CodeInside

За последний год мы постепенно внедряли ИИ в процесс разработки. Сначала использовали его для подготовки документации, генерации кода и тестов. ИИ помог нам по-новому посмотреть на сам процесс разработки. Мы сократили количество передач контекста между участниками команды, изменили распределение ответственности и пересмотрели подход к работе с документацией. Именно это в конечном итоге позволило сократить цикл разработки отдельных фич с одного месяца до одной недели. В статье рассказываем какие изменения мы внесли в процесс, как изменилась работа аналитиков и разработчиков и какие задачи уже сегодня помогают решать ИИ-инструменты. Будем рады, если наш опыт окажется полезен и вашей команде. 👀 Время чтения: ~8 минут 🖥 Статья

✏️ AI без чистого листа: готовые навыки и сценарии в Docora AI Помимо готовых AI-агентов и конструктора для их создания, в Docora AI есть еще два мощных инструмента — навыки (skills) и сценарии. Они могут работать как самостоятельные AI-инструменты или дополнять AI-агентов, расширяя их возможности и помогая автоматизировать отдельные задачи. Навык (skill) — это готовая компетенция ИИ. Во многих AI-платформах такие компоненты называют skills. Именно они определяют, что умеет делать ассистент: переводить текст, анализировать договоры, искать информацию в документах, готовить презентации, создавать коммерческие предложения и многое другое. Сценарий — это логика выполнения задачи. Он определяет, как именно ИИ будет действовать: какие навыки использовать, когда обратиться к базе знаний, какие данные запросить у пользователя и в каком порядке выполнить шаги. Именно навыки и сценарии задают ИИ нужную специализацию: определяют его компетенции, логику работы и помогают решать конкретные бизнес-задачи. И хорошая новость в том, что в Docora AI не нужно создавать всё с нуля. Платформа уже включает библиотеку готовых навыков и сценариев, которые можно использовать в самом начале работы. Среди готовых навыков: • переводчик текста • анализ рисков договоров • подготовка презентаций и коммерческих предложений • инженер-помощник по технической документации • помощник по работе с документами и другие готовые «скиллы». Но самое важное не сами шаблоны, а возможность быстро адаптировать их под свои процессы: использовать сразу после установки, изменить под требования компании или же создать собственный. Причем для создания нового навыка не требуется программирование. Можно загрузить готовый архив, собрать навык вручную, либо просто описать задачу обычным языком — ИИ сам предложит структуру навыка. Со сценариями всё так же просто. Их можно собрать самостоятельно в визуальном конструкторе из готовых компонентов или поручить эту задачу ИИ. Достаточно описать бизнес-процесс первой

Можно ли доверить AI ответы покупателям? Если речь идет о технических характеристиках товаров, цена ошибки довольно высока. Неверный ответ может привести к неправильному выбору продукции, возвратам, дополнительной нагрузке на службу поддержки и репутационным рискам. Поэтому рабочий AI-ассистент должен не только быстро отвечать на вопросы, но и понимать, когда данных недостаточно. В таких случаях правильнее передать обращение специалисту, чем пытаться придумать ответ. На примере покажем как производителю автозапчастей (и не только) автоматизировать ответы покупателям на маркетплейсах с помощью AI-ассистента. Решение отвечает по данным корпоративного каталога, передает сложные обращения сотрудникам и даже помогает выявлять ошибки в мастер-данных. 👉 Читайте кейс на нашем сайте. И, кстати, теперь мы есть в MAX. Подписывайтесь, чтобы первыми узнавать о новых кейсах, практических материалах по AI и обновлениях Docora AI.

Сколько решений из ВКС действительно доходят до результата? На встрече с большим энтузиазмом можно договориться о чём угодно: кто что делает и к какому сроку. Но если договорённости остаются только в записи разговора, дальше начинается ручная работа — проверить, зафиксировать, передать, найти. В Docora AI появился новое направление, которое связывает все эти этапы — Docora Meet. AI-агент подключается к онлайн-встрече, записывает и расшифровывает разговор, а после — формирует конспект с решениями, поручениями, ответственными, сроками и открытыми вопросами. Затем, при необходимости, отправляет на согласование ответственному сотруднику — и только после подтверждения информация становится доступной внутри корпоративного контура. Дальше с ней можно работать как с частью корпоративной памяти: задавать вопросы по прошлым встречам, находить нужные фрагменты разговора и передавать поручения в рабочие системы. То есть содержание встречи не просто остается архивом после завершения звонка, оно продолжает работать в последующих процессах компании. В новом материале рассказываем, как все устроено и что меняется в работе с результатами встреч: 👀 время чтения: ~6 минут 🖥 статья.

Что происходит с разработкой ПО, когда ИИ становится частью команды? ИИ всё быстрее справляется с написанием кода. Но чем сложнее система, тем очевиднее: генерация кода - лишь часть инженерной задачи. Именно поэтому сегодня всё чаще говорят о следующем этапе развития - переходе от Vibe Coding к Agentic Engineering. Это уже не просто «попросить ИИ написать код». Речь о том, чтобы встроить AI-агентов в инженерный процесс: дать им контекст, определить правила и границы ответственности, а главное - научить работать внутри реальной системы разработки. Именно об этом говорила исполнительный директор CodeInside Попова Варвара на No-Code Conf 2026, организованной при участии ИТ-экосистемы «Лукоморье». Для нас эта тема особенно актуальна: по мере развития AI-инструментов меняется не только способ написания кода - меняется сама организация инженерной работы. Следующий вопрос уже не «может ли ИИ написать код?», а «какую часть инженерного процесса мы готовы ему доверить?»

В рамках «ИТ-Форума РУССОФТ 2026», который прошел 24–25 сентября, активно обсуждались вопросы будущего отрасли. Делимся главными выводами: Приняли участие в ИТ-Форуме РУССОФТ. Один из главных выводов после обсуждений с коллегами по отрасли: рынок продолжает меняться вслед за своими заказчиками. Внутриполитические и геополитические факторы, высокая стоимость капитала и общая неопределённость приводят к сокращению инвестиционной активности. Если раньше многие ИТ-проекты запускались прежде всего ради развития бизнеса — выхода на новые рынки, масштабирования, создания новых продуктов, — то сегодня запрос всё чаще другой. Задача ИТ — помочь бизнесу стать эффективнее здесь и сейчас. Автоматизировать то, что раньше было слишком дорого автоматизировать. Снижать стоимость процессов. Быстрее принимать решения. Получать больше результата от существующих ресурсов. И здесь важным инструментом становится генеративный ИИ. Он уже позволяет заметно менять экономику разработки и автоматизации: быстрее создавать решения, работать с корпоративными знаниями, автоматизировать интеллектуальный труд. При этом какого-то простого ответа на вопрос «что будет дальше с ИТ-рынком» сегодня, кажется, нет ни у кого. Но отрасль продолжает делать то, что всегда умела лучше всего: следовать за потребностями своих клиентов, адаптироваться и искать новые модели работы даже в условиях высокой неопределённости. Для CodeInside это ещё одно подтверждение выбранного направления: использовать ИИ не ради самого ИИ, а как инструмент повышения эффективности реального бизнеса.