Axenix: генеративный ИИ в разработке ПО сэкономил около 3,4 млн рублей за квартал

Axenix — ИТ-компания, для которой команды разработки — самый дорогой ресурс. Классическая автоматизация — low-code репозитории, шаблоны и паттерны, автоматизация тестирования, акселераторы — давала компании стабильные 10–20% прироста эффективности. С появлением генеративных нейросетей компания поставила задачу получить ещё 5–10% эффективности. Разработчики Axenix уже активно пользовались нейросетями, но стандартные метрики не показывали реальную отдачу: количество строк кода выросло на 50%, но половина переписывалась на code review, а время до релиза не менялось. Компании понадобилась методика, которая показывает минимально подтверждаемый эффект для решений об инвестициях.

Axenix применяет генеративный ИИ на каждом этапе цикла разработки: модели создают и проверяют требования, помогают в проектировании и генерируют диаграммы, генерируют и валидируют код, ищут ошибки, создают тест-кейсы и синтетические данные, генерируют конфигурации при развёртывании. Модели развёрнуты в защищённом контуре компании, чтобы исключить утечку кода через публичные сервисы. Для оценки эффекта компания построила три методики. Качественная опирается на A/B-группы и опросы. Количественная фиксирует сгенерированный и принятый разработчиком код и переводит его в часы и рубли. Генеративная сопоставляет сгенерированный код с кодом, отправленным в Git.

Методики применены на проектах в банковском, финансовом и промышленном секторах со сроком внедрения от 3 до 6 месяцев. В банковском проекте с командой менее 20 человек автоматический расчёт показал 7% экономии рабочего времени. В металлургии SDLC-команда менее 100 человек получила 5–10% экономии времени на задачах разработки. В финансовом секторе команда около 200 человек получила примерно 10% экономии времени; 17% ИИ-кода принято разработчиками. Для команды из 90 человек за 3 месяца экономия составила около 3,4 млн рублей.