Всем привет! Меня зовут Данила, я мидл‑бэкенд‑разработчик, занимаюсь микросервисами и стараюсь следить за тем, что происходит с ИИ‑инструментами на рынке. Я посетил ГигаКонф — конференцию для инженеров, которая прошла в штаб‑квартире Сбера.
Это был открытый инженерный день — на сцене говорили, как ИИ сопровождает продукт на всём жизненном цикле: от написания первой строчки кода и хардкорного продакшена (PDLC) до поддержки (PSLC). А на стендах можно было лично протестировать ИИ‑инструменты, которые внедряют в разработку для автоматизации процессов.
В первом репортаже уже рассказал, что обсуждали на треках, а здесь нырнём в практику: я прошёл по стендам, потрогал демонстрации и пообщался с командами на тему того, как и чем будем строить наше коллективное агентное завтра.
Домашний уют, лего Хогвартс и ламповость: атмосфера ГигаКонфа
Я уже в третий раз на ГигаКонфе, и в этом году конференция показалась мне спокойнее предыдущих, более взрослой и в то же время уютной. Организаторы на открытии говорили о домашнем формате — и это ощущение совпало с моим.
Всё самое важное разместили максимально удобно: сходил на доклад, пока идёшь в соседний атриум на другой трек — посетил один‑два стенда, и так к концу конференции всё осмотрел.
Основные зоны расположились компактно: один атриум для главных выступлений, другой — для технических треков, между ними — стенды, фотозоны, места для отдыха и нетворкинга.
Один зал собрал кейноут‑спикеров и ключевые тренды рынка, а в соседнем более въедливая аудитория обсуждала хардкорные истории, поэтому вопросы из зала зачастую занимали большую часть выступления. Для меня это хороший признак: людям было важно не просто послушать про очередную технологию, а разобраться в деталях.
Особенно запомнилась зона отдыха, которую организовало внутреннее ИИ‑комьюнити Сбера. Там можно было собрать лего Хогвартс, а рядом работала компьютерная игра, где участник оказывался в роли нейросети.
Игра оказалась настолько популярной, что очередь не уменьшалась. Не каждый день можно ощутить себя в таком амплуа.
Стенды: что удалось посмотреть и попробовать
После кейноута я первым делом рванул в лобби к стенду GitVerse — отечественной платформы для работы с кодом с ИИ‑ассистентом GigaCode. Там демонстрировали свежую версию GitVerse с автономным агентным конвейером для разработки.
С утра в бэклог закинули более 20 задач по доработке тестового лендинга. Я попросил показать процесс в реальном времени:
Задачу перетаскивают в столбец бэклога. Открывается новая сессия, ИИ‑модель ждёт свободного агента‑раннера.
Раннер подхватывает таску, сам подтягивает нужные репозитории и начинает работу. Задача простая: появился новый ИИ‑агент, нужно добавить информацию о нём на лендинг. Кликнув на задачу, я открыл консоль с пошаговым логом. Минута «размышлений» — и агент пишет код.
Пока таска крутилась, я открыл уже готовую. В ней висел оформленный Pull Request. Как бэкендер я сразу напрягся: кто это апрувит? Пускать ИИ напрямую в прод без ревью — это же выстрел в ногу. Оказалось, человек тут не нужен. ПР подхватывает другой агент, проверяет код на соответствие изначальным требованиям, убеждается, что таска низкорисковая, и сам нажимает Merge.
Если задача важная, то агент оставляет комментарии к коду, чтобы живому ревьюеру было проще понять логику изменений. Если задача слишком важная или содержит кастомные требования (например, хранить данные в конкретной директории, делать по одной задаче только один коммит или несколько), агент оставляет по ходу проверки реквеста подробные комментарии к коду, с помощью которых человеку будет проще разобраться в изменениях. В рамках CI можно подключить дополнительные мощности, чтобы эти требования точно выполнялись.
«То, что пару лет назад казалось несбыточным, уже реальность. Задачи, на которые уходили месяцы, теперь решаются за часы. И дальше будет круче», — с горящими глазами резюмировал инженер на стенде, пока моя тестовая задача прошлась по конвейеру и смержилась. Все команды внутри Сбера, по его словам, уже переехали на этот трекер и своих агентов.
Следующей остановкой стали стенды — GigaStudio — ИИ‑инструмент для создания сайтов и GigaCode Desktop — мультиагентное приложение для управления жизненным циклом разработки.
На стенде уже было создано множество примеров, мне показали рабочий лендинг компании‑застройщика (GigaStudio полностью открыта для коммерческого использования).
Основное окно редактора похоже на привычные визуальные редакторы сайтов: на основном пространстве интерактивный макет (все элементы кликабельны), сверху настройки и кнопка деплоя. Да, в новой версии можно деплоить прямо из интерфейса — опубликовать проект на домене.containerapps.ru или на собственной площадке. Слева вместо панели инструментов — окно запросов к ИИ‑агенту.
Под капотом работает несколько моделей: основная модель координирует работу остальных, распределяя между ними задачи по созданию сайта на основе запроса пользователя. Все исходники хранятся в GitVerse, там лежат репозитории, и пользователи не ограничены контуром GigaStudio — сгенерированный код можно спокойно забрать и доработать руками в IDE.
Удалось посмотреть на фичу, которую демонстрировали как ключевую на кейноуте: inline‑редактирование. Одним кликом переходите в режим редактирования, выбираете на макете нужный элемент (например, формулировку слогана) и в выпавшем окошке диалога просите написать не так пафосно и эмоционально. Запрос обрабатывается несколько секунд, и текст меняется на более нейтральную версию.
Инженер Сбера на стенде рассказал, что его лично привлекает сочетание дружелюбного интерфейса (удобнее Фигмы, Тильды и других редакторов) и возможности забрать сгенерированный код и свободно им пользоваться.
GigaCode Desktop на кейноуте описали как продукт, позволяющий никому никого не задерживать на работе.
Программа выглядит как окно общения с чат‑ботом и работает в трёх основных модальностях:
Разработчик — доступен весь функционал CLI‑версии GigaCode: агенты по запросу работают с репозиториями, пишут код, ищут зависимости и проверяют работу.
Аналитик — погружается по запросу в документацию проектов, собирает нужные данные, формирует графики, таблицы и концентрирует знания в удобном формате.
Дизайнер — создаёт прототипы и макеты в соответствии с дизайн‑системой компании.
Айтишникам, которые быстро писали код с GigaCode CLI, больше не нужно ждать, пока работающий руками аналитик или дизайнер отдаст им материалы. Вся коммуникация переводится на язык текстовых промптов.
Агенты для эксплуатации
Самый концептуально важный стенд посвятили методологии AI‑Disrupt PSLC, вокруг которой теперь строится вся инженерная экосистема. Подробнее доклад о ней я разобрал в предыдущем репортаже. Здесь поговорим о практике.
Главная задача любого SRE или дежурного инженера — это шторм алертов. Повысишь порог срабатывания — пропустишь падение базы данных; понизишь — дежурный утонет в нотификациях.
Агентный подход решает эту проблему. PSLC в Сбере развивают на базе собственной платформы сопровождения: изначально она собирала инструменты и автоматизировала действия классическими способами, а в этом году перешла на агентную работу на основе ранбуков (инструкций для агентов).
При возникновении аномалии агент‑диагност моментально подтягивает ранбуки, идёт в логи OpenSearch и метрики Prometheus, анализирует контекст и историю устранения подобных инцидентов за полгода, после чего создаёт план реагирования. Если инцидент типовой, система сама применяет патч. Если уникальный — отправляет инженеру готовую аналитическую выжимку.
При первом устранении нового типа инцидента ранбук обязательно запрашивает правки и согласование у двух администраторов. А те после проверки могут дать команду в дальнейшем решать подобные задачи автономно. Благодаря этому контекст в базе знаний постоянно обновляется, а дежурные освобождаются от рутины. Кроме того, знания об инцидентах, полученные командой эксплуатации, передаются для дальнейшей доработки агента, на их основе ранбуки и сценарии реагирования совершенствуются.
Может ли робот закупить партию двутавровых балок
Ещё один интересный стенд — GigaNetwork. Здесь агенты применяются для автоматизации закупок и продаж: ищут контрагентов, обсуждают условия сделок и помогают компаниям договариваться друг с другом. Идеальный сценарий — когда у директора есть большая кнопка в смартфоне: «Купить/продать по оптимальной цене». И вся процедура стартует по клику.
Мне наглядно показали эволюцию площадок:
Классические тендерные площадки H2H (человек торгуется с человеком).
Смешанные H2A‑площадки (человек торгуется с агентом).
GigaNetwork — это следующий этап эволюции, чистое A2A (agent‑to‑agent), агентная экономика, где агенты взаимодействуют напрямую, а человек выступает в роли контролёра.
Если действия повторяются и агенту можно доверять в рамках заданных условий, подтверждать каждое решение вручную необязательно. Но полностью убрать контроль тоже нельзя.
Поэтому предусмотрены ограничения — guardrails. Они задают рамки, в которых агент может действовать: например, диапазон цен, допустимое количество сделок и другие условия. Дополнительно можно запрашивать документы, подтверждающие наличие товара, или разрешать закупки только у определённых поставщиков.
Облака для вайбкодеров
По соседству с GigaNetwork на стенде партнёра Сбера Cloud.ru представляли два направления — AI Factory и Evolution Workflow Studio. Инженер AI Factory рассказал, как пройти путь от использования готовых ИИ‑моделей до запуска собственных решений и выпуска приложений с помощью ИИ‑агентов.
Начинаешь с Evolution Foundation Models — получаешь доступ к более чем 40 языковым моделям через единый API. Не нужно разворачивать инфраструктуру и настраивать GPU: выбираешь модель под задачу и платишь за использованные токены.
Если готовых моделей недостаточно или нужен больший контроль над их работой, переходишь к Evolution ML Inference. Здесь можно запускать собственные и open‑source‑модели на GPU в облаке, управлять вычислительными ресурсами и автоматически масштабировать их под нагрузку. Когда запросов нет, ресурсы могут отключаться, чтобы не платить за простой.
Следующий шаг — выпуск готового приложения. Для этого Cloud.ru представил Evolution Workflow Studio — единое пространство, в котором команды и ИИ‑агенты могут управлять процессами разработки и выпуска приложений.
Разработчик настраивает сборку, проверки и развёртывание, а ИИ‑агент может запускать эти процессы через API.
Где собираются дизраптеры
Фабрика DISRUPT — новое направление Сбера для быстрого запуска ИИ‑сервисов. На площадке ей посвятили отдельный стенд.
Memento — аналитика рабочих встреч прямо на компьютере. Сервис записывает звонки в любом сервисе видеоконференций, расшифровывает речь и собирает итоги: стенограмму, краткое саммари и разбор встречи с оценкой по 10-балльной шкале. Нужен особый взгляд на разговор? Задайте его своими словами, например: «Проанализируй звонок по методу Майкла Уайта». Сервис разберёт встречу и составит психологические портреты участников. Уже представляю, как соберу статистику по месяцу созвонов и потенциально буду кошмарить проджектов тем, что польза встреч по оценке ИИ провисает.
А ещё дизраптеры выкатили Narra — приложение, где можно поговорить с героями книги. Персонажи обсуждают с тобой сюжет и свои мотивы, но знают историю только до того места, где ты остановился. Можно загрузить свою книгу, а Narra нарисует героев и ключевые сцены и озвучит текст разными голосами. Обязательно скачаю затестить.
Из пункта А в пункт Б вышел процесс
Рядом с фабрикой представили платформу Giga Agentic RPA, родившаяся из платформы роботизации. GigaARPA рулит агентами, сервисами распознавания, роботами через оркестратор. Если владелец бизнес‑процесса замечает, что какие‑то его действия рутинны, он берёт GigaARPA и переводит эти действия в автономный режим.
Например, в фирму бухгалтерского аутсорсинга приходит новый крупный клиент — нужно нанимать нового бухгалтера в команду. Потому что один бухгалтер делает все процессы за одного клиента — больше клиентов и процессов в его рабочие часы не влезет. Giga ARPA этот процесс масштабирует: один бухгалтер может вести хоть десять клиентов, всю рутину за него делают агенты.
Если процесс рутинный и предсказуемый, то легко выстроить его диаграмму от начала до всех возможных завершений. На основе таких диаграмм Giga ARPA и работает: решение их генерирует, человек проверяет, вносит доработки, агенты по этим диаграммам работают. Раньше такую автоматизацию кодили айтишники (я сам немножко этим занимался на заре карьеры в айти), теперь может делать любой сотрудник.
Что я вынес с ГигаКонфа
Выходя из офиса Сбера в московскую прохладу, поймал себя на мысли, что эпоха точечных кодинг‑ассистентов окончательно завершилась. На смену им пришла глобальная парадигма агентного бизнеса, где искусственный интеллект интегрируется на всем жизненном цикле продукта — от разработки до эксплуатации (AI PDLC & AI PSLC).
До полностью автономной разработки или процессов сопровождения, где человек только ставит задачу и получает готовый результат, ещё много вопросов. Но некоторые отдельные этапы можно автоматизировать достаточно далеко. Ближайшая инженерная задача — построить вокруг модели систему, которой можно доверить конкретную работу и при этом понимать, что она делает.
А вы уже пускаете агентов в свои пет‑проекты и рабочие репозитории или всё ещё не доверяете им? Делитесь в комментариях.
Комментарии 0