Инженеры в Instacart всё чаще делегируют написание кода искусственному интеллекту. Речь не только о подсказках чат-бота, а о переходе к модели, в которой машины выполняют большую часть повторяющейся работы, а люди сосредотачиваются на архитектурных решениях, намерениях и нестандартных ситуациях.
Компания внедряет агентный ИИ. Это системы, которые могут самостоятельно выполнить цепочку действий ради заданной цели. Если раньше разработчик в первую очередь писал код, то теперь его задача смещается к тому, чтобы точно сформулировать цель, направить модель и проверить результат.
Почему разработка меняется уже сейчас
Instacart использует ассистентов Ava, Cursor и Glean для задач, которые обычно отнимают много времени. Среди них генерация шаблонного кода, написание тестов и рефакторинг. Рефакторинг означает изменение внутренней структуры программы без смены её основной функции.
Компания приводит и конкретный пример: с помощью ИИ-ассистента из одного сервиса удалили более 15 флагов функций в рамках одного запроса на изменение кода. Флаг функции позволяет включать или отключать отдельную возможность продукта без полной пересборки приложения.
В новых проектах код может генерироваться или перестраиваться каждую неделю. Такой подход снижает значение ручного обслуживания неиспользуемых модулей. Если часть кода больше не нужна, её можно удалить и собрать заново, вместо того чтобы годами поддерживать устаревшую структуру.
1. Код становится черновиком, а намерение становится главным
По словам технического директора Instacart Анирбана Кунду, в 97% случаев разработчики компании больше не читают код напрямую. Это не означает, что человек полностью исключён из процесса. Он проверяет, соответствует ли результат цели, ограничениям и требованиям системы.
Для читателя здесь важен практический вывод: ценность инженера постепенно смещается от скорости написания строк к способности объяснить, что именно должна сделать система и как понять, что она сделала это правильно.
Традиционный просмотр кода тоже меняется. Когда большую часть строк создаёт модель, одной проверки синтаксиса недостаточно. Инженерам нужно оценивать намерение, то есть соответствие результата высокоуровневому требованию.
2. Проверка ИИ становится отдельной инженерной задачей
Instacart проводит около 7 000 автоматических оценок в месяц. Система также отвечает более чем на 8 000 запросов разработчиков в месяц. Точность ответов на такие запросы составляет около 99,9%.
Эти показатели показывают, почему проверка не исчезает, а становится самостоятельной частью работы. Инженеры проектируют оценки, сравнивают результаты разных моделей и заранее определяют, в каких случаях решение нужно передать человеку.
Автоматизация не одинаково подходит для всех участков системы. Около 3% случаев связаны с устаревшими системами, требованиями соответствия правилам и задачами, где особенно важна задержка ответа. Здесь по-прежнему нужны внимательная человеческая проверка и глубокое знание предметной области.
3. Агент следит за надёжностью, а не только за кодом
ИИ-агенты применяются и в SRE. Эта аббревиатура означает практики, которые помогают поддерживать стабильную работу онлайн-сервисов. Instacart обучила специализированного агента Blueberry на собственных прошлых инцидентах и разборах их причин, а не на абстрактных правилах о сбоях серверов.
Такой подход похож на передачу новому сотруднику не общего учебника, а архива реальных происшествий компании. Агент видит, какие именно системы уже ломались и как люди находили причину и устраняли проблему.
После внедрения точность обнаружения и устранения проблем в рабочей среде выросла примерно с 60% до более чем 90%. Blueberry наблюдает за более чем 200 каналами Slack, сопоставляя сообщения сотрудников, сигналы мониторинга и предупреждения.
В одном из случаев агент примерно через 20 минут связал нестабильную работу фрагмента базы данных с проблемой в системе рулетки. Эта система управляет постепенным включением изменений. Команда до этого искала причину по привычным сценариям и не сразу обратила внимание на нужный сигнал.
4. Человеку остаются решения, границы и исключения
Главный сдвиг не в том, что инженеры перестают быть нужны. Их работа становится менее похожей на ручное производство кода и больше похожей на управление сложной системой.
В ближайшее время особенно важными становятся четыре навыка:
1. Проектировать оценки
Нужно заранее определить, как измерять качество работы ИИ и какие ошибки недопустимы.
2. Координировать эксперименты
ИИ позволяет одновременно запускать несколько изменений, но инженеру всё равно приходится следить за их взаимодействием и результатами.
3. Управлять ограничениями и эскалацией
Важно учитывать доступный трафик для тестирования и понимать, когда проблема уже требует участия человека.
4. Передавать доменные знания в спецификации
Вместо того чтобы оставлять право менять конкретный участок кода только за одной командой, Instacart стремится описывать правила и ограничения в понятных спецификациях. Тогда разные команды смогут безопаснее использовать эти знания через ИИ.
Что это меняет лично для вас
Если вы работаете в разработке, ориентироваться только на скорость ручного кодинга становится менее надёжной стратегией. Полезнее учиться формулировать точные намерения, проверять ответы моделей, находить пограничные случаи и принимать архитектурные решения.
Для самой компании такой переход обещает меньше монотонной работы и больше времени на задачи, где нужны суждение и ответственность. Для инженера это возможность перейти от роли автора каждой строки к роли человека, который задаёт направление, контролирует качество и решает то, что нельзя безопасно передать автоматике.
Начать можно с простого шага: выберите одну повторяющуюся задачу, сформулируйте ожидаемый результат и заранее определите критерии проверки. Такой навык пригодится независимо от того, насколько быстро будут развиваться конкретные ИИ-инструменты. Подробнее: Prentis запускает ИИ для работы за компьютером: как это сократит ваши рутинные задачи.
