Главная | Блог | Ускорение разработки нейросетями: чему бизнесу стоит поучиться у Яндекса

Тысячи инженеров в штате, и компания открыто заявляет: три четверти её кода будет писать искусственный интеллект. На пробу отдельной группы это уже не тянет – скорее на управленческое решение, у которого есть измеримые ориентиры. Программа под названием 75/75/75 появилась 29 июля 2026 года, и ценность объявления Яндекса в том, что вместо намерений компания выложила посчитанные показатели внедрения. Ниже разберём, что стоит за этими числами и какие элементы подхода имеют смысл для команды из пяти программистов, а не из нескольких тысяч.

Три планки, которые Яндекс планирует взять до конца 2026 года, выглядят так: регулярно писать код вместе с ИИ должны минимум 75% разработчиков, с участием ИИ должны готовиться минимум 75% правок в кодовой базе, а внутри каждой такой правки модель обязана выдавать не меньше 75% кода.

Но любопытнее не финиш, а старт. Регулярно к ИИ сейчас обращаются 73% разработчиков компании, генеративные модели участвуют в создании больше половины нового кода – а команд, где ИИ вошёл в ежедневную рутину и покрывает минимум 75% правок, всего 17,2%.

За месяц эта доля, впрочем, выросла более чем вдвое к уровню прошлого квартала. Картина получается понятная: инструментами обзавелись почти все, а процессы под них оптимизированы у единиц. Ровно этот зазор программа и должна закрыть.

Компания разбирает три примера, и они говорят больше, чем сводная статистика.

Разработчики Яндекс Еды за два месяца собрали с помощью ИИ код агента, который принимает звонки и брони в ресторанах, – работа пошла более чем вдвое быстрее. В Яндекс Браузере искусственный интеллект написал порядка 80% кода новой архитектуры для перевода видео, и вместо двух-трёх недель задача заняла два дня. В Яндекс Лавке один сотрудник за три недели сделал прототип кабинета франчайзи, а темп разработки в некоторых спринтах поднялся в 3,3 раза.

У всех трёх историй есть общий признак: речь про новую, достаточно обособленную функциональность и прототипы. Здесь нет ни переписывания легаси, ни переноса базы, ни проектирования архитектуры под высокие нагрузки. Кратный выигрыш появляется там, где задача ясна и очерчена по краям.

Компания перечисляет области, где ИИ реально разгружает инженеров:

• Написание нового кода и рефакторинг уже существующего.
• Поиск ошибок и выяснение причин сбоев.
• Подготовка тестов и технической документации.
• Создание прототипов и проверка продуктовых гипотез.
• Типовые тикеты – внутренний агент GENA ведёт задачу от заявки до готового кода и подключён более чем к тысяче проектов.

Отдельно Яндекс подчёркивает: выбор архитектуры, контроль качества и ответственность за итог никуда от разработчиков не уходят. Это важная оговорка – скорость исполнения растёт, но вопрос, что именно и с какой целью вы делаете, ИИ за вас не решает.

Показательно и то, что ИИ перестал быть темой одних инженеров. Агент «Стефания» выполняет роль виртуального коллеги: разбирает задачи, собирает аналитику по внутренним данным, находит нужную информацию, тестирует продуктовые гипотезы.

Каждую неделю к ней обращаются пять тысяч сотрудников – от менеджеров и аналитиков до маркетологов и финансистов. Для коммерции и маркетинга этот сценарий гораздо ближе генерации кода, а логика внедрения от отдела не зависит.

Скажем честно: независимые исследования не доказывают, что сам факт доступа к нейросети ускоряет разработку.

Организация METR провела в 2025 году контролируемый эксперимент – 16 опытных разработчиков открытого ПО выполняли 246 настоящих задач в репозиториях, знакомых им не первый год. С ИИ-инструментами на задачу уходило на 19% больше времени, притом сами участники считали, что стали быстрее на 20%.

Дело не в моделях: сильный разработчик в привычном проекте и так работает быстро, зато с ИИ появляются новые операции – сформулировать задачу, вычитать сгенерированный код, проверить его и доделать.

Февральский повтор эксперимента в 2026 году – 57 разработчиков, свыше 800 задач, современные агентные инструменты – качнул результат в сторону ускорения, однако авторы сами оговорились, что данных мало для доказательства масштаба эффекта. Любопытна деталь: некоторые участники не соглашались работать без ИИ, а один не сдал в таком режиме ни одной задачи.

Причина расхождения между Яндексом и METR в другом: там процесс перестроен, здесь инструмент просто выдан на руки. У Яндекса за спиной свои платформы – SourceCraft с агентским режимом работы с кодом и Yandex AI Studio для сборки агентов, собственные агенты, натренированные на внутренних данных, и метрики, показывающие, даёт подход результат или нет.

Обе платформы, к слову, открыты и для сторонних компаний. Небольшой фирме свои агенты ни к чему, а вот дисциплина требуется та же: прописанный процесс, точка отсчёта и человек, отвечающий за результат.

Пять принципов, применимых при любом размере команды:

• Опирайтесь на замеры, а не на впечатления. Чувство ускорения устойчиво обгоняет реальные показатели, и это подтверждено экспериментом. Достаточно двух метрик: доля задач с применением ИИ и время от постановки до готового результата.

• Заходите с краёв, а не с ядра. Прототипы, тесты, документация, шаблонные формы, интеграции – участки с невысокой ценой ошибки и быстро заметной выгодой.

• Зафиксируйте ответственность на бумаге. Сгенерированный код проходит ревью по обычным правилам, и ни в одном регламенте не должно появиться отговорки «так выдала нейросеть».

• Разберитесь с контуром данных. Передача персональных данных в сторонние сервисы – зона риска по 152-ФЗ, а выгрузка исходного кода – угроза коммерческой тайне. Российским компаниям спокойнее с решениями, размещёнными внутри страны.

• Платите за перестройку процесса, а не за подписку. У почти всех участников эксперимента METR уже был опыт работы с языковыми моделями – и это ничего не изменило. Работает встроенность инструмента в ежедневный цикл.

Снимите базовую линию до внедрения. Отберите пять–десять типовых задач команды и запишите по каждой время от постановки до сдачи в нынешнем режиме, без ИИ. Потом месяц решайте похожие задачи с ИИ и сопоставьте результаты.

Усилий это потребует немного, зато у вас окажется то, чего нет у большинства компаний, рассказывающих о внедрении ИИ, – подтверждение, что ускорение состоялось. Без такой отправной точки спустя полгода останется только чувство, что дела пошли быстрее.

Ценность программы Яндекса не в числе 75, а в последовательности: замер текущего положения, затем цель, затем инструменты под неё – и человеческая ответственность за результат на всех этапах.

Нейросети действительно укорачивают путь продукта до рынка, но лишь там, где под них переделан процесс, а не просто внесена плата за доступ. От выбора между этими двумя сценариями и зависит, получит компания кратное ускорение или замедление на девятнадцать процентов.