Нужна ли ещё IDE: как я делю работу с AI-агентом и что оставляю себе

JetBrains за неделю выпустил три текста: эссе о том, зачем IDE в эпоху агентов, релиз Air Governance для управления агентами и расходами и цифры о том, какую работу разработчики готовы отдавать AI. GitLab предложил три задачи для агента, Саймон Уиллисон поделился некрологом программированию как головоломке, а Latent Space описал моды для Claude Code. Для владельца бизнеса, который заказывает разработку, вопрос один: что в работе подрядчика делает модель, а за что он отвечает сам.

Что вышло

JetBrains 20 октября опубликовал эссе «Why We Still Need an IDE». Автор сравнивает агентную разработку с полётом по приборам: бортовой компьютер ведёт самолёт, а пилот видит всю картину и отвечает за полёт. Так и инженер отвечает за то, что выходит в релиз, даже если большую часть кода написал агент. Сам автор собрал расширение для браузера в незнакомом стеке: агент сделал механическую часть, разбираться и править он пошёл в IDE.

JetBrains 22 октября объявил общую доступность Air Governance: одна консоль, где компания задаёт разрешённые агенты, модели и провайдеры, ставит лимиты расходов по людям и командам и настраивает MCP-серверы на уровне компании. Повод свой: расходы JetBrains на AI выросли примерно в десять раз за первую половину 2026 года, а первый сводный отчёт по вендорам собирали вручную четыре дня.

JetBrains 19 октября показал динамику опросов: готовность отдать AI написание логики приложения выросла с 18% в апреле-июне 2025 года до 50% год спустя, тесты с 50% до 75%, рефакторинг с 38% до 60%. Ревью кода готовы отдать 43%, год назад 33%. Отладку не готовы отдать 54%, год назад 76%.

GitLab 19 октября предложил три задачи для агента на платформе Duo: первый проход ревью по merge request, разбор упавшего пайплайна с предложением фикса и ответы на вопросы по проекту в чате.

Саймон Уиллисон 19 октября выделил текст Джереми Шеффа «My obituary for programming» о том, что уходит: работа была оплачиваемым решением логических головоломок, и чем хитрее задача, тем дороже. Уиллисон добавляет: кому важно строить работающие системы, тому модели в радость.

Latent Space 21 октября описал Claude Mods, плагины на TypeScript или JavaScript, которые меняют поведение и интерфейс Claude Code. Пример из статьи: встроенный мод You Should Know заметил, что в файле, который правил агент, и ещё примерно в 45 файлах лежала незакоммиченная работа, и предложил сначала её сохранить.

Пример: расчёт деталей для производства

Возьмём производство, где состав изделия описан в Excel-спецификациях, а детали и материалы на заказ считают вручную. Дорогие в такой задаче правила, а не код: как детали объединяются по обработке, что делать, если позиции нет в номенклатуре, когда два заказа можно отвезти подрядчику вместе. Эти правила знает технический директор, и их нужно вытащить и согласовать. Агент напишет функцию, но к техническому директору он не сходит.

AI ускоряет ту часть, где уже понятно, что делать. Часть, где надо решить, что делать, осталась за человеком, и за неё заказчик платит.

Как это устроено у меня

Программировать я начал в 2017 году, когда моим компаниям понадобились системы, которых не было в готовом виде, задолго до генеративных инструментов. Сейчас AI ускорил мою разработку в несколько раз: рутина, тесты, отладка. Архитектуру и принципиальные решения определяю сам, результат инструментов проверяю.

На производственной компании это видно лучше всего. С февраля 2024 года мы с техническим директором готовили техническое задание, примерно с апреля началась активная разработка, рабочую программу я передал в июле или августе и дорабатывал до конца года. Один заказ программа считает в среднем за 65 секунд вместо 4–5 часов. Сегодня агент снял бы часть барьера с незнакомым стеком, как у автора JetBrains, но месяцы согласования правил с техническим директором он бы не отменил.

В PDR-компании в США, где я технический партнёр с 2021 года, суперапп на React Native мы делаем вместе с разработчиками компании, а собственник теперь и сам занимается разработкой вместе с нами. С цифрами JetBrains я в целом совпадаю: тесты и рефакторинг отдаю охотно, отладку там, где могу перепроверить, ревью изменений оставляю себе.

Что я бы сделал

Спросите подрядчика, что в его работе делает модель и как он это проверяет. Нормальный ответ конкретный: тесты, черновики, поиск по чужому коду, а архитектура и выпуск за человеком.

Договоритесь, кому принадлежит результат и где он лежит. У меня код, база, сервер и доступы принадлежат заказчику, и от инструмента, который помогал писать код, это не зависит.

Если у вас своя команда, посмотрите, на что уходят деньги по агентам и моделям. Четыре дня JetBrains на ручной отчёт показывают, что без общего учёта расходы на AI растут незаметно.

Ревью оставьте человеку, даже если первый проход делает агент, как у GitLab. Отладку отдавайте там, где есть тест, который покажет, что стало лучше. Спор о том, нужна ли IDE, пропустите: нужно место, где видно всё изменение целиком до того, как оно попадёт на сервер.

Связанные материалы

Про правила, статусы и права, по которым работают и люди, и AI: статья Бизнес-логика: правила, статусы и права. Направления: AI в процессе, где результат можно проверить и бизнес как единая система. Проекты: Технический партнёр PDR-компании в США с 2021 года и Расчёт заказа за 65 секунд вместо 4–5 часов. Рядом мои обзоры о том, что я разрешаю AI-агенту на боевом сервере и о песочницах для агентов и выпуске kononov.dev, а раньше я писал, где застревает быстро подготовленная работа после AI. Если вы выбираете подрядчика или встраиваете AI в работу своей команды, расскажите, что у вас сейчас. Обсудить задачу.