Июль 2026 года. Рынок AI-агентов перегрет: каждый день появляются десятки новых инструментов, обещающих автоматизировать всё — от написания кода до управления рекламными кампаниями. Но за громкими обещаниями часто скрывается сырой продукт, который требует ручной доработки. Как в этом хаосе сохранить качество разработки и не утонуть в техническом долге? Ответ — в недавнем кейсе команды Avito, который они детально описали на Хабре. Разберём этот пример, чтобы понять, какие практики реально работают.
Почему качество в агентской разработке — головная боль
Классическая разработка строится на предсказуемости: чёткое ТЗ, фиксированные спринты, контроль версий, код-ревью. Агентская разработка, где код пишут AI-агенты, ломает эту модель. Агент может:
- Сгенерировать тонны кода, который формально работает, но не соответствует архитектуре.
- Внести регрессионные ошибки без явного уведомления.
- Создать «чёрный ящик» — когда никто в команде не понимает, как именно агент пришёл к решению.
В статье на Хабре разработчики Avito делятся опытом борьбы с этими проблемами. Они не просто внедрили AI-агентов, а построили систему метрик и проверок, которая позволила не потерять контроль над качеством. Источник
Что конкретно сделала команда Avito
Вместо того чтобы пустить агентов в свободное плавание, команда применила жёсткую систему фильтров.
1. Метрики оценки кода
Разработчики ввели метрики, которые агент обязан соблюдать:
- Покрытие тестами — не ниже заданного порога.
- Производительность — время выполнения ключевых операций в пределах SLA.
- Безопасность — автоматическая проверка на OWASP Top 10.
Если агент генерирует код, который не проходит хотя бы один из этих фильтров, решение не принимается. Это исключает ситуацию, когда «красивый» код оказывается дырявым.
2. Аудит каждого шага агента
Команда внедрила систему логирования, которая записывает не только финальный код, но и цепочку рассуждений агента. Это позволило:
- Быстро находить причины ошибок.
- Обучать агентов на реальных кейсах.
- Понимать, почему агент выбрал то или иное решение.
3. Ручные точки контроля
Несмотря на автоматизацию, ключевые этапы — архитектурные решения, изменения в критических модулях — проходят через код-ревью человека. AI-агент выступает как ассистент, а не замена инженеру.
Практические результаты
За полгода использования такого подхода команда Avito, по их словам, сократила количество багов на этапе релиза на 40%, а время на код-ревью уменьшилось на 15% (за счёт того, что агенты заранее отсеивают очевидные ошибки). При этом скорость выкатки новых фич выросла, но не за счёт качества — за счёт того, что рутинные задачи (написание шаблонного кода, простые фиксы) теперь делают агенты.
Таблица: что изменилось после внедрения контроля
| Параметр | До внедрения контроля | После внедрения контроля |
|---|---|---|
| Доля регрессионных багов в релизе | ~18% | ~11% |
| Среднее время код-ревью на PR | 4.2 часа | 3.6 часа |
| Количество PR, требующих повторного ревью | 22% | 14% |
Данные приведены из опыта команды Avito, опубликованного на Хабре.
Практические рекомендации для внедрения
На основе этого кейса можно выделить три правила, которые стоит применять, если вы решите внедрять AI-агентов в разработку:
-
Не верьте агентам на слово. Всегда проверяйте результат через автоматизированные тесты и метрики. Агент может быть уверен в своём коде, но это не гарантирует его качества.
-
Логируйте всё. Если агент ошибся, вы должны иметь возможность воспроизвести его шаги. Без этого вы не сможете улучшить ни агента, ни процесс.
-
Оставляйте человека в контуре. AI — это инструмент, а не замена экспертизе. Критические решения должен принимать senior-разработчик, опираясь на рекомендации агента.
Выводы
Агентская разработка — это не магия, а инженерная дисциплина. Кейс Avito показывает, что качество можно обеспечить, если подойти к внедрению системно. Ключевой фактор успеха — не выбор «самого умного» AI-агента, а построение замкнутого цикла: генерация кода → проверка метрик → аудит → обратная связь.
Если ваша компания только начинает путь в эту сторону, начните с малого: выберите один рутинный процесс (например, написание юнит-тестов), внедрите для него агента с жёсткими метриками и оцените результат через месяц. Скорее всего, вы увидите, что контроль качества не замедляет разработку, а наоборот — ускоряет её, избавляя от бесконечных фиксов.
Статья подготовлена по материалам публикации команды Avito на Хабре. Полный текст — по ссылке.
Комментарии