Стовпова сторінка

Створення програмного забезпечення з AI

Перевірений процес автоматизації розробки з командою агентів AI — від аналізу вимог, через кодування і тести (unit, integration, E2E, security, performance), аж до впровадження продуктивного з повним аудитним трейлом.

Давайте поговоримо про пілотаж Наші послуги

Диспонуємо командою високо спеціалізованих агентів AI, які беруть участь у кожному етапі циклу виробництва програмного забезпечення — від аналізу вимог, через проєктування архітектури, кодування та багаторівневі тести, аж до код-ревью, документації та впровадження з повним аудит-трейлом.

У такий спосіб ми виготовляємо власні продукти ESKOM AI — платформу мульти-агент HybridCrew, систему для аудитів Compliance, мікросервіс KRS+CRBR і кільканадцять інтеграцій. Той самий процес ми застосовуємо в проектах для клієнтів: як при будові нових мікросервісів, так і при модернізації систем legacy.

Ця стаття описує, як це працює на практиці: які завдання перебирають агенти, а які залишаються на стороні людини, які тести ми запускаємо та чому цей процес є повторюваним.

Чому автоматизувати розробку?

Класичний цикл виготовлення програмного забезпечення (аналіз → код → тести → огляд → розгортання) у дорослому складі займає типово 2-4 тижні на функцію середнього розміру. Більшість цього часу - це повторювані завдання: написання boilerplate, генерація тестів одиниць, огляд змін, оновлення документації, генерація міграцій бази даних. Всі піддатливі до автоматизації.

Мета нашого процесу проста: дві-три особи з агентами AI доставляють вартість, яку раніше давав командою 8-10 осіб — без вигорання, з кращою якістю (більше тестів, кращий код-ревью, повна документація) і із зменшеним time-to-market.

Це не є „AI замінить програмістів". Це є „програмісти з AI замінить програмістів без AI". Досвідчені інженери залишаються необхідними — проектують архітектуру, приймають стратегічні рішення, рецензують складні зміни. Агенти перебирають рутину.

Шість етапів процесу

Конвейер від вимог до виробництва. Кожну стадію виконують виспеціалізовані агенти AI, а людина наглядає та затверджує ключові рішення.

Аналіз вимог та архітектура

Агенти AI аналізують документацію бізнесової діяльності, розмови з клієнтом (із транскрипцією), існуючий код. Пропонують архітектуру мікросервісну, схему бази даних, список endpointів, модель прав. Людина (CTO/архітектор) рецензує та затверджує пропозицію перед кодуванням.

Написання коду (TDD)

Спочатку тести, потім впровадження. Бекенд-агент пише API у FastAPI/Express, фронтенд-агент компоненти React. Кожна зміна = окремий pull request з читабельним коміттом. Стандарти кодування (Black, ESLint, Prettier) впроваджуються автоматично.

Багатовербові тести

Підрозділ (pytest, Jest), інтеграційний (testcontainers з справжнім PostgreSQL), E2E (Playwright), UI знімок, безпека (OWASP, gitleaks, bandit), продуктивність (k6/locust), доступність (axe). Кожен PR запускає повний пайплайн — червоний тест = блокування мерджу.

Перегляд коду за допомогою штучного інтелекту

Агент SecurityReviewer сканує щодо OWASP Top 10, агент QualityReviewer щодо читабельності та патернів, агент ArchitectureReviewer щодо узгодженості з рештою системи. Сумнівні місця ескалується до людини.

Документація і CHANGELOG

Кожна зміна логіки = bump версії + запис у CHANGELOG.md у форматі Keep a Changelog. Документація API (OpenAPI/Swagger) генерується автоматично. CLAUDE.md оновлюється після кожної сесії з новими уроками.

Реалізація за змінним запитом

Розгортання завжди через Git (НІКОЛИ безпосередньо scp). Спочатку тестове середовище, верифікація Playwright, допіру потім виробництво після затвердження CR. Скрипт розгортання містить план відкачування (<5 хв) та перевірки здоров'я.

Яка вигода для компанії?

Тисячі автоматичних тестів

Кожен проект виробництва має від кількох до кільканадцяти тисяч тестів — unit, integration, E2E, security, performance. Регресії виявляються в CI, перш ніж потрапляють до користувача.

Повний аудит-трейл

Кожна зміна в коді, базі даних, конфігурації записується: Git, аудит лог у базі, CHANGELOG, Change Request. Виконує вимоги ISO 27001, EU AI Act, GDPR.

Масштабованість команди

Дві-три особи з агентами AI доставляють вартість, яку раніше давав команду з 8-10 осіб. Без викалення, з кращою якістю і швидшим таймлайном.

Ескалація до потужніших моделей

Маршрутизація LLM вибирає відповідний модель для завдання: незначні зміни — локальний Ollama (вартість $0), складна архітектура — Claude Opus. Оптимізація вартості та якості в одному.

Повторюваність і стандарти

Кожен проєкт застосовує ті самі стандарти: feature branch workflow, squash merge, Conventional Commits, CHANGELOG, EU AI Act, GDPR. Новий розробник розуміє структуру за 1 день.

Безпека за умовчанням

Gitleaks на pre-commit + CI, секрети в HashiCorp Vault, репозиторії приватні, SSO Keycloak, Tailscale VPN для внутрішніх сервісів. Нуль компромісів на вартість швидкості.

Багатоверстові тести — фундамент якості

Кожна зміна в коді продуктивного середовища проходить через повний трубопровід тестів. Без винятків — навіть зміна одруку в коментарі запускає CI, бо тестовий трубопровід вбудований в Git hook, а не політичне рішення девелопера.

Тести одиниці (unit): pytest, Jest, vitest. Перевіряють окремі функції і класи. Покриття >80% для критичного коду.
Тести на інтеграцію: testcontainers з правдивими інстансами PostgreSQL, Redis, Vault. Мокі тільки для зовнішніх API третіх сторін.
Тести E2E (end-to-end): Playwright у Firefoxie (за замовчуванням), Chrome (опціонально). Симулюють повні шляхи користувача: вход → дія → верифікація.
Тести UI (знімок, доступність): Playwright + axe-core. WCAG 2.0 AA як базова лінія, Lighthouse 100/100/100/100 як мета.
Тести безпеки: OWASP Top 10 (semgrep, bandit, eslint-plugin-security), gitleaks (сканування секретів на pre-commit і CI), trivy (сканування образів Docker).
Тести продуктивності: k6 або locust для тестів навантаження, перевірка p95/p99 часу відповіді під навантаженням.
Тести регресивні: повний набір запускається перед кожним розгортанням продукту. Кожна зареєстрована помилка стає тестом регресивним.
Тести smoke: мінімальний набір 5-10 тестів, запущених після deployу на продукційному середовищі (чи застосунок загалом запустився)
Тести прийому: бізнес-тести (Cucumber/Gherkin) підтверджують, що вимога була задоволена.

Червоний тест = блокування мерджу. Без винятків. Якщо тест є „flaky" (ністабільним), агент діагностичний аналізує причину та відновлює тест або код, але ніколи не видаляє тест без рішення людини.

Типові випадки використання

Шаблони, які ми застосовуємо найчастіше. Кожен має свій набір агентів, інструментів і шаблонів. Time-to-value вимірюється в тижнях, а не в місяцях.

Модернізація системи legacy

•Стара монолітна програма (PHP/.NET, відсутні тести, важка в обслуговуванні)
•Агенти розкладають моноліт на мікросервіси (процес інкрементний, без перерв)
•Генерують тести характеристичні (записують поточну поведінку) перед рефакторингом
•Міграція даних з повним аудитним журналом та планом відмотування

Новий мікросервіс entreprise

•Специфікація на вході (Jira ticket, документ PRD, транскрипція зустрічі)
•Архітектура → код → тести → огляд → розгортання за 2-3 тижні
•Інтеграція з існуючою SSO (Keycloak), аудит логом, моніторингом
•Повна відповідність EU AI Act та GDPR від першої лінії коду

Інтеграція систем

•Об’єднання ERP, CRM, КРС, Microsoft Graph, IBM, Cisco, зовнішні партнери
•Агенти пишуть адаптери, мапування, retry/backoff, ідемпотентність
•Тести на інтеграцію на справжніх endpointах (sandbox API)
•Моніторинг (Prometheus + Grafana) та сповіщення (Sentry) підключені автоматично

Платформи multi-tenant

•Багатоклієнтове SaaS з повною ізоляцією даних (per-tenant схема або row-level безпека)
•Онбордінг клієнта заавтоматизований (провізіонінг Keycloak, база, ролі)
•Розрахунок оплати на основі SSO Billing SDK (відстеження використання токенів, відмовоустійливий режим)
•Збіґність: GDPR, ISO 27001, EU AI Act готові до аудиту

Порівняння: класичний колектив vs. процес з AI

Аспект	Класичний колектив (8-10 осіб)	Команда з агентами AI (2-3 особи)
Час виходу на ринок (серджний фічер)	2-4 тижні	3-7 днів
Перекриття тестами	40-60% (якщо команда має час)	>80% за умовчанням (тести генеруються разом з кодом)
Перегляд коду	1 особа, в середньому 30-60 хв	3 агенти (безпека, якість, архітектура) + людина при складних змінах
Документація	Часто некомплектна, «додопрацьована»	Генерується разом з кодом (OpenAPI, README, CHANGELOG)
Журнал аудиту	Історія Git	Git + аудит лог у базі + CHANGELOG + Запит на зміну
Масштабування	Лінійне (більше людей = вищий кошт спілкування)	Нелінійне (більше агентів = та сама кількість осіб наглядає)
Відповідність (EU AI Act, GDPR, ISO 27001)	Часто зовнішній аудит після факту	Вбудовані у процес з першої лінії коду

Найчастіші питання

Що таке автоматизоване виготовлення програмного забезпечення з AI?

Цей процес, в якому спеціалізовані агенти AI беруть участь у кожній фазі циклу виробництва програмного забезпечення: від аналізу вимог, через проєктування архітектури, кодування, автоматичні тести (unit, integration, E2E, security, performance, regression), аж до огляду коду та впровадження у промислове виробництво. Людина все ще контролює процес та приймає ключові рішення, але рутинні завдання (написання коду, генерація тестів, рефакторинг, документація) виконують агенти AI з дотриманням встановлених стандартів якості.

Як цей процес відрізняється від класичного програмування з Copilotом?

Copilot це автозаповнення — допомагає писати окремі рядки коду. Виробництво програмного забезпечення з AI — це повна оркестрація: один агент планує архітектуру, другий пише код, третій пише тести, четвертий робить код-ревью, п'ятий розгортає. Кожен має свою спеціалізацію, епізодичну пам'ять (навчиться з попередніх проектів), інструменти та контекст. Ефект: значно більша масштабність автоматизації ніж при окремому Copilocie, з збереженням стандартів підприємства (тести, безпека, аудит-трейл).

Які типи тестів запускає цей процес?

Кожен з видів тестів, що застосовується у зрілих командах розробників: тести одиниць (unit), інтеграційні, end-to-end (E2E), UI (Playwright), безпеки (OWASP Top 10, gitleaks), продуктивності (load), регресивні, smoke та acceptance. Тести написані до або паралельно з кодом (TDD), а кожна зміна вимагає проходження всього pipeline.

Чи самодійно AI впроваджує код на виробництво?

Не автоматично. Виробничі розгортання вимагають затвердженого Change Request (CR) та рішення людини. Агенти AI підготують документацію змін, запустять регресивне тестування, згенерують скрипти розгортання з планом відкачування, але остаточне запускання у виробництві вимагає згоди оператора. Це правило є цілевим — мінімізує ризик непередбачених наслідків і зберігає повний аудит-трейл.

Чи цей процес справляється при проектах enterprise?

Так. Застосовуємо його в наших власних продуктах, у тому числі платформі HybridCrew (багатофункційна), консультативній платформі з SSO, мікросервісах з PostgreSQL, інтеграціях з зовнішніми системами (KRS, MS Graph, IBM, Keycloak). Кожен проєкт має свій pipeline CI/CD, середовища dev/test/prod, моніторинг та аудит лог. Процес масштабується від окремого мікросервісу до платформи з багатьма контейнерами.

Як довго триває впровадження цього процесу в нашій компанії?

Залежить від контексту. Для малого команди (1-3 розробників) інтеграція з існуючим репозиторієм та pipeline'ом CI/CD займає типово 2-4 тижні: аудит, конфігурація агентів, підгонка до стандартів кодування, навчання. Для більших організацій пілотні проекти (одна команда, один мікросервіс) тривають 6-8 тижнів, після чого відбувається поступове розширення на наступні команди.

Що з безпекою вихового коду?

Репозиторії клієнта ніколи не потрапляють до зовнішніх сервісів без виразної згоди. За замовчуванням весь процес (агенти AI, моделі LLM, база векторів, журнал аудиту) працює в інфраструктурі клієнта або в приватному хмарі ESKOM AI з повною ізоляцією. Секрети ми керуємо через HashiCorp Vault, код скануємо gitleaksem перед кожним коммітом, а всі репозиторії за замовчуванням приватні.

Чи замініте ви нашу команду розробників?

Ні. Досвідчені розробники є необхідними — вони проєктують архітектуру, приймають рішення, рецензують складні зміни, розв'язують нетипові проблеми. Агенти AI перебирають завдання, що повторюються і піддаються автоматизації: написання boilerplate, генерація тестів, документація, рефакторинг, код-рев'ю першого рівня. Мета: дві-три особи з AI доставляють вартість, яку раніше давав командою з 8-10 осіб — без викаладання, з кращою якістю і повним аудит-трейлом.

Яка вартість створення програмного забезпечення з AI?

Оцінка завжди індивідуальна і залежить від масштабу, моделі розрахунків (підписка на платформу vs. окремий проект), необхідних інтеграцій та того, чи агенти діють на локальних моделях LLM (Ollama на GPU клієнта — нижча операційна вартість) чи в хмарі (Anthropic, OpenAI — вища гнучкість). У пілотних проєктах ми прагнемо до повернення інвестицій у першому кварталі після повного запуску.

Які типові сигнали, що фірма готова до цього процесу?

Найкращі результати досягають команди, які вже мають: репозиторій під контролем версій (Git), визначені стандарти кодування, базовий pipeline CI/CD, ясно написані вимоги (Jira/Linear/власні) і культуру код-рев'ю. Відсутність якогось з цих елементів не блокує впровадження — тоді ми починаємо з аудиту і підготовки фундаменту. Найменш зрілими є організації без контролю версій або з кодом продуктивним, якого ніхто не тестиє.

Готові до пілотажу?

Починаємо з аудиту існуючого процесу та пілотажу на вибраному мікросервісі. Перші результати будуть видимі вже за 2-4 тижні. Без зобов'язань на багаторічні контракти.

Заплануйте розмову Перегляньте товари