«Свой»: ИИ-агенты в разработке, прирост производительности 10–15%

Финтех-группа «Свой» использует ИИ в разработке и стремилась сделать нейросети рабочим производственным инструментом для легаси-кода и сложной бизнес-логики. По оценке Frontend Lead группы Марка Товкача, обычные чаты с моделями «плывут» на длинных задачах. Команда выделила четыре системных ограничения ИИ: лимиты контекста, слепоту к архитектуре и техдолгу, отсутствие понимания API-контрактов и «неограниченную автономию», когда агент меняет 15 файлов и порождает скрытые ошибки. Для финтеха отдельное требование — безопасность: работа с персональными данными клиентов через внешние ИИ запрещена.

Группа внедрила Spec Driven Development: команда заранее описывает поведение, интерфейсы и требования к ПО, ИИ-агент генерирует детальный план с учётом бизнес-контекста и текущего кода, разработчик валидирует план и только затем запускает генерацию кода. Спецификация включает API-соглашение, описание поведения, стайлгайды и ссылки на макеты Figma через протокол MCP. Используются модели Claude 4.5 Sonnet, Opus 4.6 и GPT-5.3 Codex в среде Cursor и CLI-решении OpenCode, а также статические Rules и Agent Skills. Код проверяет инструмент Qodo, работает MCP-интеграция с GitLab. Агенты видят только схемы данных и заглушки вместо реальных клиентских данных.

В статье от 12 марта 2026 года группа описывает задачу переноса раздела «Бонусный счёт» в новую CRM. Ручная оценка составляла 28 часов, фактически задачу выполнили за 15,5 часа — экономия 12,5 часа, почти 45%. Верстка через MCP Figma заняла 5 часов вместо 10, число багов по дизайну сократилось на 80%; перенос API — 4 часа вместо 6, ошибок интеграции с бэкендом стало меньше на 86%; бизнес-логика — 5 часов вместо 8; тестирование и документирование сократились до 1,5 часа. Эффект по всем задачам группа отслеживает в Jira через поля Estimated AI Savings и Actual AI Savings; по внутренним метрикам чистый прирост производительности составил 10–15%.