Поделюсь мыслями после пары докладов с AI Conf про использование AI в SDLC.
Были интересные выступления от Тбанка и Яндекс SourceCraft.

# Что делают компании
— Крупные игроки (Тбанк, Яндекс, Сбер, МТС) активно пилят собственные инструменты.
— Остальные чаще всего опираются на open-source решения вроде roo-code или cline.
— Малые компании особо не заморачиваются и используют Cursor, Windsurf и т.п. У крупных так не выйдет — вопросы безопасности.

# AI-ассистенты в IDE: два уровня
— CodeCompletion (подсказки при наборе кода)
— Агентский режим (написание кода «по задаче»)

В ассистенте Тбанка есть в т.ч. команды: чат с RAG, ревью и пр. На слайде как раз показано, как у них разделяются команды ассистента.

# Цифры из Яндекса
— ~70% разработчиков пользуются ассистентом
— 45% применяют автогенерацию описаний PR
— 30% используют нейроревью кода

# Про привычки
Евгений рассказывал, как однажды у них сломался CodeCompletion при релизе.
Разработчики были фрустрированы и завалили обратной связью: настолько привыкли, что отключение подсказок буквально выбивало из колеи.
Поимерная цитата эмоции: «Нет ничего более дизморалящего, чем ждать подсказку... ждёшь, ждёшь — а она так и не появляется». К хорошему быстро привыкаешь =)

# Про метрики
В Тбанк сделали метрику True Completion. Она отслеживает, как живёт строчка кода, написанная AI: если она остаётся в проекте хотя бы месяц — значит, это реальная польза.
У Яндекса есть похожий подход, пока внутри не в SourceCraft, но обещают релизнуть. Инструменты Тбанка пока закрыты вовсе.

Минус в том, что такая метрика очень дорогая: нужна глубокая интеграция в инфраструктуру. Большинство готовых инструментов (купленных или open-source) меряют максимум до коммита — и то не всегда.

— Бизнес хочет цифры по дельте роста производительности разработчика от AI.
Но тут всё сложно: за десятки лет мы так и не научились точно мерить сам перфоманс разработчика, а кодинг — это только часть цикла разработки. Поэтому точные цифры дать почти нереально.

— Зато есть наблюдения: коллега рассказал, что они видят рост перфоманса QA в 2–3 раза за счёт AI.

⚙️ Про размеры моделей и инфраструктуру

CodeCompletion
Для автодополнения кода хватает относительно небольших моделей на 8B.
На 4B качество уже заметно проседает.
В Тбанке сейчас используют SeedCoder (Bytedance, июнь 2025) — выбрали её после серии A/B-экспериментов.

Чат
Для чата нужна модель покрупнее.
Но у неё заметно ниже RPS, поэтому даже A100 (по словам коллег из X5) вполне может справляться с инференсом.

Агентский режим
Если использовать агента для нескольких десятков разработчиков, придётся держать кластер из 4+ A100.

Яндекс использует кучу моделей сразу для оптимизации инференса. Например определяет сложность запроса и подсовывает нужную модель. Примерно как курсор, я так понимаю.

💰 Стоимость
Серверы с A100 начинаются примерно от 150K до 500K ₽/мес.
Зависит в первую очередь от того, какую CPU-мощность туда ставить (пример: Immer Cloud).