Intellias: AI-агенти здешевили розробку на 70%

Шість напрямів, де ШІ створює цінність

Intellias побудувала Pragmatic AI Playbook на дворічному досвіді власної AI-трансформації та роботі з клієнтськими проєктами. Головний висновок фреймворку: найбільший потенціал ШІ — не в скороченні витрат, а у створенні нових продуктів і сервісів. Використання ШІ в розробці цифрового продукту здатне підвищити ефективність більш ніж удвічі.

• Підвищення особистої продуктивності працівників
• Оптимізація бізнес-процесів
• Створення нових продуктів і сервісів
• Розробка програмного забезпечення
• ІТ-операції
• Модернізація застарілих систем

Ще один структурний зсув: компанії поступово відмовляються від десятків розрізнених AI-сервісів на користь AI-платформ, які можна масштабувати на рівень усієї організації, а не тестувати точково в окремих командах.

AI Pods: коли код пише агент, а не людина

На частині проєктів Intellias уже працює в форматі агентської оркестрації (AI Pods) — більшу частину коду створюють автономні ШІ-агенти. Це породило нову роль — AI Product Engineer. Його задача змінилась докорінно: не писати код, а читати його.

У цій моделі інженер керує системою агентів: задає параметри роботи, вибудовує guardrails, спостерігає за виконанням, оцінює результат і за потреби коригує дії агента. CDO Intellias Андрій Терлига формулює логіку розмежування так:

Компанія встановлює правила роботи з моделями — які рішення інженери можуть ухвалювати самі, а які потрібно ескалювати (підхід token ops)

Без чітко визначених guardrails і правил ескалації агентська розробка перетворюється на чорну скриньку: код з'являється швидко, але ніхто в команді не встигає перевірити, чому агент ухвалив саме таке рішення.

Витрати на ШІ: з разової покупки в щомісячний рахунок

AI-інструменти змінили статтю бюджету ІТ-компаній: раніше базовий софт інженера був відносно недорогим капітальним вкладенням (capex), тепер провідні AI-моделі — це операційні витрати (opex), які нараховуються щомісяця. У 2026 році використання таких моделей додає до бюджету проєкту кілька сотень доларів на місяць з розрахунку на одного спеціаліста.

Для фінансового директора чи керівника проєкту це означає, що бюджетування ШІ-інструментів варто планувати не як одноразову закупівлю ліцензій, а як постійну статтю операційних витрат, що росте разом із кількістю залучених спеціалістів.

Продакт-менеджмент — нове вузьке місце

Прискорення інженерії дало конкретний результат: у навігаційних проєктах повноцінний продукт створюють за 6 тижнів, що на 70% дешевше за класичну розробку; у медичних — автоматизація знизила інженерні зусилля на 50% і прискорила запуск у 1,5 раза. Але саме це прискорення оголило новий управлінський розрив.

Якщо раніше вузьким місцем був інжиніринг і написання коду, то тепер, за словами Терлиги, ним дедалі частіше стає рівень продукту — здатність команди формулювати ідеї та рішення так само швидко, як агенти пишуть код. Playbook пропонує закривати цей розрив, вбудовуючи AI-інструменти в усі етапи продуктової роботи:

• Опрацювання й генерація ідей
• Прототипування рішень
• A/B-тестування гіпотез

Універсального рецепта інтеграції ШІ не існує — підхід, що спрацював в одній команді, не обов'язково масштабується на іншу. Просте надання AI-інструменту інженеру без навчання, за спостереженням Intellias, продуктивність не підвищує. Наразі формат AI Native розробки, описаний у плейбуку, впровадили не більше 5–10% ринку — це показує, що описані результати поки радше передовий досвід, ніж стандартна практика галузі.