Napoleon IT перестроил производственную модель на основе гибридной разработки — связки людей, ИИ-агентов и системы контроля — и снизил стоимость и сроки поставки новых цифровых продуктов в среднем на 40%.
Методология отработана на внутренних продуктах компании и в коммерческих проектах. Следующий шаг — перенос модели на новые проекты внешних заказчиков, в том числе по схеме success fee, при которой часть вознаграждения привязана к достигнутому экономическому эффекту.
На трёх внутренних проектах новый подход прошёл проверку на всём цикле задач — от анализа требований и проектирования до разработки, тестирования и контроля качества: стоимость работ снижается в диапазоне примерно от 23 до 56% в зависимости от типа проекта. Это показывает, что эффект воспроизводим и не привязан к одному этапу или разовому кейсу.
Ключевое изменение в новом подходе Napoleon IT связано не с заменой разработчиков искусственным интеллектом, а с переходом к новой модели производства, в которой конкурентное преимущество формируется за счёт интеллектуального слоя — системы знаний, процессов, агентных пайплайнов и механизмов контроля, объединяющих людей и ИИ.
Napoleon IT пересмотрел классическую конвейерную модель, в которой проект проходит через большое число специализированных ролей. Вместо неё компания выстроила производственную систему с более высокой пропускной способностью при том же составе команды.
В основе модели две ключевые роли:
ИИ-аналитик взаимодействует с заказчиком и работает с собственным Discovery Kit компании — набором специализированных ИИ-агентов и ИИ-скиллов, которые ускоряют анализ требований, проектирование решений и подготовку артефактов.
Delivery-инженер вместе с агентной инфраструктурой ведёт создание продукта. Ключевые решения и ответственность за результат остаются за человеком: на каждом этапе инженер направляет работу агентов и контролирует качество (принцип Human-in-the-Loop).
Внутри интеллектуального слоя автоматизированы ключевые этапы жизненного цикла разработки: формирование требований, подготовка тестов, генерация кода, верификация, контроль качества и деплой. В результате та же команда способна взять на себя более сложные задачи большего объема работы и выдать более качественный результат.
При этом показатели отражают эффект на всём производственном цикле, а не на отдельных операциях. Так, в рамках внутренних тестов часть аналитических задач ускорилась с двух недель до двух дней, а темп релизов внутреннего продукта вырос вдвое с одного релиза в две недели до одного релиза в неделю.
Для заказчика это означает результат, который поставляется быстрее и в среднем на 40% дешевле для новых проектов — и при этом более качественный. Проект покрыт тестами и сопровождается документацией, а сама кодовая база остается прозрачной и поддерживаемой. Такой продукт дешевле в развитии и сопровождении и несет меньше рисков на длинной дистанции. Цифровые двойники в промышленности. Как виртуальные модели создают конкурентное преимущество ИИ сделал ненужными 12 тыс. программ в вузах КНР Кредитка для дипфейка
Агентная инфраструктура опирается на собственный технологический стек Napoleon IT, ранее представленный рынку: инфраструктурный слой «Наполеон Гейт» для управляемого доступа к языковым моделям и визуальный конструктор ИИ-агентов «Оркестр». Развитие методологии гибридной разработки ведётся в рамках направления Napoleon AI.
Инфраструктура интеллектуального слоя рассчитана на работу с разными режимами обработки данных в зависимости от их чувствительности. Наиболее чувствительные данные и сведения ограниченного доступа обрабатываются в закрытом контуре организации; для персональных данных часть обработки может выполняться на сертифицированных облачных провайдерах в России; а для наименее чувствительных задач могут привлекаться лучшие мировые фундаментальные модели. Такой подход одновременно обеспечивает соответствие требованиям регуляторов и сохраняет баланс между производительностью и экономической целесообразностью.
«Долгое время на рынке конкурировали количеством разработчиков. Мы убеждены, что дальше преимущество будет определяться не числом людей, а тем, как устроена сама система производства. Поэтому мы выстроили интеллектуальный слой, который объединяет людей и ИИ в единый производственный контур и даёт измеримый экономический эффект. Мы готовы переносить этот подход на компании заказчиков и в ряде проектов делить с клиентом часть полученного эффекта по модели success fee — это разговор не про инструмент, а про ответственность за результат», — отметил Павел Подкорытов, сооснователь Napoleon IT и AI Talent Hub.
В Napoleon IT считают, что следующий этап развития индустрии будет связан не с отдельными ИИ-моделями, а с развитием интеллектуальных слоёв и гибридных производственных систем, объединяющих людей, данные и агентную инфраструктуру. По оценке компании, именно такие подходы станут основой новой модели производительности.
Источник: www.it-world.ru