AI · Продукт · Бизнес

PDLC не умер. Его забрали агенты

Как AI-Disrupt PDLC и Agentic Coding меняют разработку, роли инженеров, предпринимателей и владельцев продуктов

AI-Disrupt PDLC и Agentic Coding — жизненный цикл разработки с ИИ-агентами
AI-Disrupt PDLC и Agentic Coding — жизненный цикл разработки с ИИ-агентами

Ещё недавно разработка цифрового продукта выглядела предсказуемо. Продакт формулировал требования, аналитик писал техническое задание, дизайнер готовил макеты, разработчик писал код, QA искал ошибки, DevOps выкатывал продукт в прод.

Теперь значительную часть этой работы может выполнить ИИ-агент.

Он изучает проект, составляет план, меняет файлы, пишет код, запускает тесты, исправляет ошибки и готовит результат к проверке. Человек формулирует задачу, задаёт ограничения, предоставляет контекст и принимает работу.

В ноябре 2026 года Сбер представил сертификацию по агентной разработке — Agentic Coding. Сбер называет её первой подобной сертификацией в России. В основе программы лежит методология AI-Disrupt PDLC — модель жизненного цикла разработки, в которой ИИ-агенты становятся полноценными участниками процесса.

Это важный сигнал для рынка. Работа с ИИ-агентами постепенно превращается из эксперимента отдельных специалистов в отдельную инженерную компетенцию.

Что такое PDLC

PDLC расшифровывается как Product Development Life Cycle — жизненный цикл разработки продукта.

Это путь, который проходит продукт от первоначальной идеи до запуска, эксплуатации и дальнейшего развития.

Обычно PDLC включает:

  • поиск идеи и постановку проблемы;
  • исследование рынка и потребностей пользователей;
  • проверку гипотез;
  • формирование требований;
  • проектирование продукта;
  • разработку;
  • тестирование;
  • запуск;
  • сбор аналитики;
  • дальнейшее развитие продукта.

PDLC часто путают с SDLC — Software Development Life Cycle.

SDLC описывает преимущественно технический жизненный цикл программного обеспечения: требования, архитектуру, написание кода, тестирование и выпуск.

PDLC шире. Он включает продуктовую работу: исследование рынка, поиск потребности, проверку спроса, позиционирование, запуск и развитие продукта.

Сам жизненный цикл продукта никуда не исчезает. Меняется способ выполнения работы внутри этого цикла.

Что такое AI-Disrupt PDLC

AI-Disrupt PDLC — разработанная Сбером концепция перестройки жизненного цикла программного продукта вокруг искусственного интеллекта.

ИИ в этой модели встроен во весь процесс разработки. Он участвует в исследовании задачи, проектировании, написании кода, тестировании, подготовке документации и проверке результата.

В основе AI-Disrupt PDLC лежат две взаимосвязанные петли.

Петля намерения

Здесь работает человек.

Он определяет:

  • какую проблему нужно решить;
  • для кого создаётся продукт;
  • какой результат нужен бизнесу;
  • какие существуют ограничения;
  • по каким критериям будет приниматься работа;
  • какие риски нельзя допустить.

Петля реализации

Здесь значительную часть работы выполняют ИИ-агенты.

Они могут:

  • исследовать кодовую базу;
  • составлять план реализации;
  • создавать и изменять файлы;
  • писать код;
  • запускать тесты;
  • находить и исправлять ошибки;
  • обновлять документацию;
  • готовить результат к проверке.

Человек сохраняет ответственность за цель, ограничения, качество, безопасность и последствия принятых решений. Агент отвечает за выполнение порученной работы в заданных рамках.

Четыре принципа AI-Disrupt PDLC

В официальной методологии сформулированы четыре принципа новой модели разработки.

1. Среда работы агента важнее модели

Результат зависит не только от выбранной нейросети. Агенту нужны правила, документация, инструменты, доступ к проекту, критерии качества и обратная связь.

Даже сильная модель будет ошибаться, если получает неполный контекст и работает в плохо организованной среде.

2. Исследование задачи важнее промпта

Одного удачного запроса недостаточно.

Агенту необходимо изучить проект, понять ограничения, найти связанные файлы, разобраться в существующей архитектуре и определить возможные последствия изменений.

Качество результата зависит от того, насколько хорошо исследована задача до начала реализации.

3. Скорость проверки важнее скорости написания кода

ИИ уже умеет быстро генерировать код. Теперь ограничением становится способность человека и системы проверить результат.

Можно создать десятки функций за несколько минут и потом потратить несколько дней на поиск ошибок. Поэтому тесты, критерии приёмки и автоматическая проверка становятся важнее самой скорости генерации.

4. Контроль должен быть встроен в процесс

Требования к качеству, безопасности и соответствию правилам должны проверяться во время разработки.

Если контроль начинается только после завершения работы, ошибки уже успевают проникнуть в архитектуру, код и данные.

Как меняется разработка продукта

В классической модели большинство операций выполняют люди. ИИ используется как дополнительный инструмент: написать функцию, объяснить ошибку, подготовить тест или создать документацию.

В AI-Disrupt PDLC агент получает более широкую задачу и выполняет последовательность связанных действий.

Классическая модель AI-Disrupt PDLC
Человек пишет большую часть кода Агент выполняет значительную часть технической работы
Требования создаются для передачи между людьми Спецификация становится рабочим заданием для человека и агента
ИИ помогает выполнить отдельную операцию ИИ-агент участвует в нескольких этапах разработки
Проверка проводится после реализации Проверки встраиваются в рабочий процесс
Инженер управляет собственным выполнением задачи Инженер управляет задачей, контекстом, агентами и результатом
Код считается главным результатом работы Код становится производным от требований и спецификации

Основным дефицитом постепенно становится не способность написать код, а способность точно сформулировать задачу и быстро проверить результат.

Что такое Agentic Coding

Agentic Coding — агентная разработка, при которой специалист ставит задачи ИИ-агентам, предоставляет им контекст, подключает инструменты, контролирует выполнение и принимает результат.

Обычный чат-бот отвечает на вопросы и создаёт отдельные фрагменты текста или кода.

ИИ-агент может выполнить многошаговую задачу:

  1. Изучить проект.
  2. Найти нужные файлы.
  3. Предложить план.
  4. Внести изменения.
  5. Запустить тесты.
  6. Проанализировать ошибки.
  7. Исправить найденные проблемы.
  8. Подготовить результат к проверке.

Работа специалиста при этом не сводится к написанию одного хорошего промпта.

Нужно уметь:

  • формулировать задачу;
  • собирать необходимый контекст;
  • задавать ограничения;
  • определять критерии готовности;
  • проверять план;
  • контролировать действия агента;
  • тестировать результат;
  • находить отклонения;
  • отвечать за итоговое решение.

Agentic Coding превращает работу с ИИ в управляемый и воспроизводимый процесс.

Чем Agentic Coding отличается от вайбкодинга

Вайбкодинг обычно начинается с простого запроса:

Сделай мне сервис с регистрацией, личным кабинетом и тёмной темой.

ИИ создаёт прототип. На первом экране всё может выглядеть убедительно. Проблемы появляются, когда нужно изменить архитектуру, подключить реальные данные, обеспечить безопасность или передать продукт другому разработчику.

Agentic Coding требует другой организации работы.

Человек заранее определяет:

  • задачу;
  • структуру продукта;
  • требования;
  • ограничения;
  • доступные инструменты;
  • критерии проверки;
  • порядок приёмки результата.

Вайбкодинг подходит для первых экспериментов и быстрых прототипов. Агентная разработка позволяет создавать процессы, которые можно повторять, проверять и масштабировать.

Восемь направлений агентной разработки

На официальной карте развития навыков Agentic Coding выделено восемь направлений.

1. Основы и мышление

Как работают языковые модели и coding agents, чем агентная разработка отличается от обычной генерации кода и как меняется роль инженера.

2. Инструменты

Как выбирать модели, сервисы и рабочую среду, а затем подключать их к проекту.

3. Постановка и выполнение задачи

Как провести агента от исследования проекта и составления плана до выполнения, контроля и приёмки результата.

4. Harness Engineering

Проектирование среды, в которой работает агент: правил, знаний, инструментов, ограничений и обратной связи.

Такая среда делает работу агента более стабильной, безопасной и воспроизводимой.

5. Agentic Workflows

Создание управляемых рабочих процессов вокруг спецификаций, тестов, проверок и циклов обратной связи.

6. Skills

Создание и использование переиспользуемых навыков, которые расширяют возможности агента и помогают закрепить правила выполнения определённых задач.

7. Tools и MCP

Подключение инструментов и внешних систем, с которыми агент может работать во время выполнения задачи.

8. Agent Teams

Организация совместной работы нескольких агентов: распределение ролей, контекста и отдельных частей задачи.

Это уже полноценный набор инженерных компетенций. Умения «писать промпты» здесь явно недостаточно.

Что такое MCP и зачем он нужен агентам

MCP расшифровывается как Model Context Protocol.

Этот протокол позволяет подключать ИИ-приложения и агентов к внешним инструментам и данным.

Например, агент может получить доступ:

  • к репозиторию;
  • системе управления задачами;
  • базе знаний;
  • внутренней документации;
  • тестовому окружению;
  • корпоративным сервисам;
  • отдельным функциям внутреннего API.

Права агента при этом определяются не самим MCP, а настройками подключённых систем и рабочей среды.

Без инструментов агент в основном работает с переданным ему текстом. С подключёнными инструментами он может выполнять реальные действия внутри процесса разработки.

Что именно запустил Сбер

Сбер развивает сразу несколько связанных направлений.

Методология AI-Disrupt PDLC

Она описывает перестройку жизненного цикла разработки программных продуктов вокруг ИИ.

Методология затрагивает:

  • процессы;
  • роли сотрудников;
  • архитектуру;
  • спецификации;
  • управление контекстом;
  • контроль качества;
  • безопасность;
  • оценку результатов.

Карта навыков Agentic Coding

Она показывает путь от базового понимания ИИ-агентов до построения многоагентных систем.

Карта доступна открыто на сайте AI-Disrupt PDLC.

Сертификация Agentic Coding

По сообщению Сбера, программа проверяет умение специалиста выстраивать процесс разработки с ИИ-агентами независимо от конкретного инструмента.

Первым запускается уровень Basic L1.

Первыми доступ к нему получают участники основного обучения «Школы 21». Сбер сообщает, что позже сертификация станет доступна внешнему рынку.

Уровни Power User L2 и AI Architect L3 пока не запущены. Они должны появиться позднее:

  • Basic L1 — базовые навыки агентной разработки;
  • Power User L2 — решение сложных профессиональных задач с ИИ;
  • AI Architect L3 — проектирование мультиагентных систем.

До выхода программы на внешний рынок внутреннюю сертификацию, по данным Сбера, прошли более 10 тысяч инженеров компании.

Какие курсы уже доступны

На образовательной странице размещены три открытых курса Сбера:

  1. AI-driven PDLC — о влиянии ИИ на весь жизненный цикл разработки.
  2. Agentic Coding. Базовый уровень — об основах работы с coding agents.
  3. Введение в GitVerse — о работе с платформой GitVerse и её ИИ-инструментами.

Там же опубликована карта навыков Agentic Coding Roadmap.

Все материалы собраны на образовательной странице AI-Disrupt PDLC.

Что агентная разработка меняет для предпринимателей

Главное изменение касается не только программистов.

Раньше предприниматель с идеей цифрового продукта зависел от наличия команды, бюджета и свободных разработчиков. Даже простой прототип мог надолго застрять между обсуждением требований, дизайном, разработкой и исправлением ошибок.

ИИ-агенты резко сокращают путь от идеи до работающей версии продукта.

Предприниматель уже может:

  • собрать прототип сервиса;
  • подключить регистрацию пользователей;
  • создать личный кабинет;
  • добавить базу данных;
  • настроить аналитику;
  • запустить несколько вариантов продукта;
  • привлечь первых пользователей;
  • посмотреть, за что люди готовы платить.

Вместо долгого обсуждения одной гипотезы можно запускать несколько продуктов и проверять их на реальном рынке.

Это не отменяет исследование потребностей. Меняется последовательность действий. Во многих случаях работающий продукт теперь можно показать пользователю быстрее, чем подготовить большой отчёт по исследованию.

Но скорость разработки создаёт новую проблему. Если продукты можно выпускать один за другим, главным ограничением становится способность выбирать сильные идеи, привлекать аудиторию и правильно оценивать спрос.

Создать продукт становится проще. Добиться того, чтобы им пользовались и за него платили, по-прежнему сложно.

Поэтому предпринимателю нужны уже не только разработчики. Ему необходимо самому понимать:

  • какую проблему решает продукт;
  • кто его первый пользователь;
  • как проверить спрос;
  • какие показатели отслеживать;
  • когда продолжать развитие;
  • когда закрывать неработающую гипотезу;
  • какие решения нельзя полностью делегировать ИИ.

Agentic Coding даёт предпринимателю производственную мощность. Результат зависит от того, куда эта мощность будет направлена.

Что меняется для владельцев продуктов и руководителей

Владелец продукта постепенно становится руководителем смешанной команды, в которой вместе работают люди и ИИ-агенты.

Ему приходится управлять:

  • целями;
  • требованиями;
  • контекстом;
  • ограничениями;
  • качеством;
  • безопасностью;
  • скоростью проверки гипотез;
  • стоимостью работы агентов;
  • ответственностью людей за итоговый результат.

Навык поставить задачу агенту становится таким же важным, как умение поставить задачу сотруднику или подрядчику.

Плохо сформулированная задача человеку приводит к задержкам и переделкам. Плохо сформулированная задача агенту может привести к большому количеству неправильной работы, выполненной за несколько минут.

Скорость усиливает как хорошие решения, так и ошибки.

Какие роли появляются в агентной разработке

AI-Disrupt PDLC меняет привычное распределение работы в команде.

Уже формируются или получают новое содержание следующие роли:

  • Product Engineer — соединяет продуктовую и инженерную работу;
  • AI Engineer — разрабатывает решения с использованием моделей и агентов;
  • AI Architect — проектирует архитектуру агентных и мультиагентных систем;
  • Platform Engineer — создаёт инфраструктуру и рабочую среду для агентов;
  • Forward-Deployed Engineer — внедряет технологическое решение непосредственно в бизнес-процессы заказчика;
  • системный аналитик — превращает бизнес-задачи в точные спецификации;
  • QA-инженер — проверяет код и соответствие результата исходному намерению.

Классические разработчики не исчезнут. Их работа будет всё чаще включать управление агентами, проверку результатов, архитектурные решения и ответственность за качество системы.

Как начать изучать Agentic Coding

Начать можно без ожидания внешней сертификации.

  1. Изучить концепцию AI-Disrupt PDLC.
  2. Пройти курс AI-driven PDLC.
  3. Пройти курс Agentic Coding. Базовый уровень.
  4. Посмотреть карту навыков Agentic Coding Roadmap.
  5. Выбрать coding agent и подключить его к учебному проекту.
  6. Научиться формулировать задачи и критерии приёмки.
  7. Передавать агенту контекст проекта.
  8. Проверять предлагаемый план до начала изменений.
  9. Запускать тесты и самостоятельно принимать результат.
  10. Постепенно собирать собственные правила, Skills и рабочие процессы.

Цель практики — не добиться от агента одного удачного ответа. Нужно построить процесс, в котором качество результата можно проверить и повторить.

Мой вывод

PDLC не умер. Его забрали агенты.

Жизненный цикл продукта сохраняется: идея, исследование, требования, разработка, тестирование, запуск и развитие.

Но внутри этого цикла меняется исполнитель.

Раньше человек вручную выполнял большую часть операций. Теперь часть работы можно передать ИИ-агентам, а человеку сосредоточиться на цели, архитектуре, проверке и принятии решений.

Для разработчика это означает переход от ручного написания каждой строки к управлению процессом разработки.

Для предпринимателя — возможность быстрее превращать идеи в работающие продукты и проверять их на реальном рынке.

Для руководителя — необходимость научиться управлять командами, в которых рядом с людьми работают ИИ-агенты.

Мой прогноз: скоро вопрос «умеете ли вы пользоваться нейросетью?» потеряет смысл.

Главным станет другой вопрос:

Умеете ли вы ставить задачи ИИ-агентам, организовывать их работу и отвечать за результат?

Вернуться в Журнал