ИИ делает команды быстрее или просто занятее

Помощь ИИ вызывает колоссальные всплески объёма кода. Faros AI, проанализировав более 10 000 разработчиков, обнаружила рост объёма пул-реквестов на 98 % после внедрения ИИ. Больше кода означает больше поверхности для багов. Если уверенность в релизах не растёт вместе со скоростью, команды по сути просто ускоряют собственные ошибки.

6 мин чтенияРазделов: 51 мая 2026 г.

Автор

Kostadin Stamboliev

Основатель и имагинатор

Основатель и имагинатор Pineido. Занимается ИТ-консалтингом, разработкой приложений и сайтов, техническим SEO, ИИ и автоматизацией. Выпускает рабочий код 30-дневными спринтами с фиксированным объёмом и понятной ответственностью.

LinkedIn

Кнопка перемотки ведёт с обрыва

Посмотрите на любую команду, глубоко внедрившую Claude, Cursor или Copilot. Выработка выглядит впечатляюще. PR выходят быстрее, фичи приземляются раньше, команда чувствует себя продуктивной. А потом продакшен ломается так, что удивляет всех.

Цифры объясняют почему. Faros AI зафиксировала рост объёма PR на 98 %, тогда как время ревью выросло на 91 %, ведь ревью остаётся в человеческом темпе. Тот же анализ показал рост багов на разработчика на 54 % (против всего 9 % годом ранее), а вероятность инцидента в продакшене на каждое слитое изменение выросла более чем втрое. Проблема не в том, что ИИ пишет плохой код. ИИ пишет код, который компилируется, проходит типы и выглядит разумно. Проблема в том, что он пишет код примерно вдвое быстрее человека, без соответствующего ускорения человеческого ревью. Ревьюеры пробегают глазами то, что раньше читали. Тесты пишет тот же ИИ, что написал код, с теми же слепыми зонами.

Опрос Stack Overflow 2025 фиксирует этот разрыв доверия: 84 % разработчиков используют или планируют использовать инструменты ИИ, но самая частая претензия (66 %) - код, который «почти верен», а 45 % говорят, что отладка вывода ИИ занимает больше времени, чем написать его самому. Больше кода при той же глубине ревью равняется большему числу багов. ИИ не заменяет инженеров. Он усиливает их, включая их слепые зоны.

E2E-тестирование - это новый пол, а не потолок

Пять лет назад сквозные тесты были приятным дополнением. Юнит-тесты несли основную нагрузку; E2E-наборы ловили регрессии перед релизом. Это соотношение переворачивается.

Юнит-тесты проверяют, что функция делает то, что заявляет. Сгенерированные ИИ функции обычно делают то, что заявляют. Баги кроются в том, как функции компонуются, в побочных эффектах, в состояниях гонки, на границах интеграции. Ничего из этого не всплывает в юнит-тестах, и именно там объём ИИ концентрирует риск.

E2E-тесты проверяют, что пользователь может пройти путь до конца. Они ловят интеграционные баги, которые юнит-тесты пропускают. Тот же опрос Qodo, показавший, что 68 % старших инженеров видят прирост качества от ИИ, также показал, что лишь 26 % выпустили бы сгенерированный ИИ код без ревью. В кодовой базе с поддержкой ИИ покрытие E2E - это ревью, которое масштабируется: разница между уверенным релизом и игрой в рулетку.

Как выглядит «хорошо» в 2026 году

Три паттерна отделяют команды, которые релизят уверенно, от тех, кто релизит с тревогой.

Первое: Playwright (или эквивалент) на критических пользовательских путях. Не каждая страница, не каждое взаимодействие. Те 5-10 потоков, что приносят выручку или обеспечивают комплаенс. Они запускаются на каждом PR, а не только по ночам. Playwright теперь выбор по умолчанию: около 33 миллионов еженедельных загрузок npm против 6,5 миллиона у Cypress (разрыв в 5x), 45 % распространённости среди QA-специалистов и оценка удовлетворённости в State of JS 2025 - 91 % против 72 % у Cypress.

Второе: smoke-тесты на продакшен-деплоях. Не синтетический мониторинг через 30 минут. Реальные потоки, бьющие по реальному продакшену в течение 60 секунд после деплоя, с автоматическим откатом, если smoke падает. Сочетайте это с canary-выкаткой: вывод кандидата лишь на 5 % трафика ограничивает радиус поражения от плохого деплоя, а прогрессивная доставка, как показано, перехватывает около 87 % проблем, влияющих на сервис, до полной выкатки, сокращая время восстановления примерно с 57 минут (вручную) до менее 4 минут (автоматически).

Третье: дисциплина бюджета ошибок. Отслеживайте уровень ошибок реальных пользователей по каждому релизу. Кодифицируйте SLO в системе контроля версий, чтобы они могли автоматически блокировать деплои, и блокируйте релизы, когда бюджет ошибок исчерпан. Перестаньте делать вид, что пройденный тест означает безопасность в продакшене.

Почему это важно сервисному бизнесу

Вы владелец сервисного бизнеса, читающий статью о тестировании ПО. Почему это важно?

Потому что операционное ПО, от которого вы зависите (FSM, CRM, бухгалтерия, диспетчеризация), прямо сейчас переписывается с помощью ИИ. Поставщик, выпускающий быстрее всех в 2026 году, - это не поставщик с самым безопасным кодом. Это поставщик, ближе всех находящийся к инциденту в продакшене.

Когда оцениваете поставщиков, спрашивайте, как они тестируют в эпоху ИИ. Спрашивайте про частоту деплоев, покрытие тестами и частоту инцидентов. Ответы подскажут, какие поставщики останутся на ногах через 18 месяцев, а какие будут бегать от пожара к пожару.

Для ваших собственных внутренних инструментов (тех, что строит Pineido) мы относимся к E2E-тестированию как к продакшен-инфраструктуре. Не как к необязательной полировке. Не как к приятному дополнению. Это то, что определяет, выдержит ли система, когда это важно.

Как агентный AI идёт дальше

CI-конвейер, который прогоняет тесты и деплоит при зелёном статусе, это автоматизация: фиксированный триггер, фиксированная последовательность, без участия суждения. Настоящий агент воспринимает состояние живого деплоя после выкладки, решает, переходит ли увиденное в сбой, действует, откатывая или удерживая релиз, и сверяется с человеком прежде, чем произойдёт что-либо с реальными последствиями. Театральная версия этого в буме AI-разработки это чат-бот, прикрученный к дашборду наблюдаемости, который отвечает «что сломалось прошлой ночью», когда его спрашивают, а это поиск с лишними шагами, а не действие. Театр проваливается здесь ровно по той причине, о которой вся эта статья: объём багов резко вырос, а ревью не поспевает за ним, так что значимые сбои теперь случаются быстро, часто ночью, а инструмент сводок, который говорит только когда его спрашивают, не следит за ситуацией именно тогда, когда это важно.

Агент считывает результаты smoke-тестов в момент завершения деплоя, живую частоту ошибок из того трекера, который команда уже использует, Sentry или аналог, и бюджет ошибок или SLO, заданные в системе контроля версий, тот самый, который, по мнению этой статьи, изначально и должен блокировать деплои. Он также специально следит за срезом трафика канарейки, сравнивая её частоту ошибок с устойчивым базовым уровнем, а не с агрегатом, потому что всплеск в 5-процентной когорте это самый ранний настоящий сигнал плохого деплоя. Эти три сигнала, результаты smoke-тестов, живая частота ошибок относительно SLO и канарейка против базового уровня, это правильные входные данные, потому что это ровно те данные, которые в первую очередь поднял бы дежурный инженер, только считываемые непрерывно, а не только когда кто-то вспоминает посмотреть.

Решение о том, шум ли скачок частоты ошибок или настоящая регрессия, требует суждения, и именно здесь находит своё применение LLM, читающая реальные трассировки ошибок и диф только что выложенного, полученные из собственного коммита и стек-трейсов деплоя, а не из общего порога. Горстка ошибок, совпадающих с известным нестабильным тестом, это не то же самое, что новый тип исключения, появляющийся в каждом запросе канарейки, и задача агента, отличить одно от другого прежде, чем кого-то вызывать. Он действует, то есть запускает откат, только выше реального порога уверенности, заданного относительно собственного SLO команды. Всё неоднозначное, частота ошибок, повышенная, но всё ещё в пределах обычного недельного разброса, логируется и дольше наблюдается, а не становится поводом для действия, потому что у ложного отката своя цена в потерянной скорости деплоя.

Когда агент действует, действия конкретны: остановить раскатку канарейки, запустить откат через то, что уже использует конвейер, GitHub Actions или собственный API платформы, и опубликовать инцидент с дифом и трассировкой ошибки в дежурном канале. Каждый запуск отката идемпотентен, привязан к идентификатору деплоя, поэтому повторный прогон n8n после тайм-аута не пытается откатить деплой, который уже был откачен. Если сам вызов API отката проваливается, а это случается, агент повторяет попытку с задержкой и после фиксированного числа попыток немедленно эскалирует это как вызов на пейджер, вместо того чтобы тихо зациклиться на сломанном откате, пока плохой деплой продолжает обслуживать трафик.

Агент откатывает релиз и вызывает дежурного инженера с приложенными дифом и трассировкой ошибки, но что делать дальше решает человек: передеплоить после быстрого исправления, залатать вперёд или разобраться глубже, прежде чем снова что-либо трогать. Этот шлюз существует потому, что откат это безопасный вариант по умолчанию, но не обязательно верное решение в долгосрочной перспективе, и только человек с контекстом о том, что изменилось и почему, может вынести такое суждение. Это же и делает всё достаточно надёжным, чтобы работать в 2 часа ночи без присмотра: агенту никогда не дают полномочий передеплоить самостоятельно, только защищать продакшн и передавать человеку всё необходимое, чтобы быстро всё исправить.

Это работает на собственном CI-конвейере клиента, его собственном Sentry или аналогичном трекере и n8n или небольшом сервисе на Node, оркестрирующем цикл наблюдения, с состоянием, хранящимся в Supabase, а не внутри арендованной AIOps-платформы. Это важно, потому что подписочный инструмент реагирования на инциденты может изменить цены тарифов оповещений, быть приобретённым и слитым в более крупный пакет или запереть функцию автоматизации отката за корпоративным тарифом при следующем продлении, и команда, построившая свою страховочную сетку целиком внутри этого инструмента, останется без запасного варианта в день, когда это случится. Pineido встраивает AI-агентов для малого бизнеса в ваши собственные системы, один рабочий процесс в вашем владении, запущенный за 30 дней, включая агентов безопасности деплоя, когда в стеке клиента уже есть CI-конвейер, который стоит защищать.

Это не заменит ревью кода, не поймает баг, который проходит все тесты и все проверки канарейки, но просто неверен так, как никто не измеряет, и в первые несколько недель должно оставаться настроенным консервативно относительно обычного разброса частоты ошибок конкретной команды, прежде чем кто-либо доверит агенту откатывать релизы без повторного взгляда на вызов. Это также не исправит команду, у которой вообще не задан SLO или нет стадии канарейки для наблюдения. Это защищает конвейер деплоя, в котором уже есть дисциплина, а не устанавливает эту дисциплину с нуля. Реалистичный результат это более короткий разрыв между выкладкой плохого деплоя и моментом, когда о нём узнаёт тот, кто способен его исправить, а не гарантия, что ничего никогда не сломается.

Готовы к запуску?

Расскажите, где вы застряли. Мы разберёмся и пришлём конкретную рекомендацию в течение одного рабочего дня.

Идеи для операционной работы каждую неделю

Присоединяйтесь к руководителям сервисных компаний, которые каждую неделю получают одну практическую идею об операциях, автоматизации и росте.

Проверяем, что вы человек. Отправить можно будет через мгновение.

Без спама. Отписаться можно в любой момент.

Вы подписаны! Следующий выпуск придёт на вашу почту.

Часто задаваемые вопросы

Заменяет ли ИИ QA-инженеров?

Нет. ИИ ускоряет производство кода, но не может заменить суждение, которое QA-инженеры привносят в решение о том, что и как тестировать. Команды, у которых получается, используют ИИ, чтобы писать больше тестов, а не чтобы их пропускать.

Сколько нам стоит вкладывать в покрытие E2E?

Покройте 5-10 критических пользовательских путей, которые приносят выручку или обеспечивают комплаенс. Сопротивляйтесь желанию тестировать всё; тестируйте то, что важно. Сфокусированный набор из 80 E2E-тестов, который работает надёжно, лучше набора из 500 тестов, нестабильного в 20 % случаев.

Какие инструменты важны в 2026 году?

Playwright доминирует в современном пространстве E2E (около 33 миллионов еженедельных загрузок npm против 6,5 миллиона у Cypress, плюс бесплатное распараллеливание в CI). Для мобильных Detox держит наименьшую нестабильность (менее 2 %) для чистого React Native, тогда как Maestro выигрывает за счёт быстрой настройки на YAML для iOS, Android и Flutter. Для API - Bruno (дружелюбный к Git, offline-first) или Hurl (CLI на базе libcurl). Для нагрузочного тестирования в связке с E2E - k6. Инструментарий зрелый; важна дисциплина.

Стоит ли об этом думать малому бизнесу?

Если ваши операции зависят от внутреннего ПО, которое вы построили или заказали, то да. Внутренний инструмент диспетчеризации HVAC, который ломается в пик сезона, обходится дороже любого набора тестов. Уверенность в тестах - это уверенность в операциях.