Андрей Слекеничс: «Будущее разработки — за интеллектуальными IDE и командами из AI-агентов»
03.12.25, Ср, 16:18, Мск,
В конце ноября Сбер опубликовал пресс-релиз о выходе новой версии среды разработки GIGA IDE с AI-агентами. GIGA IDE — собственная интегрированная среда разработки Сбера, созданная для ускорения и автоматизации инженерных процессов.
О том, как искусственный интеллект помогает разработчикам и почему интеллектуальные IDE становятся основой технологического суверенитета, рассказал Андрей Слекеничс, директор по технологиям СберТеха и владелец продуктов GIGA IDE и GIGA Team.
— Андрей, расскажите, что такое GIGA IDE и какую роль в ней играют AI-инструменты.
— GIGA IDE — это интегрированная среда разработки, созданная в Сбере для профессиональных разработчиков на Java, Kotlin, Python, JavaScript и TypeScript. Проект вырос из внутренних задач по импортозамещению: в 2024 году мы впервые открыли Community-версию, доступную всем пользователям. Сейчас существует две версии: свободно распространяемая Community и корпоративная PRO — она используется юридическими лицами в формате on-premise. Уже в базовой версии GIGA IDE включает AI-ассистент GIGA CODE, а последняя версия добавляет маркетплейс плагинов и набор специализированных AI-агентов.Международный конгресс по anti-age и эстетической медицине — ENTERESTET 2026 
— На AI Journey упоминалось, что за год IDE скачали более 165 тысяч раз. Почему у GIGA IDE такой интерес среди разработчиков?
— Дело в сочетании трех факторов. Во-первых, после санкций многие компании и разработчики оказались без обновлений зарубежных IDE, и мы предложили реальную альтернативу. Во-вторых, GIGA IDE уже «из коробки» включает множество open-source инструментов с исправленными уязвимостями и доработками. И наконец, встроенный AI-ассистент GIGA CODE доступен бесплатно, без подписки и ограничений. Все это делает продукт удобным для массового рынка.
— Ваша команда также известна проектом SberStack, который, как вы поделились, позволил сократить трудозатраты разработчиков более чем на 43 000 часов. Есть ли сопоставимые результаты и у GIGA IDE?
— Да, эффект от PRO-версии GIGA IDE сопоставим по масштабу. На каждого разработчика годовая экономия около 144 часов. Мы измеряем его в экономии времени на поддержке кода и снижении числа ошибок при тестировании. Внедрение GIGA IDE уже позволило ускорить цикл обновлений и сократить издержки в ряде внутренних команд. А версия с агентами даст новый прирост — за счет автоматизации обслуживания кода и работы с большими проектами, где счет идет на сотни тысяч строк.
— Новая версия, о которой шла речь в пресс-релизе, содержит не один, а несколько AI-агентов. В чем их роль?
— Да, раньше они были доступны в бета-режиме, но теперь мы полностью переработали их архитектуру, учли обратную связь и сделали их частью IDE. Эти агенты автоматизируют обслуживание программного кода — рутинные задачи, которые обычно занимают 20–40% времени разработчиков. Это документирование, управление логированием, генерация unit-тестов, синхронизация и оптимизация модульности кода. По сути, агенты берут на себя то, что «разработчики не любят», особенно при работе с крупными кодовыми базами, где ни один человек не знает весь проект целиком.
— Как использование агентов влияет на бизнес-результаты и эффективность команд?
— Если смотреть на экономику разработки, существенная часть ресурсов уходит на поддержку нового кода: тесты, оптимизацию, логирование. В крупных проектах объем технического долга растет, а вместе с ним падает скорость вывода новых функций. AI-агенты решают эту проблему: они автоматически оптимизируют код и инфраструктуру, сокращая нагрузку на разработчиков и снижая затраты на сопровождение. Например, один из агентов оптимизирует точки сбора логов — это может уменьшить потребление вычислительных ресурсов до 50% и напрямую влияет на стоимость эксплуатации приложений.
— То есть это не просто LLM-помощники, как в продуктах OpenAI или Anthropic?
— Верно. Большинство популярных решений работают по принципу «запрос-ответ»: пользователь пишет промт, модель генерирует код. В GIGA IDE мы пошли дальше. Платформа умеет строить графы ключевых архитектурных элементов кода, выделять уровни API, бизнес-функционала и интеграций. Агенты анализируют эти данные при помощи предиктивных ML-моделей и сами предлагают, где нужно изменить код, чтобы повысить производительность или качество. Финальное изменение выполняется через встроенный AI-ассистент GIGA CODE. Это дает возможность работать с кодом проектов, которые насчитывают сотни тысяч строк — недостижимо для обычных LLM-подходов.
— Каковы ближайшие планы по развитию? Для каких языков уже работают агенты?
— Сейчас они поддерживают Java и Kotlin, но мы постепенно расширим функционал и на другие языки, где это действительно востребовано. Следующий шаг — добавить больше сценариев, связанных с управлением качеством кода и прогнозированием технических рисков.
— Вы руководите разработкой внутренних инструментов Сбера уже более 10 лет. Что помогает вам удерживать фокус на технологическом развитии?
— Мы опираемся на реальные кейсы и проблемы команд. GIGA IDE, GIGA Team, SberStack — все эти продукты рождались из практических потребностей. Главное — не переставать экспериментировать и постоянно взаимодействовать с инженерами. Только так можно создавать инструменты, которые реально ускоряют разработку.
Автор: Станислав Емельянов
