На конференции deep tech night в офисе Яндекса представители компании рассказали, как за полтора года ИИ-агенты стали нормой в разработке: не использовать нейросети теперь считается аномалией. Компания прошла путь от экспериментов с отдельными AI-инструментами в начале 2025 года до массового обучения сотрудников, подключения внутренней инфраструктуры, MCP-серверов и «скиллов» — и к лету 2026 года это дало качественный скачок.

Главный вывод докладов: ускорение не в том, что инженеры быстрее пишут код руками — доля времени на код у них даже упала. Меняется сама роль разработчика: он ставит задачи агентам, проверяет результат и управляет «фабрикой» ПО, всё чаще сравнимой с ролью AI-лидiа команды агентов.

• 91% инженеров Яндекса используют AI-агентов еженедельно, 80% — ежедневно (по данным доклада на deep tech night, Source2)
• 85% строк кода за последние 28 дней сгенерированы нейросетями; 60% разработчиков фактически перестали писать код руками
• Доля рабочего времени инженера на непосредственное написание кода упала с 33% до 26%, но объём производимых артефактов при этом вырос
• По словам Андрея Попова, лидера трека AI-продуктивности разработки, регулярно ИИ используют 73% разработчиков, а с его помощью создаётся более половины нового кода — цель компании к концу 2026 года: «75³i» (не менее 75% разработчиков делают 75% изменений, генерируя в них не менее 75% кода с помощью ИИ)
• Узкие AI-агенты теряют смысл: качество общих агентов уже позволяет справляться и с узкими задачами
• Пример из Яндекс Лавки (рассказал Станислав Макеев, директор по технологиям и AI-трансформации): AI берёт на себя спрос, остатки, поставки, сборку и доставку в масштабе сервиса с миллионами пользователей — аналог эксперимента Anthropic, где Claude управлял магазином, но применённый к реальному крупному бизнесу
• При внедрении агентов в Лавке столкнулись с тем, что часть админок была недоступна по API, данные приходили с опозданием, инструкции противоречили друг другу, а LLM иногда перезаписывала поля, которые должны меняться только по строгим правилам — эти проблемы решали не моделью, а перестройкой инфраструктуры вокруг неё