GM переработала свои инженерные процессы, ориентированные на агентов искусственного интеллекта, и утроила количество объединенных запросов на слияние.

Карл Франзен

По словам Рашеда Хака, вице-президента GM по автономным транспортным средствам, в недавнем интервью на сцене конференции VB Transform 2026, инженеры-программисты подразделения General Motors (GM) по разработке автономного вождения тратят на написание кода всего 15% своего рабочего времени.

В настоящее время GM использует агентов искусственного интеллекта для ускорения выполнения оставшихся 85% задач, включая анализ данных об автомобилях, определение приоритетов проблем, проведение экспериментов и тестирование потенциальных решений.

В результате, по словам Хака, количество объединенных запросов на слияние в рамках всего подразделения GM, занимающегося разработкой беспилотных автомобилей, увеличилось примерно в три раза, что привело к более быстрым релизам и уменьшению количества дефектов, попадающих на более поздние этапы разработки.

Хак заявил, что GM добилась этих успехов за счет полной переработки инженерных рабочих процессов с использованием агентов, а не просто путем добавления помощника по программированию на основе ИИ.

«Если вы дадите кому-то просто чат-бота, который умеет программировать, в этот процесс все равно будет заложено много неэффективности», — сказал Хак.

До появления агентного ИИ инженеры проводили большую часть времени вне редактора кода.

Цифра в 15%, приведенная GM, может показаться поразительно низкой, но исследования, проведенные до появления генеративного и агентного ИИ, пришли к аналогичному выводу.

Исследование Microsoft 2019 года, основанное на ответах 5971 профессионального разработчика, показало, что в среднем они тратили 96 минут на написание кода в хорошие рабочие дни и 66 минут в плохие. Это составляет примерно 20% и 14% от восьмичасового рабочего дня соответственно. Опрос Stripe 2018 года показал, что в среднем разработчик тратит более 17 часов в неделю на работы по обслуживанию, такие как отладка и рефакторинг.

Единого отраслевого эталона не существует: исследователи Microsoft отметили, что более ранние исследования показывали, что написание кода уходит от 9% до 61% времени разработчиков, в зависимости от того, как исследователи определяли и измеряли эту работу. Но полученные результаты подтверждают главный аргумент Хака. Задолго до появления агентов написание кода представляло собой лишь одну часть разработки программного обеспечения. Ускорение только этого этапа оставляет большую часть процесса разработки нетронутой.

«Использование цикла стало действительно важным», — сказал Хак.

Компания GM разделила свою работу над беспилотными автомобилями на несколько этапов: разработка и тестирование программного обеспечения в симуляции, тестирование автомобилей на дорогах общего пользования и мониторинг автомобилей после их доставки клиентам. Затем компания находила самое длительное узкое место в каждом этапе, автоматизировала его и повторяла процесс.

GM предоставила агентам доступ к внутренним инструментам и данным.

GM обеспечила связь агентов с внутренними инструментами и петабайтами корпоративных данных через специально настроенные серверы Model Context Protocol (MCP). Компания также создала контролируемые версии «навыков», или инструкций, которые указывают агентам, как выполнять конкретные задачи.

Одно из наиболее ценных применений связано с телеметрией, собираемой с транспортных средств на дорогах общего пользования. Агенты могут анализировать эти данные, проводить первоначальную оценку и создавать задачи для инженеров для расследования. Через соединения MCP они также могут вызывать базовые инструменты, используемые WebViz, системой GM для визуализации телеметрии транспортных средств, вместо того, чтобы полагаться на тот же графический интерфейс, который видит человек.

Полученные результаты по-прежнему должны быть понятны инженерам. «Вывод должен быть удобочитаемым для человека», — сказал Хак. Агент может выявить потенциальную проблему, определить местонахождение затронутого компонента, выполнить поиск в исторических данных аналогичных инцидентов и привести примеры, подтверждающие его вывод.

GM устанавливает права доступа для агента на основе прав доступа инженера, использующего его.

«Если инженеру нужно выполнить эту задачу, и ему необходим доступ к этим данным, то и его агенту нужен доступ к этим данным», — сказал Хак. «Инженер по-прежнему несет ответственность за результаты работы агента».

Компания также использует фоновых агентов для параллельного проведения экспериментов по машинному обучению. Инженер определяет эксперимент и его параметры, затем агенты выполняют тесты и собирают результаты.

Втрое больше запросов на слияние — и меньше скрытых дефектов

Компания GM рассматривала свою внутреннюю платформу для агентов как продукт и выделила четырех инженеров для непосредственной работы с инженерными группами. Они помогали сотрудникам выявлять полезные рабочие процессы, распространять успешные практики и осваивать инструменты.

Хак заявил, что в результате увеличения количества объединенных запросов на слияние (pull requests) речь идет не только об увеличении объема кода. По его словам, «скорость выпуска новых функций» возросла, а в релизах стало «меньше ошибок, ускользающих от проверки, и других проблем».

Ответственность за критически важные контрольные точки по-прежнему лежит на людях. Хак сказал, что GM разработала структурированные и неструктурированные тесты и измерения производительности, прежде чем ускорить общий рабочий процесс. Инженеры анализируют эти измерения и определяют, соответствует ли каждый тест поставленной цели, прежде чем работа перейдет к производству.

Хак сказал, что GM изначально ожидала более скромного роста производительности. «Думаю, единственным сюрпризом для нас стало то, как многого мы смогли добиться», — сказал он.

Подход GM начался не с того, что каждому разработчику раздали генератор кода. Он начался с составления полной карты пути от обнаружения проблемы до проверенного решения на каждом этапе — моделирование, тестирование, мониторинг после развертывания — а затем с предоставления агентам контролируемого доступа к инструментам и данным, необходимым для сокращения самого длительного узкого места на каждом этапе.

Источник: venturebeat.com