в $1 500 в месяц на сотрудника для каждого агентного инструмента кодинга: по данным Bloomberg, годовой бюджет на ИИ был израсходован за четыре месяца.Такая реакция понятна — чем больше команда пользуется ИИ, тем выше счёт провайдера. Но лимит на человека — это не единственный и не всегда лучший способ управлять затратами. Он не различает полезный сложный запрос и простой вызов, который случайно отправили в дорогую модель. А ещё может ограничить именно тех сотрудников, чья работа действительно выигрывает от ИИ.
От задачи до MR: как устроен конвейер разработки с ИИ-агентами в «Первой Форме»
ИИ-агент может за минуты подготовить изменение, на которое у разработчика прежде уходил час. Но ускорение написания кода создаёт другую проблему: растёт нагрузка на проверку. Нужно изучить diff, понять предположения агента, проверить затронутые компоненты и убедиться, что решение соответствует задаче, а не просто проходит формальные проверки.Почему агент выбрал этот модуль? Какие связанные части системы изучил? Какие варианты отбросил? На какие требования и результаты проверок опирался? Если этот контекст остаётся в закрытой сессии, следующему участнику процесса приходится собирать его заново.
ИИ‑агенту недостаточно правил: как мы передаём ему инженерный опыт
Сначала нам советовали подробно задавать правила в промпте. Промпты росли и постепенно превращались в:Ты опытный программист. Пиши хороший код. Плохой код не пиши.Потом появился следующий рецепт: сначала подготовьте подробную документацию, а уже затем поручите агенту писать код. В результате люди начали сначала генерировать агентом документацию, а потом тем же агентом — код по этой документации. Между человеком и кодом просто появился ещё один слой сгенерированного текста.
С телефона в Альпах в Microsoft Store за две недели: нативный GUI для PostgreSQL через облачный Claude Code
С телефона в Альпах — в Microsoft Store за две недели: нативный GUI для PostgreSQL через облачный Claude Code
Как мы перестраивали работу аналитиков под разработку с ИИ-агентами и SDD
Всем привет! Я Светлана Забирова, лид аналитики в Центре разработки и машинного обучения компании «Инфосистемы Джет». В ИТ работаю уже больше десяти лет, из них половину – в заказной разработке.
Что происходит с SDLC в эпоху AI-агентов
Несколько месяцев назад в публичном пространстве появилась история, которую в engineering-сообществе стали называть поучительной. Команда AWS использовала внутренний AI-инструмент Kira для ускорения работы. Kira предложила джуниорам сценарий: переразверни продакшн-слой. Инженеры согласились. Следующие шесть часов весь AWS не работал. После разбора полётов компания объявила новое правило: финальный апрув на изменения, предложенные агентом, должен давать сениор-инженер.
ИИ-агенты в автоматизации тестирования: собираем воркфлоу из скиллов, MCP и разных LLM
Привет! На связи команда QA Automation СВОЙ Тех
Моя подборка полезных статей на habr про агентную разработку
В какой-то момент я стал для себя и своих коллег собирать статьи на habr про агентную разработку, которые с моей точки зрения были бы нам полезны. С 27.04.2026 начал это делать каждый день: просматривать все статьи в хабах ИИ, Java, Python, аналитики и тестирования. Решил сделать статью с этой подборкой, может кому будет интересно. В этой подборке только дата статьи, название и ссылка. Понял, что нужно хотя бы комментарий писать, почему я ее сохранил. Для новых статей исправлюсь. Буду благодарен, если в комментариях напишите ссылки и на другие статьи про агентную разработку, которые считаете полезными.
