AI-разработка в продакшне: почему обвязка важнее моделей | Алексей Ярошевич, руководитель команды Я Банка, ex-CTO Я Образования

Что действительно ускоряет разработку с ИИ: новая модель, толпа субагентов или правильно собранная обвязка? Разбираем процесс AI-кодинга — от постановки задачи и подготовки контекста до тестирования, code review и ответственности за результат в продакшне.

Говорим с Алексеем Ярошевичем — руководителем команды Яндекс Банка и ex-CTO Яндекс Образования — о harness и скиллах для кодинговых агентов, spec-driven development, изменении ролей в продуктовой команде и образовании в мире, где инструменты устаревают быстрее учебных программ.

В ЭТОМ ВЫПУСКЕ

— Интуиция при работе с моделями

— Почему качество AI-разработки сегодня сильнее зависит от harness и контекста, чем от очередной модели

— Когда skills экономят время, а когда ухудшают результат

— Почему многоэтажная оркестрация агентов накапливает ошибки и расходует слишком много токенов

— Как применять spec-driven development, тесты и контракты при работе с микросервисами

— Что делать, когда модель не справилась: исправлять, декомпозировать или начинать заново

— Как AI смещает узкие места разработки от написания кода к проверке качества и согласованию решений

— Почему QA, ответственность и инженерная экспертиза остаются критически важными

— Как меняются роли продакта, дизайнера и разработчика, когда прототип можно собрать за несколько минут

— Чему учиться, если конкретные инструменты и навыки быстро устаревают

— Как использовать модели для структурирования данных, анализа продукта и управления организацией

— Какие рабочие роли и процессы, возможно, уже стали лишними, хотя компании пока этого не осознали

ТАЙМКОДЫ

00:00 — Хайлайты выпуска

00:33 — Знакомство с гостем

02:10 — Алексей — AI-энтузиаст или скептик?

03:33 — Остался ли кайф от программирования вручную

05:35 — Почему всё упирается в harness, контекст и предсказуемость

07:59 — Рабочий баланс: написать самому, поручить модели или доработать вместе

10:38 — Cursor, Claude Code и постоянно меняющаяся обвязка

12:33 — Skills как новые CLI-утилиты и проблема публичных инструкций

18:36 — Почему Алексей пока не верит в оркестраторов и толпы субагентов

22:12 — Практический процесс: от задачи и контекста до готового кода

25:12 — Что делать, когда модель не справилась

28:00 — Spec-driven development, тесты и контракты микросервисов

30:31 — Несколько AI-сотрудников, ручная оркестрация и ответственность человека

36:53 — Модели вышли на плато? Где искать следующий скачок

39:31 — Как AI-разработка работает в реальной продуктовой команде

42:19 — Продакт, дизайнер и разработчик: прототип вместо идеи

46:00 — От тикета до pull request: когда задача действительно решается за 15 минут

48:35 — Почему стартап может выпускать AI-код без проверки, а enterprise — нет

55:47 — Кто должен проверять сгенерированный код и почему QA всё ещё нужен

59:23 — Главный затык AI-разработки: harness или мышление людей

59:57 — Как искусственный интеллект меняет образование

01:05:02 — Устаревают ли знания быстрее, чем человек успевает их получить

01:15:24 — Недооценённый сценарий LLM: структурирование данных

01:22:33 — Персональный AI-помощник для проектов, чатов и домашней жизни

01:28:10 — Какие люди и рабочие процессы уже могут быть не нужны. Итоги

ССЫЛКИ ГОСТЯ

• Telegram-канал

• GitHub

О ПОДКАСТЕ

Telegram-канал — https://t.me/devspotting

Чат сообщества — https://t.me/grinenko_pro

Сайт — https://grinenko.pro