Разработка программных агентов на основе ИИ приводит к значительному увеличению бюджетов — Replit, Kilo Code и Symbotic рассказывают, как им удается с этим справляться.

Тарин Пламб

В Kilo Code, по словам соучредителя Эмили Шарио, инженеры сейчас сами читают или пишут код лишь примерно в 1% случаев — остальное время это делают агенты. Этот сдвиг ставит перед командами разработчиков новые вопросы: какие системы безопасно передавать, кто исправляет ошибки в моделях, как поддерживать многомодельные архитектуры и означает ли стремительный рост стоимости токенов реальный прогресс или просто потраченный впустую ИТ-бюджет.

С точки зрения руководителей технологических компаний Replit, Kilo Code и Symbotic, это естественная и приветствуемая эволюция, поскольку агентный ИИ все чаще интегрируется в корпоративные рабочие процессы.

«Если только что-то действительно не сломано или не ведется отладка, в 99% случаев инженеры больше не читают и не пишут код», — заявила Эмили Шарио, соучредитель Kilo Code, на конференции VB Transform 2026.

Искусственный интеллект хорошо справляется с освоением новых территорий, не очень эффективен при реконструкции.

Для Джареда Го, ведущего инженера по искусственному интеллекту и облачным технологиям в компании Symbotic, занимающейся автоматизацией складов, нынешний момент связан с определением приоритетов в области ИИ. «Вот мои критерии, — сказал он. — Давайте посмотрим на это с точки зрения безопасности, элегантности, чистого, лаконичного кода и надежности». Таким образом, ИИ будет выполнять большую часть работы, а проверка кода человеком не будет столь критичной.

Как отметил Го, участие человека становится необходимым на более поздних этапах, поскольку агенты не принимают взвешенных решений по продукту. «Создание новых кодовых баз с нуля (greenfield) очень легко для агентов. А вот написание, обновление или поддержка существующего кода (brownfield) — это, как мы все знаем, настоящая сложность».

Replit использует несколько иной подход: хотя компания «стала очень ориентирована на использование агентов», она более консервативно подходит к программированию с применением ИИ, объяснил Амол Джайн, руководитель отдела разработки продуктов. Агент проверяет каждый запрос на слияние (PR) и присваивает ему оценку риска; запросы с низким риском объединяются автором самостоятельно, в то время как другие отправляются на проверку рецензентам, которые читают код и дают обратную связь.

«Идея заключалась в участии человека в процессе разработки, а не в участии человека в процессе разработки», — сказал Джайн. Внутренний инструмент Replit, по сути, является самоуправляемым для инженеров-программистов; разработчики дают задание агентам, которые осуществляют сквозное планирование, реализацию и тестирование.

«Это группа агентов, работающих в собственных облачных виртуальных машинах (ВМ) с контролем доступа через прокси-серверы на основе токенов, что обеспечивает их безопасность», — сказал Джайн.

Он привёл один пример, когда инженер не смог воспроизвести или исправить «очень сложную ошибку» в своих системах. Его отправили в управляющий ИИ-агент, который дал команду перейти в спящий режим. Затем управляющий агент запустил множество базовых агентов, которые обнаружили проблему; впоследствии он запустил ещё множество агентов, которые нашли решение. Шесть часов спустя ИИ подготовил запрос на исправление ошибки, которая ставила в тупик инженеров-людей.

Многомодельные решения — это будущее.

Поставщики решений в области ИИ также отходят от модели привязки к конкретному поставщику, поскольку клиенты все чаще требуют выбора из нескольких моделей.

Компания Kilo Code, в свою очередь, поддерживает более 500 моделей в своем шлюзе. «Программное обеспечение, которое вы используете для разработки агентных моделей, должно быть отделено от модели, которую вы используете для этого», — сказал Шарио.

Например, Шарио отметил, что компании часто используют дорогостоящие модели начального уровня для проектирования проекта, а затем переключаются на менее дорогую модель с открытым исходным кодом для остальной части работы.

Также важно учитывать ограничения поставщика услуг, например, необходимость работы в закрытых или изолированных средах или с поставщиками в конкретных регионах. «Принимая решение о маршрутизации, необходимо учитывать то, что важно для вас, какие ограничения вы установили, какие политики хранения данных вы разработали, какие ключи вы внесли, какие изменения вы внесли…», — сказал Шарио.

По словам Джайна, компания Replit, как правило, лучше своих клиентов понимает соотношение затрат и возможностей. «По сути, мы принимаем решения от имени пользователей о том, какую модель использовать, когда и в каком качестве, чтобы минимизировать затраты и максимизировать возможности».

Использовать Tokenmaxx или нет?

Безусловно, важным фактором по мере роста внедрения ИИ является стремительный рост затрат, что привело к тому, что некоторые предприятия отслеживают и ограничивают использование ИИ с помощью стратегии токенизации.

Обеспокоенность исходит с обеих сторон, сказала Шарио: как от внутренних сотрудников, так и от клиентов. От последних она слышит: «Я случайно потратила весь свой годовой бюджет на ИИ… что мне теперь делать?» В ответ Шарио сказала, что Kilo Code предлагает клиентам один и тот же рабочий процесс: использовать дорогостоящие модели для планирования, а затем модели с открытым весом для обеспечения доступности.

Кроме того, обмен навыками, четкое руководство и протокол контекста модели (MCP) расширят возможности моделей. «Понимание того, где вы можете действительно повысить квалификацию своей команды, чтобы помочь им максимально эффективно использовать используемые модели, существенно изменит ситуацию», — сказал Шарио.

Между тем, внутри компании Шарио отметила одного инженера, который постоянно «тяжело ходит» и занимает первое место в списке использованных ресурсов. «Мне регулярно приходится подталкивать его: „Что ты там делаешь?“» — сказала она. Легко взглянуть на счет в 600 долларов за ежедневную работу и подумать: «Ух ты, это так много», но иногда, взглянув на объем выполненной работы, можно оправдать эти затраты.

«Сейчас я обращаю внимание на показатель стоимости одного запроса на слияние», — сказал Шарио. «Мне кажется, это наиболее близкий способ измерения ценности». В конечном итоге, ИИ меняет подход предприятий к оценке рентабельности инвестиций, поскольку проблема не в расходах. «Проблема в расходах, не приносящих отдачи».

Компания Symbotic, в свою очередь, установила для своих сотрудников ежемесячные тарифные планы. Компания разработала инструмент, который позволяет менеджерам отслеживать запросы на добавленную стоимость и тенденции использования. Затем они могут по своему усмотрению перемещать пользователей на более высокие или низкие тарифные планы, пояснил Го. «Наличие лимита и отслеживание того, сколько человек в этом месяце превысили лимит, имеет большое значение, когда вы пытаетесь контролировать эти расходы и повысить эффективность», — сказал Го.

Когда Cursor — который Symbotic активно использует — отменил устаревшую скидку, которая обязывала компанию платить фиксированную цену за запрос даже для новых моделей, и перевел всех на полную стоимость, это заставило всю компанию пересмотреть свою эффективность, сказал Го. «Люди говорили: „Вам следует попробовать эту модель… Это лучше работает для этого кода на C#, для этого чего-то еще“», — сказал он.

Однако проблема стоимости все чаще выходит за рамки ИТ-отдела; компания Replit, например, расширила штат агентов за пределы инженерного отдела и в итоге обнаружила, что один из пользователей службы поддержки «потратил невероятную сумму денег», — сказал Джайн. Когда они разобрались в ситуации, выяснилось, что причина заключалась в использовании автоматизации на GPT 5.5 Pro Max.

«По крайней мере, до этого момента окупаемость инвестиций была довольно очевидна», — сказал Джайн. «Мы видели трехкратное увеличение производительности труда инженеров, поэтому никто еще не ставил это под сомнение».

Он подчеркнул, что критически важны прозрачность, которая не является «антипродуктивной», модель маршрутизации и разумные значения по умолчанию. «Большинству задач не требуется освоение новых рубежей».

Источник: venturebeat.com