ИИ в инжиниринге как ставка на продуктивность

В Т-Банке рассказали, как встроили ИИ прямо в жизненный цикл разработки, формируя единую AI- и Data- инфраструктуру.

Ключевую роль в создании таких решений играют инженеры, а сама ИИ-экосистема позволяет сфокусироваться на архитектуре и принятии технических решений. Инструменты закрывают сразу несколько этапов SDLC: от формирования требований и проектирования до безопасности, тестирования и эксплуатации.

Например, в компании внедрили внутренний поисковой бэкенд, а также есть отдельный плагин в IDE, который агрегирует тестовую документацию.

ИИ генерирует документацию и диаграммы, помогает писать и дополнять код, создает юнит-тесты, анализирует инциденты, ускоряет разбор тикетов и обучается внутри компании. При этом продуктивность команды измеряется не по строкам кода, а тем, как ИИ влияет на работу всей команды, бизнес и конечный результат продукта.

В планах — дообучать модели под свои задачи, выстраивать мультиагентные системы и оптимизировать интерфейс, при этом обращая внимание на безопасность.

Сформированное внутри команды понимание целей роста инженерной продуктивности приводит к снижению объема избыточного кода и минимизации трудозатрат, которые не создают итоговой ценности?

СофтТех