28.04.2026 Новости, Бизнес-практикум, Менеджмент, ОС и разработка приложенийРазговор об ИИ в разработке постепенно становится менее восторженным и более практичным. Почти все команды уже почувствовали ускорение, особенно там, где речь идет о генерации и доработке кода. И это подтверждается исследованиями: по данным McKinsey & Company, в ряде сценариев генеративный ИИ может ускорять выполнение задач разработки почти в 2 раза, особенно на уровне рутинного кодинга и рефакторинга. Но чем больше мы смотрим на реальные проекты, тем очевиднее становится: ускорение само по себе не гарантирует бизнес-эффекта. Сроки релизов не всегда сокращаются, а количество возвратов и доработок не всегда падает пропорционально ожиданиям. И тогда закономерно возникает вопрос: если код писать стали быстрее, почему сквозной процесс не ускорился так же заметно? Ответ все чаще смещается в одну точку — в этап до разработки, туда, где формируются требования и принимаются ключевые продуктовые решения. С Константином Попандопуло, техническим директором Umbrella IT, разбираемся, как искусственный интеллект смещает основной эффект разработки в этап discovery и влияет на качество требований, количество ошибок и скорость вывода продуктов. Где на самом деле теряется время Если посмотреть на разработку как на систему, становится видно: кодинг — это лишь часть процесса, и далеко не самая затратная. По разным оценкам, он занимает около 20-25% общего времени. Остальное — это работа с требованиями, согласования, обсуждения, тестирование и возвраты. Причем значительная часть задержек ...
читать далее.
