Почему разработка с AI скатывается в генерацию слопа или не ускоряет разработку вовсе
Многие разработчики привыкли работать с AI так:
1. Получают задачу от бизнеса
Дальше, обычно два подхода
1) Хорошо, если эта задача прорабатывается предварительно с агентом. но в большинстве случаев в промпт копируется задача из Jira
- агент бежит делать, что то там кипит, токены тратятся, через полчасика отчитывается – готово!
- на приемке результатов, если повезет, фича работает с первого раза.
Если нет, то с помощью фоллоу-апов исправляется и пушится в продакшен
2) Задача прорабатывается вручную, в агента отправляются промпты "создай функцию X, endpoint Y" и т. д.
Код после агента ревьюится вручную. если есть недочеты - исправляется вручную или через агента
В первом случае, такой процесс генерит неподдерживаемый код. Это кстати тот самый вайбкодинг, который так хейтится true-разрабами. И это одна из причин почему они отрицают AI и саботируют трансформацию.
Во втором случае, у вас код пишется на 95% быстрее, но по факту, это не сильно меняет дело. Тут появляется непонимание, нафига нужен этот AI, если на код ревью и исправление проблем уходит столько же времени, как если бы код писался руками.
В обоих случаях AI используется не эффективно, а в первом его использование ещё и вредит.
Как делать правильно?
Использовать дедовский метод – осознанно применять в разработке SDLC. А в нынешнее время применять ещё и Agentic SDLC.
Что такое SDLC?
Это жизненный цикл любого софта, который разрабатывается: от постановки задачи от бизнеса и до поддержки после релиза. Кстати, компания становится AI native в т. ч. когда у нее уже выстроен SDLC цикл на ai агентах.
Почему не все применяют SDLC?
1) Потому что не все понимают что это такое и у многих это по факту просто карго-культ, который я описал выше. Отсутствует понимание что именно мы делаем, зачем, и почему будем реализовать именно так. Отсутствуют понятные процессы работы (набор практик для каждой части SDLC)
2) Потому что, чтобы это работало хорошо, нужно менять процессы внутри компании. Я частенько вижу, что у многих команд, на проектах даже тестов и настроенного линтера нет, не говоря об отлаженных процессах devops или восстановлениях при упавшем продакшене.
Некоторые разработчики узнают о существовании стат. анализаторов прямо на командной консультации со мной :)
С AI coding отсутствие таких процессов будет сильно замедлять работу.
А ИИ-трансформация во многих компаниях заканчивается в лучшем случае на оплате подписок для сотрудников, а в худшем - на снятии запретов на использование агентов (подписки оплачивайте сами).
Лайк, репост,
✔ ️ Тимур Хахалев про AI Coding, подписывайтесь!
Многие разработчики привыкли работать с AI так:
1. Получают задачу от бизнеса
Дальше, обычно два подхода
1) Хорошо, если эта задача прорабатывается предварительно с агентом. но в большинстве случаев в промпт копируется задача из Jira
- агент бежит делать, что то там кипит, токены тратятся, через полчасика отчитывается – готово!
- на приемке результатов, если повезет, фича работает с первого раза.
Если нет, то с помощью фоллоу-апов исправляется и пушится в продакшен
2) Задача прорабатывается вручную, в агента отправляются промпты "создай функцию X, endpoint Y" и т. д.
Код после агента ревьюится вручную. если есть недочеты - исправляется вручную или через агента
В первом случае, такой процесс генерит неподдерживаемый код. Это кстати тот самый вайбкодинг, который так хейтится true-разрабами. И это одна из причин почему они отрицают AI и саботируют трансформацию.
Во втором случае, у вас код пишется на 95% быстрее, но по факту, это не сильно меняет дело. Тут появляется непонимание, нафига нужен этот AI, если на код ревью и исправление проблем уходит столько же времени, как если бы код писался руками.
В обоих случаях AI используется не эффективно, а в первом его использование ещё и вредит.
Как делать правильно?
Использовать дедовский метод – осознанно применять в разработке SDLC. А в нынешнее время применять ещё и Agentic SDLC.
Что такое SDLC?
Это жизненный цикл любого софта, который разрабатывается: от постановки задачи от бизнеса и до поддержки после релиза. Кстати, компания становится AI native в т. ч. когда у нее уже выстроен SDLC цикл на ai агентах.
Почему не все применяют SDLC?
1) Потому что не все понимают что это такое и у многих это по факту просто карго-культ, который я описал выше. Отсутствует понимание что именно мы делаем, зачем, и почему будем реализовать именно так. Отсутствуют понятные процессы работы (набор практик для каждой части SDLC)
2) Потому что, чтобы это работало хорошо, нужно менять процессы внутри компании. Я частенько вижу, что у многих команд, на проектах даже тестов и настроенного линтера нет, не говоря об отлаженных процессах devops или восстановлениях при упавшем продакшене.
Некоторые разработчики узнают о существовании стат. анализаторов прямо на командной консультации со мной :)
С AI coding отсутствие таких процессов будет сильно замедлять работу.
А ИИ-трансформация во многих компаниях заканчивается в лучшем случае на оплате подписок для сотрудников, а в худшем - на снятии запретов на использование агентов (подписки оплачивайте сами).
Лайк, репост,
