Як ми впровадили ШІ-агентів у наш процес розробки
Агенти штучного інтелекту активно впроваджуються у сучасні процеси розробки. Зазвичай вони не замінюють розробників, а автоматизують повторювані завдання та прискорюють випуск продукту.
У цій статті ми розглянемо, як ШІ-агенти підвищують ефективність у реальних умовах розробки, як вони автоматизують окремі етапи циклу розробки та що потрібно для масштабування цього підходу без шкоди для захисту.
За нашого внутрішнього досвіду інтеграція штучного інтелекту в інженерні робочі процеси дозволила нам значно збільшити продуктивність, дотримуючись при цьому суворих стандартів якості та безпеки.
Продуктивність х3 — той самий рівень безпеки
Ми розробляємо програмне забезпечення, де помилки можуть коштувати дорого, тому «майже правильно» ніколи не є достатньо добре.
Водночас значна частина нашого часу на розробку йшла на рутинну роботу — налаштування, підготовку та перші версії — перш ніж хтось добирався до тих етапів, що насправді вимагають оцінки.
Ось чому ми завжди вимірювали продуктивність за результатами кінцевої доставки (час виконання, частота розгортання та стабільність розробки) — а не за «кількістю написаного коду».
Протягом останніх шести місяців ми інтегрували агентів ШІ в наш робочий процес, виходячи з однієї суворої передумови: агенти можуть прискорити виконання, але рішення повинні приймати люди. Інженери вирішують, коли делегувати, а ті самі етапи рецензування та CI/CD визначають, що буде випущено.
Чому ми інтегрували агентів ШІ?
До появи агентів навіть «невеликі» функції часто проходили повільний шлях:
Ідея продукту → інженер перетворює її на кроки → години шаблонного коду → перший PR, готовий до рецензування.
Шаблонний код не був однією великою рутинною роботою; це був набір необхідних мікрозавдань: створення гілок, підключення кінцевих точок, дотримання внутрішніх конвенцій, додавання дозволів і логування, оновлення станів інтерфейсу та складання базових тестів.
Ніщо з цього не є необов’язковим у розробці, але це повторювані дії.
Ми не хотіли, щоб агенти писали наш найскладніший код. Ми хотіли, щоб вони усунули необхідність «першої чернетки» для змін з чітко визначеним обсягом, щоб інженери могли приділяти більше часу прийняттю рішень: компромісам в архітектурі, моделюванню загроз та сценаріям відмов.
Саме так ШІ-агенти автоматизують робочі процеси: беруть на себе рутинні технічні завдання, покращуючи ефективність, але не замінюючи людське судження й ухвалення рішень.
Алгоритм роботи, який ми використовуємо в розробці
Наразі ми використовуємо такий алгоритм:
Продукт → Оцінка → Розробник → Агент готує PR → Перевірка розробником → Перевірка командою → Цикл виправлень агентом → Злиття
Оцінка — це етап, який часто недооцінюють. Нечіткі технічні вимоги — це проблема як для людей, так і для моделей. Тому перед тим, як агент приступає до роботи, ми вимагаємо короткий «пакет завдання»:
- критерії прийнятності
- обмеження (що не повинно змінюватися)
- посилання на попередні розробки
- позначка ризику (низький / середній / високий)
Коли інженер делегує завдання, робота агента є вузькоспеціалізованою: створити першу чернетку PR, що відповідає існуючим шаблонам.
Ми вимагаємо ґрунтовного підходу: агент повинен покладатися на джерела репозиторію та внутрішні інтерфейси, а не вигадувати їх. Це відповідає ширшому принципу впровадження ШІ — можливість відстеження та аудиту важливіша за швидкість виконання.
Приклад: резервні коди 2FA
Типовий цикл виглядав так:
10:15 — Розробник делегує завдання з урахуванням критеріїв прийому
10:35 — Агент відкриває PR (зміни UI + API, показник функції, тести)
11:00 — Розробник перевіряє цілі та безпеку
11:30 — Команда перевіряє межі та граничні випадки
12:00 — Злиття
Загальний час активної роботи людини: ~45 хвилин.
Суть не в тому, що AI «доставив функцію». А в тому, що розробники витратили час на оцінку, а не на набір тексту.
Поширені помилки: що ми змінили
У перший місяць ~32% PR, складених агентом, потребували суттєвої доробки.
До кінця шостого місяця ми зменшили цей показник до ~9%.
Головним чинником стало не вдосконалення моделі, а дизайн системи.
Ми виявили п’ять типових причин збоїв:
Уявні інтеграції (~18%)
Агент припускає, що API або методи SDK існують.
→ Рішення: вимагати посилання на внутрішній код або зупиняти виконання.
Нечіткі специфікації → неправильний UX (~25%)
«Зробити зручним для мобільних пристроїв» ≠ правильна реалізація.
→ Рішення: суворіші критерії прийнятності.
Розширення обсягу робіт (~22%)
Агент вводить непотрібні рефактори.
→ Рішення: чіткі межі обсягу робіт + крок «спочатку спланувати».
Неправильні внутрішні шаблони (~12%)
Код працює, але порушує конвенції.
→ Рішення: забезпечити узгодженість через рецензування.
Як AI-агенти безпечно автоматизують робочі процеси проєкту
Ключовий висновок: AI-агенти не замінюють робочі процеси — вони інтегруються в них.
Щоб безпечно відповісти на запит як агенти ШІ можуть автоматизувати робочі процеси проєкту, ми покладаємося на багаторівневі заходи безпеки:
- Делегування як рішення щодо ризику
- Відгук окремого розробника
- Відгук команди (2+ розробників)
- CI/CD як суворий фільтр
- Затвердження у виробництві для змін з високим ризиком
Ми також запровадили «цикл виправлення агентом»:розробники залишають коментарі до PR → агент виправляє конкретні елементи → повторювати.
Ось так команди автоматизують завдання за допомогою AI-агентів, зберігаючи повний контроль над результатами.
Метрики, які ми відстежуємо
Ми вимірюємо ефективність за допомогою показників виконання + стабільності (метрики DORA).
| Показник | До | Після | Приріст |
| Функцій на розробника/тиждень | 1.2 | 3.6 | 3.0× |
| Рівень переробки | 32% | 9% | -23 pts |
| Відсоток невдалих спроб | 0.8% | 0.9% | без змін |
Пропускна здатність збільшилася — без шкоди для безпеки.
Наші висновки
Чіткі стандарти делегування, чіткі межі відповідальності, відстежуваність, спостережуваність та можливість аудиту перетворили ШІ-агентів на надійний інженерний інструмент.
Ця зміна також формує портрет спеціалістів, яких ми хочемо бачити в команді: розробників, що поєднують технічну глибину, відповідальність, зрілість у прийнятті рішень і практичний підхід до використання AI. Якщо вам близька робота над продуктами, де важливі якість, безпека та сучасні інженерні підходи, перегляньте кар’єрні можливості в WhiteBIT.
Справжня цінність — це не лише швидкість.
Це здатність автоматизувати механічну роботу, зменшити когнітивне навантаження та дозволити розробникам зосередитися на рішеннях, що справді мають значення — зберігаючи при цьому той самий рівень безпеки для продуктів, які створюють реальну цінність.
