Архив Финансовые услуги и страхование · Банки

Райффайзенбанк: кодинг-агентами пользуются 80% инженеров ядра банка

По данным Райффайзенбанка, на четвёртом месяце пилотов по агентизации 80% инженеров подразделения ядра банка пользуются кодинг-агентами, 63% — каждый второй рабочий день. Lead Time, Throughput и Defect Rate инженерной системы в целом пока не изменились.

Стадия
Пилот / PoC
География
Россия
Год
2026
Источники
1
CB-000319
проверено 10.10.2026

/01 · ключевые результаты

  • масштаб

    80%

    доля инженеров, пользующихся кодинг-агентами

    Райффайзенбанк, блог компании, 09.07.2026

    четвёртый месяц пилотов, июль 2026 · инженерные команды подразделения ядра банка

    данные компании

  • масштаб

    63%

    доля инженеров, использующих кодинг-агентов каждый второй рабочий день

    Райффайзенбанк, блог компании, 09.07.2026

    четвёртый месяц пилотов, июль 2026 · инженерные команды подразделения ядра банка

    данные компании

  • масштаб

    96%

    доля сотрудников, пользующихся LLM-инструментами

    Райффайзенбанк, блог компании, 09.07.2026

    четвёртый месяц пилотов, июль 2026 · инженерные команды подразделения ядра банка

    данные компании

оценка strategai

Оценку не приводим: банк сообщает охват использования, изменений скорости поставки пока нет

По данным Райффайзенбанка, на четвёртом месяце пилотов по агентизации 80% инженеров подразделения ядра банка пользуются кодинг-агентами, 63% — каждый второй рабочий день. Lead Time, Throughput и Defect Rate инженерной системы в целом пока не изменились.

Стадия
Пилот / PoC
География
Россия
Год
2026
Источники
1
CB-000319
проверено 10.10.2026

/02 · паспорт кейса

/ паспорт кейса · CB-000319АО «Райффайзенбанк»

Бизнес

Компания
АО «Райффайзенбанк»
Отрасль
Финансовые услуги и страхование · Банки
Функция
ИТ, разработка ПО и кибербезопасность
Задача
Генерация кода и модернизация ПО

Технология

Класс AI
ИИ-агенты и мультиагентные системы
Тип решения
Не раскрыт

Внедрение

Стадия
Пилот / PoC, на 09.07.2026
География
Россия

/03 · описание кейса

Бизнес-задача

Подразделение ядра Райффайзенбанка внедряет ИИ в работу инженерных команд. В первой части цикла публикаций банк пришёл к выводу, что рост использования LLM-инструментов и кодинг-агентов сам по себе не меняет Lead Time, Throughput и Defect Rate: задача по-прежнему ждёт требований, проверки, тестирования, согласований и бизнес-эксперта. Следующей целью стал переход к Agentic Engineering — подходу, при котором инженер оркестрирует агентов, выполняющих этапы разработки. Для этого банк поставил три предусловия: регулярное использование кодинг-агентов (10 и более рабочих дней в месяц), автономная работа агентов внутри каждого этапа и понимание инженером всего цикла поставки.

Решение

Инженеры работают с CLI-инструментами кодинг-агентов и агентскими фреймворками (например, BMAD, SuperPowers, GSD) с готовыми ролями аналитика, разработчика и тестировщика. По описанию банка, агент изучает таск-трекер, вики и требования, сверяет их с кодовой базой и готовит спецификацию, агент-разработчик реализует решение и пишет тесты, человек валидирует результат между этапами. Банк развивает два пути: агентизацию отдельной роли, где агенты берут рутину тестировщика или разработчика, и команды, построенные вокруг ИИ, где инженер через агентов закрывает весь цикл поставки. Проверку качества банк встраивает в обвязку агентов (Harness): автоматические проверки, критерии качества и контекст.

Внедрение

Охват растили через хакатоны на 35–50 человек со скриптами быстрой настройки агента и воркшопы на 12–20 человек, где участник решает реальный тикет из таск-трекера при поддержке эксперта. 95% участников хакатонов в следующие два-три месяца становились ежемесячными пользователями. После воркшопа рядового инженера ежемесячными пользователями становились около 20% команды, после воркшопа техлида — 40%. В пилоте команды полного цикла на агентах двое разработчиков и бизнес-эксперт выполнили примерно объём работы прежней команды из пяти человек, Throughput вырос при сохранении качества. На четвёртом месяце пилотов LLM-инструментами пользуются 96% людей, кодинг-агентами — 80% инженеров.

/04 · источники и проверка

Что подтверждено

  • По данным банка, на четвёртом месяце пилотов кодинг-агентами пользуются 80% инженеров подразделения, 63% — каждый второй рабочий день, LLM-инструментами — 96% людей.
  • 95% сотрудников, посетивших хакатоны, в следующие два-три месяца становились ежемесячными пользователями кодинг-агентов и оставались ими.
  • Когда воркшоп проходил техлид, ежемесячными пользователями становились 40% команды против примерно 20% при участии рядового инженера.

Ограничения

  • Все цифры описывают охват использования инструментов. По словам банка, системных изменений Lead Time, Throughput и Defect Rate пока нет.
  • Рост Throughput в пилоте команды полного цикла на агентах описан без цифр и относится к одному greenfield-проекту.
  • Данные относятся к подразделению ядра банка на этапе пилотов; охват всего банка не раскрыт.
  1. [1] Райффайзенбанк

    Как мы внедряли ИИ на 500 инженеров, а скорость не росла. Часть 2. Почему AI-first команды не делают нас быстрее

    компания · 09.07.2026

    Открыть источник

Архив Сообщить о неточности

АрхИИВ /strategai · CB-000319 · Версия 1 · 10.10.2026 · /c/CB-000319/