Оптимизировать код через ИИ: норм или стрём? А прогонять тестовое задание с ChatGPT? Доверять анализ конкурентов или сборку простых ботов? Где можно получить реальный буст и сэкономить время, а где нехило накосячить? Решил расставить точки на Ё по поводу того, как сейчас относиться к использованию искусственного интеллекта в ИТ.
Я человек из «позднего большинства» в контексте теории диффузии инноваций, так что как технический директор на собеседованиях кандидатам прямой вопрос о применении искусственного интеллекта в работе стал задавать в обязательном порядке только полгода назад. И с удивлением обнаружил, насколько разные ответы получаю. Кто-то теряется и мнется, отвечает с осторожностью и вопросом в глазах, кто-то боится показаться читером, категорически открещивается и ругает ИИ. Для меня это сразу редфлэг, сейчас мы в той точке, когда кажется прошли все стадии принятия от отрицания до регулярных запросов к различного рода LLM (англ. Large language model).
Разработка — это та сфера, которая неизбежно будет стремительно меняться под действием искусственных моделей. Если не уметь ими грамотно пользоваться, можно оказаться на обочине как специалист. Все потому, что те, кто умеет пользоваться ИИ, будут быстрее выполнять задачи. Уверен, что через один-два года на собеседованиях нужно будет уже не просто спрашивать, а проверять, умеет ли соискатель пользоваться искусственным интеллектом. Например, давать задание с тем расчетом, что человек будет решать его не сам, а загрузит в ChatGPT и с помощью ответов модели придет к решению.
Сам я использую ИИ как продвинутого помощника для написания кода в пет-проектах, а также для ресерча и в работе с текстом. Руководителю ИТ-департамента для решения управленческих задачи привлекать LLM сложно: я не могу спросить у искусственного интеллекта, выделять мне третью команду внутри структуры департамента, или нет, такое решение пока могу принять только я, оценив весь объем задач и контекст.
Мне стало интересно, кто в нашей команде и как работает с искусственным интеллектом в задачах, мы провели небольшой опрос и попросили ChatGPT разделить ответы на категории. Получилось, что в основном айтишники поручают ИИ анализ информации, оптимизацию кода, работу с текстом, а также решение личных вопросов. Расскажу подробней.
Гайд по текстовым нейросетям: как пользоваться ChatGPT, DeepSeek и другими чат-ботами
1) Работа с кодом
На первом месте по частоте применения ИИ у разработчиков – оптимизация кода. Как я уже сказал, я и сам использую модели как помощника для написания кода. Человек может потратить на такую задачу час, а LLM сделает это за минуту. Плюс написанный машиной код можно быстро проверить: на тесте сразу видно, работает код или нет, и как долго работает.
Например, ИИ помогает отрефакторить за несколько минут написанный код, оптимизировать его, особенно по database query optimization, генерить шаблоны (модели валидации Pydantic и эндпоинты), перекладывать JSON-ы.
Инструменты: Cursor, ChatGPT.
В Cursor классный автокомплит, который помогает быстрее написать код. Его можно попросить сделать конкретное решение для конкретной библиотеки и получить готовый код.
Сложности: после оптимизации кода нужно убрать лишнее и все проверить. Впрочем, это все равно быстрее, чем через StackOverflow или документацию. Модель помогает, когда знаешь, как и что писать, но самому лень печатать непосредственно код.
Пока в написании кода у ИИ есть проблема – он упирается в контекст. Если попросить написать функцию, которая делает умножения матрицы, то он легко справится. Но когда есть код с багом и просишь ИИ найти его – упрется в контекст. Только когда в модель будет загружен контекст всего проекта, можно попросить подсветить подводные камни. Будет круто, когда искусственный интеллект научится находить такие баги и исправлять их.
Я вижу такую идеальную цепочку работы ИИ с кодом: есть описание багов в Jira по шаблону, оно автоматически отправляется, например, в ChatGPT, тот делает исправления, дальше закидывает их в GitLab, а на конце этой цепочки человек смотрит и тестирует. Но в любом случае финальным звеном тут не может быть машина.
2) Аналитика и research
Это второй из часто встречающихся среди ИТ-специалистов и продакт-менеджеров формат работы с ИИ. Разработчики обращаются к моделям для быстрого ресерча по библиотекам, API, информации по технической документации. Продакт-менеджеры – для анализа конкурентов, позиционирования, оценки сильных и слабых сторон, рыночных трендов, 4FITS (метод стратегического позиционирования бренда или продукта), работы с данными в таблицах, анализа и выводов из опросов и прочее.
Инструменты: ChatGPT – o3, Deep Research.
Для аналитики удобен Deep research, особенно, если нужно с головой погрузиться в задачу. ChatGPT все используют в качестве поисковика, когда надо собрать информацию для не очень важного и срочного проекта: он дает сжатый ответ и избавляет от хождения по ссылкам. В результате быстро получаешь ответы на вопросы.
Сложности: как справедливо отметил один из наших продакт-менеджеров, самое сложное – сохранять критическое мышление и заставлять себя всегда проверять за ИИ, хотя бы самое важное.
3) Работа с текстом
Третья по частоте упоминания задача, которую коллеги отдают ИИ — работа с текстом. Ее у ИТ-специалистов больше, чем кажется. Поскольку это непрофильный вид деятельности, собрать даже небольшой текст техническим специалистам бывает сложно Искусственный интеллект используют для UX-копирайтинга, генерации названий, редактирования, с ним вместе можно начать писать пост, структурировать мысли, проверить тональность. Я сам часто прогоняю посты для своего телеграм-канала через LLM для оценки структуры и редактуры при необходимости.
Инструменты: ChatGPT – o3.
Сложности: нужно обязательно перечитывать, что предлагает ИИ – часто сокращает текст и выкидывает важные смысловые части, или пишет слишком сложным языком со специфичными терминами, так что сразу бросается в глаза, что текст написан машиной.
4) Личные вопросы и эксперименты
Я оставил этот пункт последним, поскольку хотел рассмотреть применение ИИ с профессиональной точки зрения, но честно сказать, он вполне мог быть и первым. Можно сомневаться в том, какие профессиональные задачи отдавать машине, это большая ответственность. А поручить ИИ выбрать ресторан, подобрать варианты подарка маме, спланировать маршрут для отпуска — классная возможность не отвлекаться и сохранять фокус на рабочих задачах. При этом бытовые дела часто отнимают гораздо больше времени и ресурса, чем написание кода и ресерч.
Что поручают искусственному интеллекту ИТ-специалисты TYMY: составить меню для диеты, расписать тренировки, выяснить, какие лампочки подходят к машине, провести сеанс психотерапии, рассказать из чего состоит рык годзиллы (тут я не удержался и тоже спросил – познавательно).
Самое неожиданное применение ИИ – детектирование людей на входе. Один мой коллега увлечен умным домом, у него локально 24/7 крутится модель LLaVA и по изображению дает описание людей, которые звонят в дверь. Его конечная цель – научить ИИ самостоятельно детектить курьеров!
Инструменты: ChatGPT, DeepSeek, LLaVA.
Сложности: как и с рабочими задачами, не стоит слишком доверчиво относиться к выдаче ИИ, лучше все перепроверять (к сожалению). Я недавно заказывал цветы и попросил подобрать цитату из песни с определенным смыслом, чтобы написать в открытке. Он выдал несколько вариантов. К счастью, я решил проверить, есть ли эта цитата в указанной песне. Оказалось, что нет. Указал на ошибку, ИИ выдал другой пример, но оказалось, что и этой цитаты не существует.
Что в итоге
Если вы до сих пор сомневались, то теперь бросайте. Использовать ИИ в работе можно и нужно, особенно если это помогает сэкономить ресурсы, в том числе такие ценные, как время. Главное не делать это бездумно: норм – когда ИИ экономит 10 часов в неделю на выполнении рутинных задач, стрём – когда не понимаете, как работает код из ChatGPT. Меня напряжет, если тестовое задание кандидата явно выполнено с помощью ИИ, а он не может объяснить даже примерно логику решения. Стиль искусственного интеллекта узнаваем и сгенерированный ответ видно. Впрочем, если ты понимаешь, что написал ChatGPT, и как это можно исправить при необходимости – отлично.
ИИ умеет писать код быстрее человека, но правильнее – пока нет. С текстом пока такая же ситуация. Вероятно, лет через пять ИИ напишет такую статью лучше меня, но пока проверять факты, принимать решения и нести за них ответственность приходится всё-таки мне.
Максим Быстров, CTO ИТ-компании TYMY
- ChatGPT превращается в личного врача - 08/01/2026 14:27
- Samsung Galaxy S26+ может получить 3-кратный HDR-зум - 08/01/2026 14:16
- Врачи бьют тревогу: люди проводят 93% времени в помещениях, что ведет к «цифровому ожирению» - 08/01/2026 13:22
