Авито: ИИ ускоряет разработку, но не снимает узкие места в тестировании
VC.ru AI · оригинал
Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.
В Авито проникновение искусственного интеллекта в процесс разработки превышает 95%, что привело к росту количества запросов на слияние кода. Однако компания отмечает, что это не увеличило число релизов, так как основное ограничение сместилось в отдел контроля качества.
Материал демонстрирует реальные кейсы внедрения AI в крупном IT-бизнесе, показывая разрыв между ускорением отдельных этапов разработки и общими бизнес-метриками. Это важно для понимания того, как технологии меняют внутренние процессы компаний и где сохраняются скрытые барьеры эффективности.
Компания Авито поделилась внутренними данными о том, как внедрение искусственного интеллекта трансформирует рабочие процессы в сфере разработки программного обеспечения. По словам представителей компании, уровень проникновения AI-инструментов в цикл разработки превышает 95%. Это привело к заметному росту активности: количество запросов на слияние кода (PR-запросов) увеличилось примерно в полтора раза. Разработчики стали генерировать изменения в коде значительно быстрее, однако этот прирост производительности не конвертировался в увеличение числа вышедших релизов.
Причина такого дисбаланса кроется в перемещении узкого места процесса. Если ранее «бутылочным горлышком» была сама написание кода, то теперь основное ограничение сместилось в отдел контроля качества (QA). Это означает, что даже при высокой скорости генерации функциональности команда тестирования не успевает обрабатывать поток изменений, что сдерживает общий темп выпуска обновлений для пользователей.
В качестве конкретного примера Авито привела историю создания прототипа функции, связанной с NDA. Команда разработала и запустила этот прототип всего за 10 дней. Сбор данных после запуска показал интересные результаты: 13% пользователей заявили, что данная функция повлияла на их решение о покупке. Кроме того, средний чек вырос на 20%, а конверсия в доставку увеличилась на 0,7 процентного пункта.
Однако за этими цифрами скрывались важные нюансы, которые компания считает критичными для оценки эффективности. Во-первых, глобально функция не привела к росту общего объема бизнеса. Заказы не были созданы с нуля, а лишь перераспределились между различными службами доставки. Во-вторых, срок в 10 дней касался только этапа создания прототипа. До этого команда R&D потратила почти год на обучение модели. Таким образом, хотя один конкретный этап удалось существенно ускорить, общий цикл разработки оставался длительным.
Эти наблюдения подчеркивают, что внедрение AI — это не просто замена ручного труда автоматизацией, а сложная перестройка процессов. Ускорение одного этапа может создать перегрузку на следующем, если инфраструктура и команды не адаптированы под новые темпы. Авито подчеркивает важность создания соответствующей инфраструктуры и изменения процессов, чтобы извлечь реальную выгоду от использования искусственного интеллекта.
Ситуация с NDA-фичей также иллюстрирует разницу между локальными метриками успеха и глобальным бизнес-эффектом. Рост среднего чека и конверсии в конкретном сценарии не всегда означает увеличение общей выручки или прибыли компании, если это происходит за счет перераспределения существующего спроса. Это требует от менеджмента более глубокого анализа данных и понимания того, какие именно изменения приводят к созданию новой ценности.
В конечном итоге, опыт Авито показывает, что AI становится стандартным инструментом в разработке, но его эффективность зависит от системного подхода. Компании необходимо не только внедрять новые технологии, но и пересматривать свои процессы, инфраструктуру и метрики успеха. Только так можно избежать ситуации, когда ускорение разработки приводит к перегрузке других этапов или к иллюзорным улучшениям бизнес-показателей.