инженерные заметки
Что такое AI-native engineering и почему это не «разработка с ChatGPT»
Что значит AI-native инженерия: runtime-мышление, архитектура вокруг моделей и контроль стоимости — и почему это не генерация кода в чате.
Коротко для руководителя. AI-native инженерия — это не «мы быстро генерируем код в чате» и не «прикрутили чат-бот». Это инженерная дисциплина: систему проектируют вокруг моделей как runtime — с контрактами, состоянием, наблюдаемостью и контролем стоимости. Разница важна для бизнеса, потому что она определяет риск проекта: разовая генерация без архитектуры даёт быстрый старт и дорогой, нестабильный результат; AI-native подход снижает риск и стоимость владения.
«Мы делаем с ИИ» сегодня означает что угодно — от генерации кода в чате до приклеенного чат-бота. Из-за этой размытости категорию подменяют, и вместе с ней — ожидания по риску и стоимости. Разберём, что такое AI-native инженерия по существу.
AI-native — это инженерия рантайма, а не скорость генерации кода.
Гипотеза: AI-native — это про runtime, а не про генерацию
Разница не в том, используете ли вы модель при разработке, а в том, является ли модель частью работающей системы как управляемый компонент. AI-native — это проектирование системы, где модель вызывается в рантайме по контракту, со состоянием, наблюдаемостью и бюджетом стоимости. «Разработка с ChatGPT» — это про скорость написания кода; AI-native — про архитектуру того, что работает в проде.
Проблема: подмена понятий «делаем с ChatGPT»
Когда AI-native сводят к «генерируем код быстрее» или «добавили бота», пропускается главное — архитектура рантайма. Получается быстрый старт и система без контрактов, состояния и контроля стоимости: эффектная на демонстрации, дорогая и хрупкая в эксплуатации.
2024 — первый год, когда дублирования вносится больше, чем рефакторинга. Скорость генерации без архитектуры превращается в технический долг — это и есть «скрытый хардкод» в масштабе.
Скорость генерации без архитектуры уже видна в данных как технический долг: рефакторинг падает, дублирование растёт. Быстро — не значит дёшево во владении.
Почему обычные подходы не работают
«Сгенерировали и запустили» не работает: разовая генерация без архитектуры не имеет контрактов и наблюдаемости, и любое изменение процесса требует переписывания.
«Добавили чат-бот к продукту» не работает как AI-native: бот без состояния и контроля — это интерфейс, а не система.
«Возьмём инструмент посовременнее» не работает: инструмент ускоряет написание, но не задаёт архитектуру рантайма; хаос просто создаётся быстрее.
Инженерная модель: что входит в AI-native
Runtime-мышление. Модель — это шаг работающей системы за контрактом, а не разовый генератор. Проектируется поведение в проде, а не текст промпта.
Контракты и состояние. Типизированные входы и выходы, явное «не уверен», состояние процесса. Это то, что делает систему отлаживаемой и изменяемой по частям.
Модель как сменный примитив. Модель выбирается под шаг и заменяется без переписывания системы; ценность — в оркестрации вокруг, не в конкретной модели.
Cost-aware по умолчанию. Стоимость — метрика наравне с задержкой и надёжностью: маршрутизация под шаг, бюджет контекста, шаги без модели.
Наблюдаемость. Видно, что система сделала, почему и сколько это стоило. Без этого нет ни отладки, ни управления стоимостью.
Человек в контуре. Дорогие решения проходят через человека по спроектированной границе, а не «модель решит всё».
Практический вывод для бизнеса
AI-native снижает риск проекта, а не только ускоряет старт. Спросите у команды или подрядчика: где контракты и состояние; как заменяется модель; как видно стоимость; где человек в контуре. Если ответ — «мы быстро всё сгенерировали» — это про скорость старта, а не про управляемый результат.
Адопция почти повсеместна, но измеримый бизнес-эффект — у единиц. Разрыв не в доступе к ИИ, а в том, доведён ли он до управляемого процесса.
Разрыв между «внедрили» и «получили эффект» — это во многом разрыв между AI-native инженерией и «разработкой с ChatGPT». Первая доходит до устойчивого результата; вторая чаще остаётся эффектным пилотом.
Оценивайте стоимость владения и стоимость изменения, а не скорость демонстрации. Категория, в которой работает подрядчик, — это и есть ваш профиль риска.
Приложить это к вашим процессам — .
Открытые вопросы
Как нанимать и оценивать AI-native команды — зрелых отраслевых критериев нет; мы смотрим на архитектуру рантайма, а не на скорость генерации. Где граница разумной автономности системы — определяется ценой ошибки в процессе. Как быстро меняется набор практик AI-native — быстро, и это часть профессии, а не разовое знание.
Если вам предлагают «сделать быстро с ИИ» — стоит понять, про скорость старта это или про архитектуру рантайма. — разберём, что именно работает в проде и какой это профиль риска.