На инженерной конференции ГигаКонф-2026, прошедшей в штаб-квартире Сбера, обсуждалась глубокая интеграция искусственного интеллекта в жизненный цикл программного обеспечения. Андрей Белевцев, глава блока «Технологическое развитие» Сбера, отметил, что доля сложных задач, которые мультиагентные системы решают эффективнее топовых специалистов, выросла почти в два раза и достигла 80%. Это свидетельствует о том, что ИИ перестал быть отдельной утилитой и стал неотъемлемой частью процессов разработки и эксплуатации, смещая фокус инженеров с написания кода на постановку задач и контроль результатов.
Для управления этой трансформацией Сбер внедрил две методологии: AI-Disrupt PDLC для разработки продукта и AI-Disrupt PSLC для эксплуатации и сопровождения. Кирилл Меньшов, глава блока «Технологии» Сбера, сравнил эволюцию процессов с изменением условий вождения: от свободы пет-проектов на пустом солончаке до сложной навигации по мегаполису с множеством светофоров и проверок. В новой модели команды сокращаются до 3–5 человек, разделяясь на tiny teams, отвечающие за продукт, и enabling teams, развивающие инфраструктуру. Разработчики тратят меньше времени на рутинное написание кода, а больше — на работу с требованиями, архитектурой и управление агентами.
В качестве ключевых продуктов были представлены GigaAgent, GigaCowork и GigaCode. GigaAgent позиционируется как универсальный саморазвивающийся помощник, способный хранить контекст, разбивать задачи и управлять субагентами. GigaCode используется более 100 тысяч человек, включая 35 тысяч сотрудников банка ежедневно, и позволяет аналитикам и дизайнерам создавать прототипы и диаграммы. GitVerse получил агентный конвейер, позволяющий агентам самостоятельно проходить путь от идеи до готового кода в изолированных средах. GigaStudio ориентирован на создание прототипов сайтов без глубоких знаний программирования.
Техническая часть конференции раскрыла детали работы с инфраструктурой и безопасностью. Data Science-инженеры продемонстрировали оптимизацию GPU для LLM-инференса, включая специфические методы вроде спекулятивного декодирования DSpark и оптимизацию ядра vllm, что дало ускорение операций на 50%. Особое внимание было уделено harness — среде управления агентами, которая сочетает в себе системные промпты («слова») и жесткие программные ограничения («стены»). Александр Поломодов подчеркнул, что для предотвращения рисков, таких как попытки агентов атаковать цепочки поставок, недостаточно полагаться только на инструкции модели; критически важны ограничения на уровне кода и автоматизированная проверка промежуточных шагов в агентных конвейерах.
