Техдиректор Axios: ИИ-агенты сократили трёхнедельный проект до 37 минут
Внутри Axios один и тот же по сути инженерный проект за год «сжался» с трёх недель до 37 минут — не за счёт магии, а благодаря работе «команд» ИИ-агентов, которые берут на себя код, тесты и рутину, оставляя человеку постановку задачи и контроль результата. CTO Axios Дэн Кокс описывает это как переломный момент: его продуктово-техническая команда заранее перестроилась под «агентную» разработку, сократив штат с 63 до 43 человек, и при этом, по его словам, уже удвоила выпуск в январе и намерена удвоить его ещё раз в феврале. А главное — изменилась сама экономика backlog’а: очередь «технического долга», которая у Axios тянулась на 12 месяцев, теперь должна исчезнуть за считанные месяцы, потому что ИИ сделал прежние ограничения по скорости разработки почти несущественными.
Кокс напрямую связывает ускорение с переходом от «подсказок в редакторе» к автономным исполнителям — он упоминает в качестве используемых инструментов Claude Code и OpenAI Codex и утверждает, что команда «отгружает функции за дни вместо месяцев». А сам он всё больше времени тратит на обдумывание того, что именно нужно дальше строить, а не как это реализовать. В этой логике разработчик превращается в архитектора и редактора: формулирует требования, разбивает работу на подзадачи, проверяет изменения, принимает решения по рискам. Похожий сдвиг фиксируют и исследования последних лет: в контролируемом эксперименте разработчики с GitHub Copilot справлялись с задачей примерно на 55,8% быстрее контрольной группы, а полевые замеры в компаниях дают более умеренные, но устойчивые прибавки к производительности.
Эту же картину, но с другой стороны, описывает Canva — один из крупнейших «продуктовых» игроков, где цена ошибки высока просто из-за масштаба кода и аудитории. CTO Canva Брендан Хамфрис говорит, что ИИ-агенты у них выполняют работу «в фоне», иногда буквально ночью: команда пишет подробные инструкции, а утром получает готовые изменения, которые часто выглядят впечатляюще и эквивалентны «часам и часам командной работы». Но именно поэтому роль старших инженеров смещается: они всё чаще называют свою работу «в основном ревью» — проверяют результат, «рулят» одним или несколькими агентами по заранее намеченному плану и несут ответственность за финальный продукт.
Хамфрис подчёркивает, что самая сложная часть инженерии никуда не делась: нужно превратить расплывчатые и порой противоречивые требования в production-решение, а затем быстро отличить корректный результат от «правдоподобного мусора», чтобы в кодовой базе примерно на 70 млн строк не росла лишняя сложность.
Но вместе со скоростью появляется новое «узкое горлышко» — доверие к качеству и безопасность. Чем больше кода генерируется машиной, тем выше нагрузка на ревью, тестирование и инженерные практики, а цена ошибки растёт, потому что агент способен быстро изменить не одну строку, а целые подсистемы. На этом фоне показательно, что обсуждения в индустрии всё чаще сводятся к управлению рисками и пересборке процессов: выигрывая время на написании кода, компании вынуждены инвестировать в проверяемость изменений и культуру ответственности — иначе ускорение превращается в ускоренный выпуск дефектов.
Второй кейс, который помогает увидеть масштаб сдвига, демонстрирует история из Spotify. В разговоре с инвесторами со-CEO и CTO Густав Сёдерстрём заявил, что «лучшие разработчики» компании «не написали ни одной строки кода с декабря»: они «генерируют код с помощью ИИ и контролируют его».
В Spotify это завязано на внутреннюю систему Honk, которая ускоряет не только написание, но и путь до развертывания: Сёдерстрём описывал сценарий, когда инженер по дороге на работу со смартфона просит модель исправить баг или добавить функцию в iOS-приложение, получает сборку обратно в корпоративный мессенджер и может довести изменение до продакшена ещё до приезда в офис. Компания связывает такие практики с ростом темпа релизов и параллельно демонстрирует пользователям собственные AI-функции — от генерации плейлистов до контекстных карточек о треках, подчёркивая, что ИИ для неё не эксперимент «в лаборатории», а часть продуктовой машины.
В сумме эти истории складываются в один тренд: ИИ перестаёт быть ускорителем набора текста и становится производственным контуром, который сокращает цикл от идеи до работающей функции. Парадоксально, но именно поэтому, как отмечает Кокс, технологические команды начинают иначе смотреть на долгие контракты на софт и внешние решения: если завтра внутренний агент способен собрать аналогичный инструмент «почти за ноль», ценность многолетней подписки меняется — и вместе с ней меняются ожидания рынка. А для самих компаний это означает гонку не только за скоростью, но и за дисциплиной: когда «код дешёвый», стратегическим активом становится качество постановки задач, глубина экспертизы и способность удерживать сложность под контролем — то, что в Canva уже формулируют как новую работу старшего инженера.