Прочел полный конспект выступления К.Меньшова (главы ИТ Сбербанка) на ЦИПРе о том как проводить AI трансформацию в разработке «AI-DISRUPT PDLC».

Сделал для Вас резюме простым языком — доступным не только тех.специалистам, но и руководителям, предпринимателям, CPO.

***

Что это такое и зачем?

Это концепция того, как компаниям нужно перестроить процесс разработки программного обеспечения в эпоху ИИ.

Простая аналогия: раньше завод работал руками людей. Потом появились станки. Сейчас появились роботы — и уже недостаточно просто «дать роботу лопату» вместо человека. Нужно переосмыслить весь завод.

***

Главная проблема

90% IT-команд уже используют ИИ-инструменты, но скорость написания кода не превращается в реальный бизнес-результат. Почему?

Потому что:

- Ускорили только одну часть работы — написание кода (это лишь 25–35% от всего времени)
- Остальные 65–75% — анализ, ревью, тестирование, внедрение — остались прежними
- ИИ без правильной «оболочки» вокруг него просто воспроизводит старый процесс быстрее

***

Ключевые идеи

1. Важна не только модель ИИ, а среда вокруг неё
Представьте, что ИИ — это двигатель. Сам по себе двигатель — не автомобиль. Нужен кузов, руль, тормоза, правила дорожного движения. Вот эта «обвязка» — и есть главный актив. Компании тратят деньги на подписку к ChatGPT или Copilot, тогда как настоящее конкурентное преимущество — в системе вокруг ИИ, которая строится годами.

2. Сначала — понять «зачем», потом — делать
Перед написанием кода команда должна ответить на вопросы: зачем эта задача, какой результат мы ожидаем, как поймём что добились цели? Это называется Discovery. Без него ИИ просто быстро делает «не то».

Пример: Заказчик говорит «сделай кнопку». Feature-подход: делаем кнопку. Outcome-подход: выясняем, что заказчику нужна конверсия +5%, и ищем лучший способ её получить — кнопка, может, вообще не нужна.

3. Управление должно быть встроено, а не «прикручено потом»

Когда ИИ генерирует сотни изменений в день, человек физически не успевает всё проверять. Поэтому контроль качества и безопасности должен быть автоматически встроён в процесс — как ремень безопасности в машине, а не как сотрудник, который стоит у двери и проверяет каждого.

4. Экономить время — недостаточно, нужно его переинвестировать
Если ИИ освободил 2 часа у разработчика, но он потратил их на то же самое — прибыли нет. Нужно осознанно направить освободившееся время на более ценные задачи.

***

Три уровня зрелости компании

ИИ как помощник: ИИ-инструменты у разработчиков, процессы те же + 11–25% эффективность

ИИ-нативный подход : Переосмыслены процессы, спецификации, роли + 25–50%
Агентный режим | ИИ-агенты работают часами/днями автономно 30–50%+

Что меняется для команды

- Разработчик перестаёт быть «писателем кода» и становится оркестратором— управляет ИИ-агентами
- Маленькие команды из 3–6 человек с ИИ делают то, что раньше требовало 20 человек
- Главный навык — не программирование, а умение правильно поставить задачу и проверить результат

***
Для российского контекста

Концепция отдельно учитывает российские реалии: требования 152-ФЗ (персональные данные), стандарты ЦБ, ограничения на зарубежные ИИ-сервисы. Это делает создание собственной ИИ-инфраструктуры не просто желательным, а необходимым.

***
Итоговый вывод

Компании, которые в 2026 году правильно выстроят систему работы с ИИ, к 2027–2028 году будут иметь преимущество, которое конкуренты не смогут наверстать раньше 2029 года.

Первый шаг — не покупка дорогих инструментов, а перестройка мышления: от «делаем фичи» к «достигаем измеримых бизнес-результатов».

Полный отчет —> https://sbertech.ru/strapi/api/media/AI_DISRUPT_PDLC_v3_7_v21_3155df1804.docx

https://t.me/digitalvc