IT_One представила собственную методологию для выбора ИИ-инструментов и управления ими на всех этапах жизненного цикла разработки ПО (SDLC). Фреймворк описывает, какой инструмент применять для конкретной задачи, как валидировать результат, как контролировать риски и сколько трудозатрат это экономит. По данным компании, внедрение методологии повысило производительность команды разработки на 30–40%.
Проблема, которую решает фреймворк, знакома большинству ИТ-команд: ИИ-инструменты внедряются стихийно. Инициативу проявляют отдельные специалисты, либо решение спускается сверху и используется с разной степенью успешности. Единого связующего слоя, который для каждой активности SDLC определяет подходящий ИИ-инструмент и способ проверки результата, на рынке не было. «Мы проанализировали публичные методологии и гайды вендоров и не нашли готового решения такого типа — связующего слоя, который для каждой активности SDLC определяет, какой ИИ-инструмент применять, как валидировать результат, как контролировать риски и сколько это экономит трудозатрат. Поэтому мы построили такой фреймворк сами — как воспроизводимую методологию, а не закрытый внутренний регламент», — сказал Кирилл Хрушков, CIO компании IT_One.
| Этап фреймворка | Содержание |
|---|---|
| Декомпозиция SDLC | Разбивка на этапы (аналитика, разработка, тестирование, развертывание, стабилизация) и активности |
| Оценка применимости ИИ | Определение, для каких задач ИИ подходит |
| Описание скиллов, валидаций и ограничений | Система навыков ИИ, проверок и рамок применения |
| Измерение эффективности | Оценка результата от применения ИИ |
| Стандартизированные инструкции | Готовые руководства для команд |
Методология включает пять ключевых этапов. Первый — декомпозиция SDLC на этапы (аналитика, разработка, тестирование, развертывание, стабилизация) и активности внутри них. Второй — оценка применимости ИИ для каждой задачи. Третий — описание системы навыков ИИ (скиллов), валидаций и ограничений. Четвертый — измерение эффективности. Пятый — создание стандартизированных инструкций. В совокупности это дает команде представление о том, как применять ИИ той или иной активности, и позволяет спрогнозировать результат действия модели.
Одно из главных преимуществ фреймворка — воспроизводимость. Он спроектирован как онбординг-инструмент: новый сотрудник проходит по гайду, получает предсказуемый результат и ожидаемый уровень эффективности. Методология также способствует сохранению качества кода при ускорении его создания и упрощает адаптацию новых сотрудников. Применение фреймворка не зависит от конкретных вендоров ИИ-моделей и предусматривает подбор наиболее подходящих инструментов с учетом выхода новых версий.
IT_One не раскрывает, сколько компания вложила в разработку фреймворка и планирует ли монетизировать методологию. Остается открытым и вопрос, как именно измерялись 30–40% роста производительности — на каких метриках, за какой период и на каком размере команды. Без этих деталей цифру стоит воспринимать как внутреннюю оценку компании, а не как отраслевой benchmark. Тем не менее сам подход — формализация выбора ИИ-инструментов под каждую активность SDLC — отражает общий тренд: компании переходят от точечного экспериментирования с ИИ к управляемым процессам.
