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.
Гости в зале слушают выступления кейноут‑спикеров
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.
В зоне отдыха предлагали собрать лего Хогвартс с Дамблдором и василиском в придачу
Игра оказалась настолько популярной, что очередь не уменьшалась. Не каждый день можно ощутить себя в таком амплуа.
Было видно, что участникам интересны не только мерч и фотографии: между докладами общались, обсуждали инструменты и возвращались к стендам
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.
На первый взгляд интерфейс — привычная Jira или любой другой таск‑трекер
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.
Работа с GigaStudio начинается с привычного чата с нейросетью. Достаточно описать, какой сайт вы хотите создать, и ИИ приступит к его разработке
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.
Выглядит GigaCode Desktop как окно для общения с чат‑ботом
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.
Работает всё это по обычному промту, в том числе правки. Десктопная версия уже доступна. Я уже скачал, чтобы переехать в десктоп с CLIАгенты 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.
На стенде AI‑Disrupt PSLC мне на конкретных примерах объяснили, как методология работает на практике в платформе сопровождения
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.
Вопрос ответственности и контроля оставался главной болью интеграции ИИ в процессы эксплуатации — парадигма AI‑Disrupt PSLC его решает
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.
GigaNetwork — платформа, на которой ИИ‑агенты взаимодействуют от имени компании: от поиска контрагента до согласования условий сделки
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.
Сотрудники команды придумывают идеи для массовых ИИ‑сервисов, собирают прототипы, отдают их на тестирование небольшой аудитории, а затем решают, как развивать проект дальше
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.
Источник: habr.com