AI-разработка за день: Миф или новая реальность для ленивых и прагматичных? | Черниенко

Очередная история про AI и разработку. На этот раз – с конкретикой, цифрами (ну, почти) и, что самое главное, с претензией на скорость. Один день, три плагина для Mattermost, AI-помощник Cursor. Звучит как заголовок из будущего, не правда ли? Или как очередная порция розовых пони для тех, кто верит в магические кнопки. Я, как вы знаете, к магическим кнопкам отношусь с глубоким, почти религиозным скепсисом. Поэтому давайте разберем эту историю не с точки зрения восторженного айтишника, а с позиции прагматичного бизнесмена, который умеет считать деньги и риски.

AI-разработка за день: Что на самом деле произошло?

Суть инфоповода: Технический блицкриг или маркетинговый трюк?

Итак, на Habr появилась статья, где автор рассказывает, как за один день, используя AI-помощник Cursor, он написал три плагина для корпоративного мессенджера Mattermost. Цель – закрыть три насущные боли команды, которые, по его словам, мешали жить и работать: отсутствие нормальных ответов с цитатой, невидимость статусов «доставлено/прочитано» и неудобство организации голосовых созвонов через внешний Jitsi с отдельной авторизацией.

Что тут важно? Во-первых, это личная инициатива. Не тикет в бэклоге, не задача от руководства, а желание одного человека улучшить свой рабочий процесс и процесс коллег. Во-вторых, это конкретные, измеримые проблемы. Не абстрактное «улучшить коммуникацию», а «сделать цитирование», «показать прочитано», «упростить созвоны». В-третьих, это использование AI как катализатора скорости.

На первый взгляд, это выглядит как победа инженерной мысли и технологий. На второй – как повод задать несколько неудобных вопросов.

Цена вопроса: Время, деньги и (не)видимые затраты

«За день». Что это значит? 8 часов? 12? 16? Если это был обычный рабочий день, то это время, оплаченное компанией. Если это было личное время, то это инвестиция разработчика в свой комфорт и, возможно, в свой профессиональный рост. В любом случае, это не «бесплатно».

Давайте прикинем. Средняя зарплата квалифицированного разработчика в России (да и не только) легко переваливает за 200-300 тысяч рублей в месяц. Это, грубо говоря, 10-15 тысяч рублей в день. А если это высококлассный специалист, то и все 20-30 тысяч. Плюс налоги, накладные расходы, стоимость рабочего места. То есть, даже если это «один день», это уже инвестиция в 15-30 тысяч рублей. И это только прямые затраты на время. А есть еще косвенные:

Время на изучение проблемы: Даже с AI, нужно понять, как работает Mattermost API, какие есть ограничения, как правильно интегрировать плагины.
Время на тестирование: Плагины нужно не просто написать, но и убедиться, что они работают, не ломают ничего другого и решают заявленные проблемы.
Время на внедрение и обучение: Пусть даже коллеги быстро освоятся, но это тоже не ноль.

Сравнивать это с покупкой готового решения? Если бы Mattermost предлагал эти функции из коробки в более дорогой версии, или если бы существовали готовые плагины на маркетплейсе, то нужно было бы считать: что дешевле – купить или разработать? Часто, когда речь идет о специфических болях, кастомная разработка может быть выгоднее, но только если она действительно решает проблему и не создает новых.

AI как инструмент: От молотка до атомной бомбы (или наоборот)

Cursor и его роль: Не магия, а катализатор

Автор статьи подчеркивает роль Cursor. И это очень важный момент. AI-помощники вроде Cursor, GitHub Copilot или ChatGPT – это не магические палочки, которые пишут код за вас. Это, скорее, ультра-эффективные ассистенты. Они могут:

Генерировать boilerplate-код (шаблоны, стандартные структуры).
Подсказывать синтаксис и лучшие практики.
Помогать в отладке, указывая на потенциальные ошибки.
Предлагать варианты реализации на основе описания задачи.

Но они не заменяют главного: мозги разработчика. Разработчик должен четко сформулировать задачу, понимать архитектуру системы (Mattermost в данном случае), уметь интегрировать код, тестировать его и, самое главное, понимать, что именно он хочет получить в итоге. AI ускоряет рутину, но не придумывает решения. Он катализирует процесс, но не является его движущей силой.

Это как дать опытному плотнику электрический шуруповерт вместо ручной отвертки. Работа пойдет быстрее, но шуруповерт сам не решит, куда и какие шурупы вкручивать.

Рамки для AI: Почему опыт с медиа помог (и почему это важно для бизнеса)

Автор упоминает, что опыт с медиа помог ему задавать рамки для AI. Это критически важный навык при работе с любым генеративным AI, будь то код, текст или изображения. Без четких рамок, без конкретного ТЗ, AI будет генерировать «что-то похожее», но не то, что вам нужно. Это особенно актуально в бизнесе:

Четкое определение проблемы: Что именно мы хотим решить? Какие критерии успеха?
Ограничения: В какой среде это должно работать? Какие технологии использовать? Какие есть бюджетные/временные рамки?
Примеры и контекст: Чем больше AI получит релевантной информации, тем точнее будет результат.

Если вы не можете четко сформулировать задачу для человека, вы тем более не сможете получить адекватный результат от AI. И это не проблема AI, это проблема постановщика задачи. AI не читает мысли, он обрабатывает запросы.

Бизнес-логика за пределами кода: Почему не переезжали на другой мессенджер?

Стоимость миграции: Не только деньги, но и нервы

Автор статьи задает резонный вопрос: почему не переезжали на другой мессенджер, если Mattermost так сильно не устраивал? И сам же дает ответ, который я полностью поддерживаю: стоимость миграции. Это не просто «переключить тумблер».

Потеря данных: Миграция истории переписки, файлов, настроек – это всегда риск потери или повреждения.
Обучение пользователей: Даже если новый мессенджер интуитивно понятен, привыкание к новому интерфейсу, новым функциям, новым правилам – это время и снижение продуктивности.
Интеграции: Мессенджер редко живет в вакууме. Он интегрирован с таск-трекерами, CRM, системами мониторинга. Перенастройка всех этих связей – отдельный проект.
Сопротивление изменениям: Люди не любят, когда им меняют привычные инструменты. Это вызывает недовольство, снижение морального духа и, как следствие, продуктивности.

Все это выливается в огромные скрытые затраты, которые часто превышают стоимость лицензий на новый софт или даже стоимость разработки кастомных решений. Иногда «терпеть» и допиливать существующее – это более экономически выгодная стратегия, чем радикальные изменения.

Ценность кастомизации vs. универсальные решения

История с плагинами для Mattermost – это яркий пример того, как кастомизация может быть оправдана. Команда использовала Mattermost Team Edition, который, вероятно, был выбран из-за его открытости, возможности хостинга на своих серверах и, возможно, стоимости. Но у него были функциональные пробелы, которые критически влияли на рабочий процесс.

В этом случае, разработка трех небольших плагинов, которые закрыли конкретные, острые боли, оказалась более эффективным решением, чем переход на условный Slack или Microsoft Teams, где эти функции, возможно, есть из коробки, но которые могли бы принести другие проблемы (стоимость, приватность, интеграции, отсутствие других нужных функций).

Ключ здесь – в балансе. Не каждая кастомизация оправдана. Но если она точечно решает критические проблемы и ее стоимость ниже, чем стоимость альтернатив (включая скрытые затраты), то это умное бизнес-решение.

Подводные камни и неочевидные выводы: Где AI не работает (пока)

Нативные приложения: Ограничения и реальность

Автор честно признается: плагины не работают в нативных приложениях Mattermost. Это не мелочь, это серьезное ограничение. Многие пользователи предпочитают десктопные или мобильные приложения из-за удобства, уведомлений, интеграции с ОС. Если часть команды использует веб-версию, а часть – нативную, то возникает фрагментация опыта. Те, кто на нативных приложениях, по-прежнему страдают от старых болей. Это может привести к:

Неравенству в команде: одни получили улучшение, другие – нет.
Снижению ценности решения: если оно не работает для всех, то его общая эффективность падает.
Дополнительным усилиям: возможно, придется искать обходные пути или разрабатывать отдельные решения для нативных клиентов.

Идеальных решений не бывает. Всегда есть компромиссы. Игнорировать их – значит строить воздушные замки.

Поддержка, масштабирование и "личная инициатива" в масштабах компании

«Личная инициатива» – это прекрасно для мотивации и саморазвития. Но в контексте бизнеса это всегда потенциальная головная боль. Что будет, если автор этих плагинов уйдет из компании? Кто будет их поддерживать? Кто будет адаптировать их под новые версии Mattermost? Кто будет дорабатывать, если появятся новые требования?

Любое кастомное решение требует поддержки. Если оно не документировано, не интегрировано в общие процессы разработки и поддержки, оно становится «техническим долгом». То, что сегодня кажется быстрым и эффективным хаком, завтра может превратиться в дорогостоящую проблему.

Бизнес любит предсказуемость, а не геройство. Системы должны быть поддерживаемыми, масштабируемыми и интегрированными в общую IT-стратегию. Иначе, вместо экономии, мы получаем бомбу замедленного действия.

Профит или пустой маркетинг? Мои выводы

Итак, что мы имеем в сухом остатке? История с тремя плагинами для Mattermost за день – это не пустой маркетинг, но и не чистая магия. Это демонстрация потенциала AI как инструмента для ускорения разработки, но не как замены квалифицированного специалиста.

Профит:

Решение конкретных болей: Команда получила функционал, который им был критически нужен.
Экономия на миграции: Удалось избежать дорогостоящего и рискованного переезда на другой мессенджер.
Повышение продуктивности: Улучшение рабочего процесса, снижение фрустрации.
Демонстрация возможностей AI: Ценный опыт для разработчика и, возможно, для компании в целом.

Подводные камни и "непрофит":

Ограничения: Не работает в нативных приложениях, что снижает общую ценность решения.
Риски поддержки: Отсутствие формальной поддержки и интеграции в IT-процессы компании.
Скрытые затраты: Время разработчика, даже если это «личная инициатива», имеет свою стоимость.

И, конечно, финальный штрих от автора Habr-статьи: обложка для статьи тоже сгенерирована AI. И она, как он сам признает, «вообще не похожа на настоящий Mattermost: другие цвета, другой UI, будто мессенджер из параллельной вселенной». Это прекрасная иллюстрация того, что AI – это инструмент. Он может быть невероятно эффективен в рутинных, структурированных задачах (генерация кода по ТЗ), но пока еще очень далек от того, чтобы полностью заменить человеческое творчество, вкус и понимание контекста.

AI – это мощный молоток. Но чтобы забить гвоздь туда, куда нужно, и не отбить себе палец, нужен опытный плотник. И этот плотник должен понимать, зачем он вообще этот гвоздь забивает.

Так что, коллеги, не ведитесь на заголовки про «магию AI». Смотрите глубже. Считайте. Анализируйте. И помните: самый ленивый маркетолог – это тот, кто умеет заставить технологии работать на себя, а не наоборот. Но для этого нужно думать, а не просто нажимать кнопки.

Больше практики, реальных цифр и разборов без воды:

⚡ Telegram-канал: t.me/lenivymarketolog — оперативные инсайты, тренды и аналитика без воды

💼 Группа ВКонтакте: vk.ru/lenivymarketolog — кейсы, статьи и практические руководства

🌐 Профиль в MAX: max.ru/id781624934797_biz — экспертный бизнес-блог и статьи