Agentic AI (агентный искусственный интеллект) уже стал неотъемлемой частью инженерных процессов. Он позволяет генерировать код в огромных объёмах и даёт колоссальное ускорение. Но чем больше кода создают агенты, тем острее встаёт главный вопрос, который всё чаще слышат руководители: почему мы выпускаем код быстрее, чем когда-либо, но продукты при этом улучшаются гораздо медленнее?
Ответ прост и неутешителен: написание кода никогда не было главным ограничителем. Настоящие сложности всегда заключались в определении правильных требований, интеграции со сложными системами и поддержке ПО в реальных условиях. Агенты сжимают время исполнения, но не сжимают неоднозначность, ответственность и операционную сложность.
Новая реальность: человеческий обзор стал главным bottleneck
По словам Джо Бертолами, CTO и сооснователя Clifton AI, когда агенты заливают организацию огромным количеством нового кода, сложные части становятся ещё сложнее. Инженеры теряют контекст и уже не успевают ловить ошибки агентов. В результате компании стоят перед выбором:
Либо идти вперёд осознанно, создавая новые роли и процессы.
Либо пойти по простому и разрушительному пути: сократить штат и увеличить расходы на ИИ.
Практический playbook для предприятий
Бертолами предлагает трёхфазный подход:
Фаза 1: Финансовое и рисковое управление
Внедрять централизованные стандарты и governance для агентов, как для production-инфраструктуры.
Никогда не давать агентам полные права человека — только минимально необходимые (least privilege).
Обязательные human-in-the-loop одобрения для опасных действий.
Жёсткие квоты и лимиты расходов. Примеры: Uber уже был вынужден ограничить траты на ИИ после того, как сжёг бюджет 2026 года уже в апреле. Одна неназванная компания умудрилась потратить $500 миллионов за месяц на Anthropic из-за неконтролируемых агентных циклов.
Фаза 2: Техническая стратегия
Использовать multi-model подход — разные модели для разных задач.
Платить за frontier-модели: дешёвая модель часто оказывается самой дорогой из-за переделок.
Измерять не строки кода и pull-request’ы, а реальные бизнес-результаты: adoption фич, retention, change failure rate и время на rework.
Фаза 3: Люди и организация
Переучивать инженеров: от «писателей синтаксиса» к «системным мыслителям» и «менеджерам агентов».
Менять систему оценки и мотивации — награждать не за объём, а за стратегическое влияние и надёжность систем.
Не сокращать штат до того, как выстроена новая стратегия. Иначе это не оптимизация, а слепота.
Главный вывод
ИИ — это не замена инженерному мышлению, а мощный multiplier. В хорошо выстроенных системах он ускоряет доставку. В плохо понятных — ускоряет провалы. Мы уже видим первые последствия: outages, рост технического долга и неожиданные всплески расходов.
Мы вручили инженерным командам самый мощный инструмент в истории. Старая поговорка гласит: отмерь семь раз — отрежь один. А многие компании сейчас просто режут, — резюмирует Джо Бертолами.
