Тендеры и лиды
Информация
Искусственный интеллект в разработке обещает две вещи, которые нужны и разработчикам, и клиентам, — скорость и экономию. Поэтому инструмент быстро стал востребованным: по данным исследования DORA 2025, ИИ-инструменты уже используют около 90% разработчиков.
Однако доступ к ИИ-агенту сам по себе еще ничего не улучшает. Как пройти между хайпом и разочарованием, поделится Константин Романов, технический директор в Purrweb. В статье расскажем про опыт команды: какие инструменты прижились, кейсы с цифрами, ограничения ИИ и стратегия внедрения.
Системно искусственный интеллект (ИИ) зашел в клиентские проекты Purrweb в августе 2025 года. До этого разработчики пробовали отдельные инструменты сами, по наитию, но именно тогда команда впервые подошла к делу как к процессу: взяли стартер-проект, определили область применения ИИ и назначили разработчика активно применять его в работе.
Начали с бэкенда. Причина проста: его легче формализовать. В серверной части приложения больше системных задач, правил и повторяющихся сценариев. Все это проще описать с помощью ИИ и проверить на выходе.
Фронтенд тоже можно ускорять, но там выше риск получить не тот визуальный результат. Интерфейс должен выглядеть так, как задумали дизайнер и команда, а не так, как его «увидела» нейросеть.
Главная ошибка на старте — ждать от ИИ слишком много. Если завышаешь ожидания и получаешь скромный результат, кажется, что инструмент бесполезен. На самом деле проблема в постановке задачи. Поэтому в Purrweb с самого начала настраивали ожидания постепенно, а не рассчитывали, что ИИ решит все сам.
Если ты ожидаешь от ИИ много, а получаешь мало, у тебя возникает проблема: ты думаешь, что ИИ — полная ерунда. На самом деле это неправда. Тебе нужно либо уменьшать скоуп задач, либо детальнее описывать, что ты хочешь.
— Константин Романов, CTO в PurrwebЭффект по скорости проявился быстро. Например, разработка бэкенда, которая раньше занимала около 600 часов, теперь укладывается в 40-200 часов. Константин Романов подчеркивает, что цифры зависят от проекта и его масштаба: где-то ускорение ближе к 1,5-2 разам, где-то выше.
«Это волшебная палочка, которая все сделает. Просто нужно дать ей те задачи, которые она может сделать. И порционно», — так Романов формулирует главный принцип работы с ИИ.
Сегодня команда Purrweb использует два инструмента — Claude Code и Codex.
К ним пришли не сразу. Раньше работали на Windsurf, но отказались от него из-за высокой стоимости. Изначально там действовала система кредитов: 500 кредитов за 20 долларов. Один кредит = один запрос к модели, достаточно сильной для кода. Команде хватало примерно 5 тысяч кредитов в месяц, то есть около 200 долларов. Потом сервис перешел на квоты, и дальнейшее использование стало невыгодным.
Claude и Codex тоже устроены по квотам. Есть пятичасовое окно, внутри которого расходуется лимит запросов: исчерпал — ждешь, пока окно обновится. Поверх действует еще и недельное окно. Многим разработчикам команды сделали корпоративные аккаунты, и у каждого — собственная квота.
Как устроен ИИ-агент. Работа идет не через окно чата на сайте, а через агента прямо в редакторе кода VS Code или в терминале. Агент «видит» открытый проект: у него есть доступ к файлам, он может их менять, запускать команды, тестировать код и при необходимости публиковать его на сервер.
Дальше все строится на промпте и контексте. Разработчик дает агенту инструкцию (промпт) и снабжает его контекстом проекта: архитектурой, описанием задачи, правилами написания кода и реализации фичи. Агент выдает результат, а разработчик ревьюит его — проверяет, корректирует и доводит до нужного состояния.
ИИ — не только про код. Один и тот же агент с разным набором промптов и правил подключается к разным этапам жизненного цикла проекта.
Его задействуют в системной аналитике, описании архитектуры, подготовке документации, формировании тест-кейсов для специалистов по контролю качества (QA) и даже в «ручном» тестировании — через дополнительные коннекторы, которые расширяют возможности агента. Ревью кода тоже постепенно уходит к ИИ, встроенному в конвейер автоматической сборки и доставки кода (CI/CD). Правда, этот сценарий в команде начали внедрять недавно.
Роль разработчика или другого специалиста при этом не исчезает, а смещается.
В идеале ты — оператор, который контролирует качество того, что сделал ИИ, и передает это на следующий этап, где работу снова подхватывает ИИ.
— Константин Романов, CTO в PurrwebНаша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13691 тендер
проведено за восемь лет работы нашего сайта.
Рассмотрим, как это работает, на примере четырех проектов. Они отличаются масштабом и ролью ИИ: от прототипа до точечного внедрения в крупную разработку.
Кейс 1. Стартер-проект — 90% бэкенд задач на ИИ. Проект для крипто-направления, с которого и началось внедрение вайб-кодинга в процессы. Команда работала еще на Windsurf, используя готовый шаблон и заранее заданные правила. ИИ реализовывал бизнес-логику бэкенда, а разработчик проверял результат и точечно дорабатывал код. На фронтенде ИИ тоже применяли, но менее системно. В итоге ИИ помог ускорить разработку примерно в 2 раза и быстрее закрыть и серверную, и клиентскую часть проекта.
Кейс 2. Прототип за два дня. Проект — мобильное приложение, которое может распознавать вещи на человеке и позволяет примерить одежду. Задача была простой: быстро показать заказчику, как может выглядеть готовый продукт. Прототип собрали примерно за два дня на Claude Code, целиком через вайб-кодинг. Вручную такая работа заняла бы недели полторы-две. Инициатива по такому решению исходила от команды: хотели проверить, насколько быстро можно воплотить идею в работающий прототип.
Кейс 3. Почти весь проект через GStack. Команда решила провести эксперимент и сделать приложение по созданию ивентов, передав процессы ИИ-агенту. Для этого использовали GStack для Claude. GStack задавал серию вопросов, команда отвечала и насыщала его контекстом, после чего агент генерировал готовый результат. Команду впечатлила скорость: весь проект собрали примерно за 3 недели, тогда как вручную на такую разработку ушло бы 3 месяца.
Все основные блоки были готовы за 3-4 дня — то, что раньше разрабатывали недели две и не доводили до конца. Понятно, там есть баги, которые надо править. Но по скорости подачи результата это хороший показатель.
— Константин Романов, CTO в PurrwebКейс 4. ИИ как часть процесса на больших проектах. Когда команда выработала четкие шаблоны, единые правила работы с ИИ и стандарты постановки задач, искусственный интеллект начали внедрять в разные этапы разработки крупных проектов — аналитику, написание кода, документацию, ревью, тест-кейсы. Но ответственность за архитектуру и качество при этом все равно остается на разработчиках.
Искусственный интеллект — мощный инструмент, но у него есть свои ограничения. Понимание этих границ помогает избежать разочарований и достичь эффективности. По сути, ограничения сводятся к одному: агент работает только с тем контекстом и теми рамками, что ему дали. Где этого не хватает — начинаются проблемы.
Большие и абстрактные задачи. Чем крупнее, абстрактнее и сложнее задача, тем выше риск, что модель что-то упустит. Небольшой проект целиком помещается в контекст, и ИИ-агенту легко в нем ориентироваться. С большим так не выйдет. Поэтому объемную задачу нужно дробить на подзадачи, посильные для модели, а затем связывают результаты воедино.
Визуалы. Фронтенд, как уже было сказано, сложнее формализовать. Если передать агенту весь интерфейс без четкого визуального и архитектурного стиля, он создаст его по своему усмотрению. Это может усложнить последующую доработку. Проблема решается заранее установленными правилами — стилем, макетами, дизайн-системой.
Сложные библиотеки. ИИ опирается на данные, на которых обучался. Если он работает с библиотекой или фреймворком, по которым у него нет информации, и нет доступа к исходникам, то он начинает додумывать решения.
Внедрить инструмент технически нетрудно — сложнее добиться, чтобы команда действительно им пользовалась. В Purrweb шли поэтапно.
Сначала структура, потом масштаб. Команда создала шаблоны, правила работы с ИИ и единый подход к постановке задач. Проверили это на нескольких проектах, получили результат — и начали применять дальше, уже на других проектах. Отдельных курсов не вводили: разработчики учились на реальных задачах, в процессе работы.
Тимлиды как проводники. Следующим шагом подключили тимлидов. Сначала они осваивали подход сами — где-то получалось самостоятельно, где-то приходилось садиться рядом и разбирать вместе, — а потом помогали младшим разработчикам. Параллельно проводили серию встреч, где ребята показывали свои результаты. Сегодня вайб-кодинг в команде — де-факто необходимый навык.
Сопротивление снимать наглядностью. Сопротивление, к слову, было в команде еще до старта внедрения: некоторые сформировали мнение об ИИ раньше, когда инструмент еще был слабым. Константин и сам пару лет назад считал ИИ бесполезным — пока тот не начал действительно экономить время. Поэтому давить на сотрудников бесполезно.
Иногда дело даже не в идейном неприятии, а в том, что человек просто не понимает, как применить ИИ в своей работе. С такими сотрудниками работали индивидуально — садились рядом за их рабочее место и показывали на их же задачах, как пользоваться инструментом.
Ты вряд ли сможешь навязать использование искусственного интеллекта через слово «используй». Это так не работает.
Иногда это были ребята, которые сопротивлялись, а иногда просто не понимали, как использовать инструмент. Подход был такой — показать, как это можно применять.
— Константин Романов, CTO в PurrwebГлавная ошибка руководителя — давить. Константин Романов честно признает: при внедрении новой технологии почти неизбежно столкнешься с критикой и неприятием. И худшее, что можно сделать, — реагировать на это болезненно. Задача руководителя в том, чтобы к технологии стали относиться спокойно.
Поэтому в Purrweb рекомендуют использование ИИ, но не навязывают. Компания однажды закупила около 30 аккаунтов и выдавала их всем, кто сам захотел попробовать вайб-кодинг. Лучшее доказательство, что подход работает — большинство разработчиков пользуются ИИ по собственному желанию.
Эффективность вайб-кодинга на проектах зависит от того, как организована работа с LLM-моделью. Там, где есть понятные и детальные правила, раздробленные задачи и человек, отвечающий за итог, ИИ будет ускорять процессы и снимать рутину. Там, где этого нет, он так же быстро увеличит количество ошибок.
