Насколько глубоко ИИ будет интегрирован в процессы разработки? Какие новые возможности откроются для компаний, создающих инструменты на базе ИИ? Как будут взаимодействовать разработчики и ИИ в ближайшие три-пять лет?

Сегодня ИИ становится практически полноправным участником команды. Это меняет подход к программированию, распределению ролей в командах, на сами инструменты для работы.

ИИ усиливает возможности разработчиков с помощью инструментов для написания кода и решения задач. Например, GitHub Copilot или JetBrains AI используют модели от разных исследовательских организаций, чтобы разработчики могли выбрать наиболее подходящую ИИ-помощь под конкретную задачу. Инструменты вроде JetBrains Junie, Cursor Composer, Codex или Windsurf Flows автоматизируют работу с кодовой базой с беспрецедентной скоростью. Такая интеграция повышает продуктивность и делает программирование доступнее.

Какие тенденции набирают силу?

Сценарий 1: будущее с полноценными ИИ-разработчиками

По мере развития технологий начинают появляться ИИ-агенты, которые могут самостоятельно писать код и решать сложные инженерные задачи, приближаясь по возможностям к разработчикам уровня senior. Например Devin, способный планировать и выполнять полный цикл разработки, и Honeycomb, интегрирующий автономных агентов в реальные пайплайны разработки ПО.

Можно даже представить, что в будущем ИИ-разработчики будут работать в командах — так же, как сейчас работают люди, — каждый со своей специализацией (разработка, тестирование, управление проектами и др.). Эта идея уже активно исследуется. Например, RepoAgent использует несколько агентов для выполнения full-stack задач в реальных репозиториях, а AgentCoder моделирует коллективную работу агентов на всех этапах разработки.

• ИИ-разработчикам потребуется собственная экосистема рабочих инструментов

Для одних такая «среда обитания» будет основана на централизованных облачных платформах. Для других путь лежит через локальный инференс. Инструменты вроде Ollama уже позволяют запускать мощные модели на пользовательских устройствах. Это открывает путь к безопасным, автономным, ориентированным на офлайн-среду ИИ-средам разработки. Те организации, которые первыми подстроятся под эти изменения, смогут получить серьёзное преимущество на новом, ИИ-ориентированном этапе развития разработки.

• ИИ-командам нужны инструменты

По мере того, как ИИ-команды становятся всё более продвинутыми, им все чаще становятся нужны специализированные инструменты для управления каждым этапом рабочего процесса. Команда AutoCodeRover одной из первых показала, как продвинутые инструменты существенно упрощают агентам решение задач. С тех пор всё чаще появляются среды и платформы, ориентированные на ИИ-разработчиков: hide, OpenHands и другие.

По-настоящему революционным станет появление платформы, которая предоставит ИИ-моделям прямой и бесшовный доступ ко всем необходимым инструментам в одном пространстве.

Ранние шаги в этом направлении — Computer-Using Agent (CUA) от OpenAI, позволяющий моделям взаимодействовать с обычным софтом на рабочем столе, и ComputerUse от Anthropic, благодаря которому Claude может управлять полноценной вычислительной средой.

• Даже если за рутину будут отвечать ИИ-команды, людям всё равно предстоит направлять их, уточнять результаты и утверждать итоговый продукт

Для этого понадобятся IDE нового поколения, которые смогут объединить человеческую экспертизу и ИИ-производительность.  JetBrains исследует эффективные способы взаимодействия человека и ИИ. Компания внимательно следит за тем, как развивается рынок, и рассматривает такие инструменты, как Claude Code, Warp AI, Gemini CLI, Google Jules, Cursor, Coedium и DevGPT, как важные сигналы перемен в этой сфере.

• Изучать ИИ предстоит не только разработчикам, но и юристам, законотворцам

ИИ способен ошибаться, и эти ошибки могут иметь серьезные последствия. Исследования показывают, что надёжный ИИ-код пока далёк от идеала. В обозримом будущем мы должны относиться к нему с осторожностью. Необходимы формальные аудиты и сертификация.

Широкое распространение ИИ ставит под вопрос определение авторских прав. Например, если мы используем открытый код для обучения моделей, то нарушаем ли права исходных авторов? По мере роста объёмов ИИ-кода вопросы лицензирования и атрибуции будут только усложняться. Здесь у  разработчиков инструментов для анализа и сертификации ИИ-кода появляется серьёзная возможность: системы, способные определять, был ли код создан ИИ, выявлять потенциальные риски и автоматически одобрять безопасный результат, станут важным элементом доверия и защиты пользователей.

• Код может выглядеть иначе изнутри

ИИ-разработчики могут начать обучаться сами, улучшая свои шаблоны программирования с помощью итераций и проб. Код при этом может оставаться написанным на привычных языках вроде Java или Kotlin, но его структура будет рассчитана на машинную эффективность, а не на удобочитаемость для человека.

Возможно появление новых языков программирования, которые будут созданы исключительно под потребности ИИ, и потому окажутся совершенно чужды человеку. Успех языка программирования может зависеть не от его элегантного синтаксиса, а от количества доступного кода. Простая логика: чем больше примеров, тем лучше ИИ понимает язык и генерирует на нём код. Это открывает уникальные возможности — позиционировать языки программирования под ИИ-потребности. Речь не о замене языков, а об их развитии в сторону совместной работы с ИИ. Например, Rust с его гарантией безопасной работы с памятью или Dafny, поддерживающий формальную верификацию, особенно ценны там, где важна надёжность. Язык Julia, хорошо масштабируемый для числовых и аналитических задач, интересен для ИИ-воркфлоу.

• Огромная масса старого (наследуемого) кода продолжает поддерживать бизнес

Нас ждет создание умных решений для поддержки и модернизации, способных справляться с задачами корпоративного масштаба. Это могут быть инструменты, которые автоматически обновляют библиотеки, анализируют миллионы строк кода и предлагают пути модернизации устаревших систем.

Сценарий 2: ИИ не заменяет разработчиков, а усиливает их работу и трансформирует инструменты. Контроль остаётся за людьми, а ИИ лишь резко повышает их продуктивность.

Отладка, профилирование и настройка среды разработки, вероятно, станут частично или полностью автоматизированными. Пока что автоматизация в основном касалась ускорения написания кода, но следующее поколение инструментов будет охватывать и другие задачи: от поиска багов до оптимизации производительности. Но даже при автоматизации таких процессов ключевую роль будут играть разработчики-люди, которые будут проверять корректность решений ИИ. Вызов в том, чтобы создать инструменты, которые будут помогать верификации и вызывать доверие, позволяя быстро понять, полезно ли то, что предлагает ИИ.

• ИИ как часть человеческой команды

Команды разработчиков уже начинают включать ИИ в работу как активного участника. Например, есть GitHub-боты, способные устранять уязвимости без участия человека. В ближайшем будущем агенты ИИ смогут брать на себя рутинные задачи: обработку тикетов, обновление документации, рефакторинг кода. Это освободит время для творческой и сложной работы.

• IDE, адаптированные для работы с ИИ-разработчиками

ИИ становится частью команд, и у разработчиков возникает потребность управлять ими. Появятся удобные интерфейсы, с помощью которых разработчики смогут видеть, над чем работает каждый ИИ-агент, проверять список задач, отвечать на запросы. По мере того, как ИИ будет всё чаще заниматься обновлениями и поддержкой, инструменты управления в стиле project manager станут необходимостью.

• ИИ-помощники и за пределами разработки

Возможно, у каждого участника процесса разработки, — продакт-менеджера, QA-инженера, DevOps-специалиста, — будет свой ИИ-помощник? Мы уже движемся в этом направлении: появляются стартапы, предлагающие ИИ-инструменты для ролей за пределами классической инженерии. Главная их цель сократить рутину и выделить больше времени на стратегию: анализ результатов, принятие решений, выстраивание процессов. В этой сфере огромный, ещё не реализованный потенциал. Сейчас самое время понять, что нужно каждому специалисту от ИИ, и создать первые рабочие прототипы.

• ИИ-помощники как технические лиды

Скоро ИИ-помощники смогут играть роль техлидов, которые знают всё о проекте и готовы ответить на любой вопрос. Уже сейчас LLM-модели умеют отвечать на общие вопросы и комментировать конкретные участки кода, но пока только в пределах чётко заданного контекста. В будущем такие модели смогут учитывать всю кодовую базу, историю разработки, задачи из трекера, чаты команды и документацию.

• ИИ нужен контроль

Скоро нам понадобятся инструменты, которые помогут отслеживать, проверять и контролировать качество кода ИИ. Одного только просмотра недостаточно, чтобы гарантировать надёжность. Один из возможных шагов — тегирование на уровне Git, чтобы помечать код, созданный ИИ, и отслеживать его по всему жизненному циклу.

Понадобятся инструменты для тестирования и аудита машинного кода. Уже сейчас платформы вроде SonarQube развиваются в сторону автоматической оценки качества, а также появляются инициативы по созданию систем валидации, учитывающих политики и стандарты. В дополнение к этому начинают появляться и регулирующие инициативы на уровне государств с акцентом на прозрачности, подотчётности и отслеживаемости ключевых принципов ответственного использования ИИ в разработке.

• Образование в эпоху ИИ

Поскольку ИИ меняет саму суть разработки, подход к обучению программированию тоже изменится. Представьте, что новички учатся не просто писать код, а сразу работать в среде, усиленной ИИ, максимально приближённой к реальной практике. Интеграция ИИ в обучение программированию поможет быстрее освоить инструменты, с которыми предстоит работать, и подготовиться к требованиям современной индустрии.

ИИ-ориентированное будущее неизбежно

Мы рассмотрели ключевые тренды в развитии ИИ и два возможных сценария его влияния на разработку ПО. Каким бы ни оказался путь, одно ясно: ИИ перестанет быть просто помощником и станет активным участником процесса. Это изменение создаст новые роли для разработчиков: они станут наставниками и рецензентами, работающими в связке с ИИ-агентами.

По мере того, как ИИ будет автоматизировать всё больше рутинных задач и лучше понимать контекст проекта, нам понадобятся новые интерфейсы, инструменты проверки и гибкие процессы. Подготовка к этому будущему требует развития ML, экспериментов с пользовательским опытом и глубокой интеграции ИИ в рабочие процессы.

Перевод с английского и адаптация, источник: https://blog.jetbrains.com/ai/2025/07/the-future-of-ai-in-software-development/