Руководитель сервиса просит изменить уведомление о переносе записи. Клиент должен сразу видеть новое время. Подрядчик отвечает, что подготовит доработку с помощью ИИ. Звучит как подробность о способе работы. Но у уведомления могут быть связи с расписанием исполнителя, отменой записи и сообщением оператору. Кто объяснит эти связи инструменту?
Привет, я Антон Фокин — CEO Qtim
Здесь полезно отделить применение ИИ от обещания результата. В этой статье условный сервис служит примером, а не описанием проекта клиента Qtim. Заказчику важно увидеть, какие сведения команда передаст ИИ, где остановит его работу и кто отвечает за выпущенное изменение.
Разработчик, давно работающий с продуктом, может помнить, что перенос записи влияет на календарь исполнителя и очередь поддержки. ИИ-помощник не знает этого из названия задачи. Ему передают файлы, описание, выбранные примеры и инструкции. Команда решает, какие сведения относятся к изменению, насколько они актуальны и что инструменту разрешено менять.
Это добавочная работа. Прежде чем получить полезное предложение, надо собрать контекст из нескольких мест: действующее поведение сервиса, правила бизнеса, код, ограничения интеграций и уже принятые решения. Затем проверить, что переданные сведения не противоречат друг другу. Большой объём материалов сам по себе не решает задачу: устаревшая инструкция способна отправить работу в неверную сторону.
В исследовании 2025 года Jiang и Nam рассмотрели файлы правил в 401 открытом репозитории. Разработчики фиксировали в них сведения о проекте, соглашения команды, инструкции и примеры. Это описание того, какой контекст люди считают нужным передать помощнику; исследование не измеряло, улучшились ли результаты после добавления таких файлов. Тем более оно не показывает эффект для конкретного заказа.
Авторы CAFE(S) в 2026 году предлагают оценивать контекст по ясности, выполнимости, соответствию реальному состоянию проекта, отсутствию лишнего и безопасности. Это полезная рамка для разговора, но не эксперимент со сроками разработки. Для заказчика она переводится в более простой вопрос: из каких проверенных сведений команда собрала задачу для ИИ и кто заметит пробел?
Вернёмся к переносу записи. В задаче «отправить новое время клиенту» нет ответа на вопросы об уже отправленном подтверждении, занятом слоте исполнителя и ручном переносе оператором. Часть правил может жить в коде, часть — в настройках сервиса, часть — в рабочей процедуре поддержки. ИИ может собрать правдоподобное изменение, опираясь лишь на то, что увидел.
Поэтому команда сначала описывает не всё устройство продукта, а именно участок изменения. Какая запись считается перенесённой? Кто запускает перенос? Где хранится новое время? Какие уведомления уже работают и при каких исключениях? Ответы нужны и обычному разработчику. При использовании ИИ появляется отдельный шаг: отобрать проверенную часть этих ответов для инструмента, обозначить неизвестное и не позволить предположению стать правилом продукта.
Практический результат подготовки можно выразить четырьмя строками. Это не техническое задание на весь сервис, а границы одной работы:
Контекст: в каких случаях меняется запись и какие действующие операции затрагивает уведомление.
Граница: какие сообщения и статусы можно менять, а какие операции должны сохранить прежнее поведение.
Ответственный: кто из команды уточняет противоречивое правило и принимает решение об изменении.
Признак готовности: какие наблюдаемые сценарии должен пройти клиент, исполнитель и оператор после доработки.
Заказчику не нужно составлять файл инструкций для модели. Ему нужно подтвердить деловые правила, включая исключения. Подрядчик отвечает за то, чтобы превратить их в пригодное задание, ограничить доступ инструмента и проверить результат в продукте. У Qtim есть услуга развития действующего продукта; сама страница описывает такой тип работы, но ничего не доказывает о применении ИИ в проектах команды.
Полезный признак зрелой работы — возможность остановиться до изменения кода. Допустим, оператор переносит запись вручную, но сервис не фиксирует причину. Нельзя поручить инструменту придумать правило уведомления из соседних файлов. Команда выясняет у владельца процесса, нужно ли клиенту сообщать причину, и только после ответа продолжает задачу.
Инструмент может подготовить несколько вариантов реализации быстрее, чем команда сформулирует один спорный бизнес-ответ. Это не повод пропустить ответ. Иначе позднее заказчик получит технически собранное уведомление, которое противоречит реальной процедуре. Разница возникает ещё до проверки кода: команда должна отделить подтверждённые условия от догадок и не дать ИИ заполнять пробелы за бизнес.
Здесь важно и другое ограничение: не каждая деталь продукта должна попадать в запрос или доступ инструмента. В CAFE(S) безопасность названа одной из характеристик контекста. Конкретный режим работы с данными зависит от продукта и используемого инструмента; статья не устанавливает его за договор сторон. Но ответственный за границы доступа должен быть назван до старта.
После появления кода у заказчика есть право ожидать тот же результат, о котором договорились: перенос отражается в нужных сценариях, соседние операции работают, изменения можно сопровождать. Для этого команда проверяет предложенное решение, объясняет, почему оно подходит продукту, и выпускает его по своему процессу. Детальную технику проверки кода оставим отдельной темой. Здесь важна ответственность за решение, принятое с помощью инструмента.
Исследователи IBM в работе 2025 года изучали опыт двух групп разработчиков компании, всего 669 респондентов, и отдельно провели 15 пользовательских тестов. Среди вопросов исследования — чувство владения и ответственности за код, полученный с помощником. Самоотчёты сотрудников IBM не определяют условия другого подрядного проекта, зато показывают, что вопрос не сводится к факту генерации.
Есть и неудобный для обеих сторон нюанс. Рецензируемый эксперимент, опубликованный в 2026 году, не выявил систематической разницы в последующей доработке кода, созданного с ИИ и без него, в пределах своих заданий. Участники работали с одной Java-системой в конце 2024 года. По такому результату нельзя объявить любой AI-код плохим или безопасным. Способ получения кода не заменяет приёмку конкретного изменения.
В трёх полевых экспериментах Microsoft Research 2025 года доступ к помощнику сопровождался ростом числа завершённых задач у участвовавших разработчиков. В исследовании METR опытные участники на знакомых открытых проектах в первой серии выполняли задачи дольше с ИИ. Позднее METR сообщил, что его новые оценки трудно интерпретировать из-за отбора участников и задач.
Эти работы измеряют разные инструменты, среды и показатели. Ни одна не рассчитывает срок и стоимость доработки нашего условного сервиса. При оценке заказа команда должна отдельно учесть понимание существующих правил, подготовку контекста, проверку результата и выпуск. Генерация фрагмента кода — лишь часть этой работы.
Для изменения уведомления достаточно начать с одного согласованного участка: когда перенос считается завершённым, какие сообщения меняются, кто разрешает спорные случаи и по каким сценариям принимается результат. После этого команда может выбрать подходящий инструмент. Обратный порядок заставляет инструмент отвечать на вопросы, которых ему никто не объяснил.
Правило для заказчика: соглашайтесь на способ работы после того, как команда назвала проверенный контекст изменения, границы для ИИ и человека, ответственного за итог. Сам факт применения ИИ не меняет ответственность подрядчика за выпущенную доработку.
Если предстоит изменить работающий продукт, давайте обсудим конкретный участок и его ограничения до оценки реализации.