Код‑ревью в эпоху ИИ: 7 ошибок, ведущих к инцидентам
Материал подготовлен в преддверии старта курса «ИИ для разработчиков».Всем привет, меня зовут Сергей Прощаев и в этой статье расскажу про ревью кода, созданного ИИ, и про то, почему AI Code Review так часто не спасает. Я Tech Lead и руководитель направления Java | Kotlin разработки в FinTech & E‑commerce, преподаю на курсах разработки и архитектуры в ОТУС.Типичный сценарий, который я всё чаще вижу в командах, выглядит так. Разработчик ставит задачу
ИИ в масштабе: как управлять внедрением, метриками и трансформацией команды из 500+ разработчиков
За год экспериментов мы выяснили, что традиционное обучение почти не повышает adoption, а количество пользователей ещё ничего не говорит о бизнес-эффекте. Агенты могут написать от 80 до 99% кода, а могут за 12 часов разрушить архитектуру проекта. Мини-команда из двух разработчиков и бизнес-эксперта с помощью ИИ может сделать интеграционный сервис так же быстро, как команда из пяти человек, но Lead Time при этом может остаться прежним.
Код пишется быстрее, релизы выходят так же. Куда переехало бутылочное горлышко?
Ленты новостей последние пару лет носят Copilot и его друзей на руках. Кажется, что главная революция уже случилась, разработчики получили автодополнение на стероидах, генерацию функций по описанию и почти волшебство в IDE. Но есть одно «но». Если честно посмотреть на процессы, выясняется, что код у многих команд действительно стал писаться быстрее — а вот релизы выходят почти с той же скоростью, что и три года назад. Бутылочные горлышки просто переехали в другие части жизненного цикла разработки (SDLC).
Нас сломала elbow‑стрелка: как мы с братом учились проектировать продукт до кода
Мы с братом вдвоём разрабатываем WorkHub. До этого у нас не было профильного образования и опыта создания цифровых продуктов. Мы не работали внутри IT‑команд и не проходили путь от стажёра до разработчика. Возможность начать появилась во многом благодаря ИИ‑инструментам.Я, в основном, отвечаю за продуктовую документацию, проработку функций и тексты. Код мы пишем вместе. Брат сильнее влияет на общее видение продукта и занимается аналитикой. Жёсткого разделения ролей у нас нет: небольшие UX‑проблемы, разработку и проверку реализации мы часто разбираем совместно.
AI в инженерной команде: практический гайд по обмену рабочими приёмами
Обучение через чужой опыт — вполне реальная штука: мы перенимаем навыки и знания, наблюдая за другими, слушая об их ошибках, видя, что сработало. Поэтому постмортемы так хорошо помогают наращивать контекст и видеть, как другие инженеры решают проблемы. В последнее время я много думаю об обучении через чужой опыт — особенно о том, как инженеры учатся пользоваться AI.
ИИ ускорил разработку. Почему продакшен стал ломаться чаще
В этой статье поговорим о том, почему команды, ускорившиеся с помощью искусственного интеллекта, продолжают ломать продакшен — и что иначе делают те, у кого такой проблемы нет.Начну с ситуации, которая, скорее всего, уже с вами случалась.На прошлой неделе вы сделали пулл-реквест. Код, сгенерированный искусственным интеллектом, выглядел аккуратно: читаемый diff, тесты проходят, ничего явно подозрительного. Вы его одобрили. А через два дня в продакшене что-то сломалось так, как никто не ожидал.Если с вами такого пока не было, вам просто повезло. Я вижу это постоянно, и у таких случаев есть общий паттерн.
JetBrains добавляет командное управление ИИ-инструментами для разработки
JetBrains объявила о запуске JetBrains AI for Teams and Organizations — набора возможностей для команд и компаний, которые уже используют ИИ в разработке, но сталкиваются с разрозненными инструментами, контекстами и расходами.Идея не в том, чтобы заставить всех разработчиков перейти на один ИИ-инструмент. Напротив, JetBrains делает ставку на более гибкую модель: разработчики продолжают работать в привычных IDE, терминальных агентах и внешних сервисах, а организация получает общий слой управления, контекста, политик и аналитики.Зачем это нужно

