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.
/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
- 95% участники хакатонов, ставшие ежемесячными пользователями кодинг-агентов · результат пилота Райффайзенбанк, блог компании, 09.07.2026
- 40% доля команды в ежемесячных пользователях после воркшопа техлида · результат пилота Райффайзенбанк, блог компании, 09.07.2026
- около 20% доля команды в ежемесячных пользователях после воркшопа рядового инженера · исходный уровень Райффайзенбанк, блог компании, 09.07.2026
- 500 инженеров охват внедрения ИИ в подразделении · масштаб Райффайзенбанк, блог компании, 09.07.2026
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.
/02 · паспорт кейса
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
Зачем
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.
Что
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.
Как
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] 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
АрхИИВ /strategai · CB-000319 · Версия 1 · 10.10.2026 · /c/CB-000319/