Илья Золотов: «Будущее AI в разработке — автоматизация, доступная даже для небольших команд разработчиков»

Каким вы видите влияние искусственного интеллекта на разработку современных приложений?

Сейчас без применения AI ни один проект не выживет. CEO Google заявил, что 35% кода компании уже написано с помощью AI. Конкуренция с искусственным интеллектом — новая реальность для разработчиков. И в ближайшие 5-7 лет, несмотря на то, что количество разработчиков возрастет, спрос на них сократится. 

AI и машинное обучение (ML) трансформируют все этапы создания продуктов — от дизайна до тестирования. Например, AI существенно сокращает время на рутинные задачи, такие как автоматическая генерация кода или предсказание потенциальных ошибок в коде. Разработчики могут использовать инструменты, такие как TensorFlow и PyTorch, или готовые решения вроде GigaChat, чтобы ускорить разработку и повысить качество конечного продукта. В последние годы мы видим значительное развитие технологий: от простых алгоритмов машинного обучения до сложных нейронных сетей и методов глубокого обучения

Какие направления развития AI наиболее перспективны для разработки приложений?

Одним из перспективных направлений является использование AI для написания, автоматического тестирования и оптимизации кода. Уже есть сервисы, которые генерируют сайт по описанию и сразу публикуют их. Например, с помощью AI можно автоматически тестировать продукт. Также прогнозировать возможные сбои и ошибки ещё на этапе разработки.

Кроме того, AI уже используется для улучшения пользовательского интерфейса и пользовательского опыта (UX/UI). Инструменты, такие как AWS SageMaker, предоставляют готовые решения для интеграции AI в различные этапы разработки, от создания до мониторинга.

Какие изменения ИИ принес в управление бизнес-процессами?

ИИ кардинально изменил управление бизнес-процессами, автоматизируя задачи и повышая эффективность, особенно в CRM и ERP-системах, где он помогает улучшить взаимодействие с клиентами и управлять ресурсами. В CRM-системах AI помогает автоматизировать взаимодействие с клиентами, анализируя их поведение, и предлагая персонализированные решения. Это повышает качество обслуживания и способствует увеличению продаж. В ERP-системах — оптимизирует такие процессы, как управление логистикой и цепочками поставок. ИИ обрабатывает большие объемы данных и помогает компаниям быстрее принимать решения, повышая их операционную эффективность.

Например, можно при звонке на горячую линию голос клиента переводится в текст для подготовки ответа, а клиент слышит сгенерированный голос, который сложно отличить от реального, и персонализированный, нешаблонный ответ. Это сокращает потребность в переводе на реального человека для решения проблемы.

Прогнозы на 2026 год указывают на дальнейшее увеличение спроса на AI-решения, особенно в сферах, связанных с аналитикой данных, автоматизацией маркетинга и управлением человеческими ресурсами.

Какие ограничения у современных AI-технологий и почему важно учитывать их при внедрении в бизнес-процессы?

Одно из основных ограничений современных AI-технологий — точность, которая пока не всегда находится на достаточном уровне для полной автоматизации. Например, автоматические субтитры на видео или системы распознавания голоса могут часто ошибаться, что негативно влияет на пользовательский опыт и может привести к ухудшению репутации компании, если такие ошибки становятся публичными.

В бизнесе важно учитывать эти ограничения и внедрять ИИ с пониманием, что его решения требуют тщательной проверки. Ошибки в анализе данных или неправильное интерпретирование информации могут привести к серьезным последствиям, включая финансовые потери и снижение доверия со стороны клиентов. А также бизнес будет беспокоить, где хранятся их данные, как обрабатываются и кому доступны, — эти вопросы также требуют проработки.

Как можно улучшить точность AI-решений и минимизировать ошибки?

Чтобы повысить точность AI-решений, компании должны активно тестировать алгоритмы и собирать обратную связь для их дальнейшей оптимизации. Чем больше данных AI обрабатывает, тем лучше он обучается и совершенствуется.

Важно постоянно адаптировать системы AI под новые данные и рыночные условия. Кроме того, компании могут использовать гибридные подходы, в которых ИИ работает в тандеме с людьми, чтобы минимизировать риски и улучшить результаты работы. Такой подход позволяет добиться баланса между автоматизацией и контролем, что делает бизнес-процессы более эффективными и надежными.

Помогает ли AI избежать ошибок в разработке?

AI не только автоматизирует тестирование, но и предсказывает потенциальные ошибки.

Конечно, AI может сам по себе ошибаться — это касается, например, неправильной интерпретации данных или сбоев при обучении моделей. Вообще, основная проблема заключается в том, что алгоритмы не всегда способны правильно учитывать контекст задачи. Это может приводить к созданию неэффективного или некорректного кода, особенно в сложных проектах, где необходимо учитывать множество переменных и условий. Кроме того, AI обучается на больших массивах данных, но ему зачастую не хватает креативного подхода. Алгоритмы работают на основе шаблонов и статистики, поэтому не могут предложить уникальные решения для нестандартных задач. В результате разработчикам приходится проверять и дорабатывать сгенерированный код, чтобы минимизировать ошибки и добиться оптимальных результатов.

В таких случаях важно не только обнаружить ошибку, но и анализировать ее с точки зрения дальнейшего предотвращения. Одним из примеров является автоматическая генерация кода, которая, хоть и ускоряет процесс, может создавать трудности при интеграции с уже существующими системами.

Например, Google и Microsoft используют AI для улучшения своих сервисов, оптимизации работы приложений и повышения качества пользовательского опыта. Также есть менее известные компании, которые успешно интегрируют AI для внутренних нужд — автоматизируют процессы, оптимизируют тестирование и улучшают работу с большими массивами данных. Лично я участвовал в проекте, где AI использовался для разработки чат-бота на базе WordPress, что существенно улучшило пользовательский опыт. Благодаря интеграции Rasa, OpenAI позволили использовать готовую базу знаний компании, а также сконфигурировать ее под нужды и востребованные запросы. Также AI применялся для автоматизации процессов поиска недвижимости, где предлагаются варианты исходя из предпочтений пользователей, вместо использования классических форм поиска.

В каких областях текущие ИИ-технологии всё же не могут полностью заменить человеческое участие?

Пока AI не смог полностью заменить человека в таких сферах, как креативный дизайн и тестирование приложений. Например, при разработке приложений искусственный интеллект может предложить различные варианты решений, но окончательный дизайн и его адаптация под нужды пользователей требуют человеческого участия. Тестирование, хотя и может быть автоматизировано AI, всё равно нуждается в человеческой оценке для анализа удобства использования и корректности работы продукта.

Таким образом, наиболее эффективным подходом остается гибридное решение, где AI выполняет рутинные задачи, а люди контролируют и направляют процесс. Это сочетание позволяет добиваться более высоких результатов, не отказываясь от участия человека.

Но любая рутинная работа вероятно будет заменена и даже улучшена, так как AI сможет предсказуемо масштабироваться без потери качества на любое количество запросов.

Каким вы видите будущее AI в разработке? Какие еще тренды будут определять рынок?

Технологии искусственного интеллекта всё глубже интегрируется в процессы создания программного обеспечения, автоматизируя рутинные задачи и ускоряя цикл разработки. Все идет к тому, что AI станет не просто инструментом, а полноценным помощником разработчиков, способным самостоятельно принимать решения в рамках определённых задач и упрощать работу над крупными проектами.

Среди других ключевых трендов, которые будут определять рынок, можно отметить развитие технологий low-code/no-code, которые позволят людям без глубоких технических знаний создавать собственные приложения с помощью интуитивно понятных инструментов. Также ожидается рост использования облачных решений и повышения эффективности разработки. Технологии станут доступнее, и даже небольшие команды смогут использовать их для улучшения своих продуктов. Для разработчиков важно изучать AI не просто как инструмент, а как неотъемлемую часть разработки, ведь AI уже сейчас меняет правила игры.