Представьте: вы ставите задачу, а ИИ не просто предлагает кусок кода, а сам разбирает её на этапы, пишет и проверяет решение, ищет ошибки, готовит документацию. И всё это — в рамках одного рабочего процесса.
Похоже, для некоторых разработчиков это уже не сценарий из будущего. В нашем исследовании* четверть участников из 190 опрошенных программистов — рассказали, что используют ИИ‑агентов или оркестрацию нескольких ИИ.
Мы посмотрели на результаты и решили разобраться: что именно разработчики уже готовы делегировать нейросетям, какие инструменты выбирают и чего им пока все‑таки не хватает.
От написания кода до отладки: что отдают агентам
Начнём с самого очевидного. Среди участников опроса, которые уже используют агентные системы, 82% доверяют им написание и рефакторинг кода.
Но почти так же часто агенты помогают с задачами, которые идут вокруг самого кодинга:
-
80% используют их для планирования и декомпозиции задач;
-
ещё 80% — для исправления ошибок и отладки;
-
76% — для генерации и запуска тестов;
-
74% — для подготовки документации;
-
61% — для деплоя и настройки инфраструктуры.
Получается, агентам поручают не только написать функцию по описанию. Они подключаются на разных этапах разработки: от первоначального разбора задачи до проверки результата и подготовки к запуску.
И это уже немного другая роль, чем у привычного помощника, который подсказывает следующую строку кода.
Иллюстрация 1. Для каких задач разработчики используют агентные системы
Причём речь не о редких экспериментах. Среди респондентов, ответивших на вопрос о частоте использования агентов для задач, не связанных непосредственно с написанием кода, 78% сообщили, что используют агентные системы ежедневно. Ещё 11% — несколько раз в неделю.
Ручной кодинг никуда не делся
Было бы неправильно сказать, что разработчики дружно перестали писать код сами и передали всё нейросетям.
По данным опроса, 46% участников используют ИИ-ассистентов — например, инструменты автодополнения или чат-боты. Ещё 15% сообщили, что пишут код вручную. Среди популярных ИИ-ассистентов лидируют Claude Code — его назвали 60% участников, ChatGPT — 57%. Далее идут DeepSeek с 32% и Gemini с 31%.
То есть в работе соседствуют разные подходы: кто-то обращается к ассистенту за подсказкой, кто-то пишет код сам, а кто-то уже выстраивает цепочки задач для нескольких агентов.
Иллюстрация 2. Какими ИИ-ассистентами пользуются разработчики
Не только готовые решения: свои агенты и собственные связки
Интересно и то, что разработчики не ограничиваются инструментами, которые можно просто установить и начать использовать.
Среди респондентов, ответивших на вопрос об используемых агентных системах, по 39% назвали OpenClaw и Hermes — платформы для создания собственных агентов. ZeroClaw и NanoClaw упомянули 14%.
Кроме того, 48% участников этой группы используют инструментарии OpenCode, Cline, Cursor и Claude Code, а также собственные разработки и самостоятельно настроенные связки инструментов. В том числе — оркестрацию внутри Codex.
Если перевести с языка названий инструментов на обычный: разработчики не только выбирают готового агента, но и собирают собственные комбинации под свои задачи. Так можно настроить последовательность действий и встроить её в привычный рабочий процесс.
Иллюстрация 3. Какими агентными системами и инструментами оркестрации пользуются разработчики
Чего разработчикам не хватает
Есть в исследовании и отдельный сюжет — про российские инструменты.
56% участников отметили потребность в российских AI-native-решениях для разработки, которые по возможностям не уступали бы зарубежным платформам, но работали в закрытом контуре.
Среди пользователей агентных систем 55% готовы выбрать российский аналог, если он будет сопоставим по функциональности с зарубежными решениями и доступен в закрытом контуре.
То есть вопрос не только в том, какой инструмент лучше справляется с задачей. Для команд важно ещё и то, где он работает и насколько его можно встроить в корпоративную среду.
Что будет дальше
Пока одни разработчики используют ИИ для отдельных операций, другие уже передают ему целые цепочки задач. Следующий шаг — встроить такие инструменты в рабочую среду команд, чтобы ими можно было управлять и использовать их с учётом требований безопасности.
Мы видим, что практика применения ИИ сегодня развивается вместе с потребностями команд: происходит переход от точечного использования к более комплексной модели работы, в которой разработчик делегирует интеллектуальным инструментам не отдельные операции, а целую последовательность задач. Следующий этап развития ИИ в разработке — интеграция таких инструментов в корпоративную среду, где наряду с функциональностью имеют значение безопасность, управляемость и возможность работы в закрытом контуре.
Сергей Полиненко, продуктовый лидер платформы «Сфера» ИТ-холдинга Т1
А как устроена работа с ИИ у вас?
Интересно, где проходит граница делегирования в разных командах. Вы используете ИИ как помощника — для подсказок и отдельных фрагментов кода? Или уже поручаете агентам планирование, тестирование, отладку и другие этапы?
И ещё один вопрос: стали бы вы переходить на российский аналог привычного инструмента, если бы он давал сопоставимые возможности и работал в закрытом контуре?
Расскажите в комментариях, как это устроено у вас.
Экспресс-опрос показал лишь верхушку айсберга. Чтобы получить полную картину, мы провели масштабное исследование с участием более 11 000 IT-специалистов. Что они думают о замене программистов, какие инструменты выбирают на самом деле и где кроются главные риски? Подробный отчет скоро опубликуем. Ждите новостей с Импульс Т1 и подписывайтесь, чтобы не пропустить.
Опрос проводился с 21 по 30 сентября 2026 года через девять Telegram‑каналов с совокупной аудиторией более 410 тыс. человек: DevOps community for love, XOR, «Бэкдор», «Датаис», «Киллер‑фича», «Московский клуб программистов», «Не баг, а фича», «Холиварные аналитические посиделки» и Telegram‑канал ИТ‑холдинга Т1 «ИТ‑холдинг Т1 | ИТ, экспертиза, инновации». В исследовании приняли участие 190 программистов. Ядро аудитории каналов составляют ИТ‑специалисты разных профилей.
Источник: habr.com