Максут Шадаев - стратегия Минцифры по внедрению инструментов AI, перспективы и вызовы для России
Максут Шадаев, министр цифрового развития, связи и массовых коммуникаций РФ. "Информационные технологии завтра" CNews Forum 2026.
ТЕКУЩЕЕ СОСТОЯНИЕ И ДИНАМИКА ВНЕДРЕНИЯ ГЕНЕРАТИВНЫХ ТЕХНОЛОГИЙ
Современный рынок программного обеспечения переживает этап стремительной трансформации, связанный с массовым внедрением инструментов генеративной разработки. В Минцифры отмечают крайне позитивные прогнозы и наблюдают супердинамику в этом направлении. Сегодня многие крупные российские компании активно интегрируют подобные решения в свои производственные циклы, что позволяет существенно ускорить процесс создания цифровых продуктов и оптимизировать внутренние ресурсы.
Для систематизации этого процесса в Минцифре был создан специальный совет. Его основной целью является выработка общих практик и единой методологии применения генеративного ИИ, поскольку активность крупнейших игроков рынка достигла критической массы. Это необходимо для того, чтобы разрозненный опыт компаний превратился в структурированный стандарт индустрии, который поможет среднему и малому бизнесу быстрее адаптироваться к новым технологическим реалиям.
Отраслевые ассоциации предоставляют впечатляющие данные: более 90 процентов IT-компаний, занимающихся разработкой ПО, уже активно внедряют соответствующие инструменты генеративной разработки в свою повседневную практику. Это свидетельствует о том, что технология перестала быть экзотикой и стала базовым требованием к эффективности современного стека инструментов программиста, меняя сам подход к написанию кода.
Такая массовость внедрения создает фундамент для качественного скачка всей отрасли. Когда подавляющее большинство разработчиков начинают использовать ИИ-помощников, это неизбежно ведет к изменению культуры разработки, переходу от рутинного написания строк кода к архитектурному проектированию и высокоуровневому управлению логикой приложения, что в конечном итоге повышает общую конкурентоспособность российского софта.
ЭКОНОМИЧЕСКИЕ АСПЕКТЫ И СТОИМОСТЬ ИСПОЛЬЗОВАНИЯ ТОКЕНОВ
Несмотря на бурный рост и общий энтузиазм, существует серьезный вопрос экономики генеративной разработки. В период первоначального всплеска интереса многие организации не уделяли достаточного внимания стоимости эксплуатации моделей. Сейчас фиксируется ситуация, когда крупнейшие компании тратят десятки миллиардов токенов в день, что в денежном эквиваленте превращается в весьма значительные и ощутимые затраты для бюджета.
Тем не менее, бизнес видит реальный эффект от этих инвестиций. В профессиональной среде уже сложилось мнение о том, что «разработчики, которые не применяют технологии, это как разработчики, которые работают с перфокартами». Это сравнение подчеркивает колоссальный разрыв в производительности между теми, кто использует ИИ, и теми, кто полагается исключительно на ручной труд, делая использование генеративных моделей вопросом выживания на рынке.
На текущем этапе многие компании начинают пересматривать свои финансовые модели. Вместо того чтобы рассматривать затраты на токены как отдельную выступление расходов на инфраструктуру, они объединяют их с трудозатратами программистов. Таким образом формируется совокупный бюджет на разработку функционала, что позволяет более точно оценивать реальную стоимость единицы созданного кода и эффективность использования ИИ-инструментов.
Вопрос экономики будет оставаться одним из самых актуальных в ближайшие годы. Оптимизация стоимости генерации одного токена при сохранении высокого качества кода станет ключевым фактором развития. Компании будут искать баланс между использованием дорогих проприетарных моделей и внедрением более дешевых, но специализированных локальных решений, что стимулирует развитие собственного рынка LLM.
СМЕЩЕНИЕ УЗКИХ МЕСТ В ЖИЗНЕННОМ ЦИКЛЕ РАЗРАБОТКИ
Генеративные технологии привели к парадоксальной ситуации: скорость написания самого кода увеличилась многократно, но это создало новые заторы на последующих этапах. Теперь узким местом стал процесс тестирования, деплоя и обеспечения безопасности сгенерированного контента. Объем кода растет экспоненциально, а человеческие ресурсы для его проверки остаются ограниченными.
Особое внимание уделяется процессу верификации кода для включения в реестр Минцифры. Поскольку объем генерируемого материала значительно превышает прежние показатели, механизмы контроля качества и соответствия государственным стандартам должны эволюционировать. Требуется создание автоматизированных систем проверки, которые могли бы идти в ногу со скоростью генерации кода искусственным интеллектом.
Проблема безопасности становится критической, так как ИИ может генерировать код с потенциальными уязвимостями или использовать устаревшие библиотеки. Это требует внедрения новых инструментов статического и динамического анализа, которые были бы интегрированы непосредственно в процесс генерации. Безопасность теперь должна обеспечиваться не после написания кода, а в момент его создания.
Таким образом, центр тяжести в разработке смещается от этапа «написания» к этапу «контроля и интеграции». Специалисты по качеству (QA) и инженеры по безопасности становятся более значимыми фигурами в команде, так как именно они определяют, какой из сгенерированных вариантов будет допущен к эксплуатации в реальных высоконагруженных системах.
ИСТОРИЧЕСКИЙ ШАНС ДЛЯ РОССИЙСКОГО РЫНКА ПО
Россия сегодня столкнулась с гигантским вызовом по замене огромного объема зарубежного legacy-кода. Однако этот кризис может стать уникальной возможностью. Благодаря массовому внедрению генеративного ИИ, страна имеет шанс не просто заменить старый софт на новый, а совершить качественный прыжок, став одним из мировых флагманов в области новой генеративной разработки.
Переписывание устаревших систем с помощью ИИ позволяет значительно сократить сроки миграции и одновременно модернизировать архитектуру приложений. Это своего рода исторический шанс для отечественных разработчиков перепрыгнуть через несколько этапов эволюции ПО, используя современные инструменты для создания более гибких и масштабируемых систем, чем те, что использовались ранее.
Концентрированная позиция рынка заключается в том, что необходимость тотального импортозамещения создает колоссальный спрос на автоматизацию. В условиях дефицита кадров генеративный ИИ становится единственным способом обеспечить требуемую скорость обновления инфраструктуры критически важных сервисов, что делает Россию полигоном для самых смелых экспериментов в этой области.
Если удастся эффективно объединить государственную поддержку и инициативу частных компаний, Россия сможет выработать собственные уникальные подходы к автоматизированной разработке. Это позволит не только закрыть текущие дыры в ПО, но и создать экспортно-ориентированные продукты, созданные с применением передовых методов генерации кода.
АНАЛИЗ ТЕКУЩИХ ПРОДУКТОВ И ЭТАП ПРОТОТИПИРОВАНИЯ
Несмотря на общий оптимизм, существует определенный скепсис относительно сложности создаваемых продуктов. На данный момент рынок пока не видит супер новых фундаментальных клиентских приложений или сервисов, которые были бы полностью или в значительной степени сгенерированы искусственным интеллектом. Большинство кейсов ограничиваются вспомогательными функциями.
В основном генеративная разработка сейчас применяется для быстрого прототипирования и отработки гипотез. Это позволяет компаниям в разы быстрее проверять жизнеспособность идеи, создавая минимально жизнеспособный продукт (MVP) за считанные дни вместо месяцев. Однако переход от прототипа к полноценному промышленному решению все еще требует глубокого ручного вмешательства.
Отсутствие полностью сгенерированных сложных систем объясняется тем, что ИИ пока хорошо справляется с локальными задачами и отдельными функциями, но испытывает сложности с удержанием глобальной архитектурной целостности огромного проекта. Тем не менее, в Минцифры уверены, что появление полноценных сгенерированных сервисов — это вопрос ближайшего времени.
Развитие будет идти по пути постепенного увеличения доли сгенерированного кода в итоговом продукте. Сначала это будут отдельные модули, затем целые подсистемы, и в конечном итоге мы придем к архитектурам, где человек выступает в роли главного архитектора-дирижера, а ИИ выполняет всю основную работу по реализации функциональных требований.
ПРОБЛЕМЫ БЕЗОПАСНОСТИ ПРИ МАССОВОЙ ГЕНЕРАЦИИ КОДА
Одним из ключевых барьеров на пути к полной автоматизации является вопрос безопасности. Когда объем генерируемого кода растет в геометрической прогрессии, риск пропусков критических уязвимостей увеличивается пропорционально. Традиционные методы ревью кода не справляются с таким потоком информации, что создает новые векторы атак для злоумышленников.
Особую тревогу вызывает тот факт, что ИИ может предлагать решения, которые выглядят работоспособными, но содержат скрытые ошибки или логические дыры. Это требует разработки специализированных инструментов «безопасной генерации», которые могли бы в реальном времени проверять код на соответствие стандартам безопасности и блокировать подозрительные конструкции до их попадания в репозиторий.
Безопасность должна стать неотъемлемой частью методологии, которую сейчас разрабатывает совет при Минцифре. Необходимо создать систему сертификации сгенерированного кода или внедрить автоматизированные шлюзы безопасности, которые будут проводить глубокий анализ каждой строки перед деплоем в промышленную среду, особенно для государственных информационных систем.
В конечном итоге, победят те решения, которые смогут гарантировать предсказуемость и безопасность результата. Индустрия должна перейти от модели «сгенерировал и надеюсь, что работает» к модели строгого верифицируемого синтеза ПО, где каждый фрагмент кода имеет математически подтвержденное доказательство корректности и безопасности.
ЗАВИСИМОСТЬ ОТ ЗАРУБЕЖНЫХ МОДЕЛЕЙ И ПУТИ ПРЕОДОЛЕНИЯ
Серьезным вызовом остается тот факт, что большая часть кода в России пока пишется с использованием зарубежных моделей. Это касается как внешних облачных сервисов, так и открытых моделей, которые разворачиваются на собственной инфраструктуре компаний. Проникновение чисто российских моделей в этот сегмент на данный момент остается недостаточно высоким.
Зависимость от иностранных LLM создает риски как в области безопасности данных, так и в вопросах технологического суверенитета. Передача проприетарного кода сторонним сервисам может привести к утечке интеллектуальной собственности или создать зависимость от политики зарубежных вендоров, которые могут ограничить доступ к своим инструментам в любой момент.
Тем не менее, наблюдается позитивная динамика в развитии отечественных языковых моделей. Российские компании начинают создавать специализированные LLM, обученные именно на задачах программирования и оптимизированные под конкретные языки или фреймворки. Это позволит компаниям переносить процесс генерации кода внутрь своего защищенного контура.
Стратегическая цель заключается в создании полноценной экосистемы, где российский разработчик использует российскую модель на российской инфраструктуре для создания российского софта. Это не только вопрос политики, но и вопрос эффективности: локальные модели могут быть лучше адаптированы под специфику отечественных стандартов разработки и государственные требования.
ПСИХОЛОГИЧЕСКИЙ ЭФФЕКТ И КУЛЬТУРА ИННОВАЦИЙ
На текущем, самом раннем этапе внедрения генеративного ИИ, большинство специалистов получают настоящее удовольствие от процесса. Это создает мощный психологический импульс для развития отрасли. Программисты чувствуют себя более продуктивными, избавляясь от рутины, что ведет к росту общего уровня удовлетворенности работой и притоку новых кадров в IT.
Россия традиционно считается страной, которая очень быстро внедряет инновационные вещи, часто делая это первой или одной из первых. В области генеративной разработки эта тенденция сохраняется: российские команды проявляют высокую гибкость и готовность экспериментировать с новыми инструментами, не дожидаясь окончательного формирования стандартов.
Такой «инновационный драйв» позволяет нам идти впереди многих стран в плане практического применения ИИ в разработке. Пока в некоторых регионах обсуждают этику использования нейросетей, российские компании уже внедряют их в реальные производственные процессы, что дает колоссальное преимущество в накоплении практического опыта и данных.
Важно поддерживать этот уровень энтузиазма, создавая условия для безопасного экспериментирования. Когда разработчик видит, что технология реально облегчает его жизнь и позволяет создавать более сложные продукты за меньшее время, он становится главным проводником цифровой трансформации внутри своей компании.
ПЕРСПЕКТИВЫ РАЗВИТИЯ МЕТОДОЛОГИЙ РАЗРАБОТКИ ПО
Будущее разработки программного обеспечения будет строиться вокруг симбиоза человека и ИИ. Мы переходим от эпохи «написания кода» к эпохе «проектирования намерений». В этой новой парадигме основным навыком разработчика станет умение четко формулировать требования и правильно направлять генеративную модель, осуществляя финальный контроль качества.
Методологии Agile и DevOps будут трансформироваться под влиянием ИИ. Циклы разработки сократятся с недель до дней или даже часов. Это потребует полной перестройки процессов управления проектами: планирование станет более динамичным, а тестирование будет интегрировано в сам процесс генерации кода в режиме реального времени.
Ожидается появление новых ролей в IT-командах, таких как «инженер промптов для разработки» или «аудитор сгенерированного кода». Эти специалисты будут отвечать за то, чтобы взаимодействие с ИИ было максимально эффективным, а результат — безопасным и соответствующим бизнес-целям компании.
В конечном итоге, генеративная разработка приведет к демократизации создания ПО. Порог входа в профессию может измениться: базовые навыки кодинга станут менее значимыми, чем системное мышление и способность проектировать сложные архитектуры, что позволит создавать более инновационные продукты за счет привлечения людей с разным бэкграундом.
ИТОГОВАЯ СТРАТЕГИЯ ЦИФРОВОЙ ТРАНСФОРМАЦИИ ОТРАСЛИ
Подводя итог, можно сказать, что генеративная разработка является одним из главных рычагов ускорения цифровой трансформации России. Основной вектор развития будет направлен на преодоление зависимости от зарубежных моделей, оптимизацию экономики использования токенов и создание жестких стандартов безопасности сгенерированного кода.
Государство в лице Минцифры намерено поддерживать этот процесс через создание методологических советов и реестров, обеспечивая баланс между скоростью инноваций и надежностью критической инфраструктуры. Главная задача — превратить текущий технологический вызов по импортозамещению в долгосрочное конкурентное преимущество страны.
Оптимизм компаний подкреплен реальными результатами: ускорение прототипирования и рост производительности разработчиков уже сегодня дают ощутимый эффект. В ближайшие годы мы увидим появление первых крупных продуктов, созданных преимущественно с помощью ИИ, что станет подтверждением зрелости данной технологии.
Россия имеет все шансы закрепить за собой статус одного из лидеров в области AI-driven development. Сочетание сильной математической школы, высокого спроса на импортозамещение и готовности бизнеса к риску создает идеальные условия для того, чтобы генеративная разработка стала новым стандартом индустрии.
Максут Шадаев (Минцифры) представил стратегический взгляд на внедрение генеративной разработки ПО в России. Основной акцент сделан на массовом переходе IT-компаний к ИИ-инструментам, что позволяет ускорить импортозамещение зарубежного legacy-кода и превратить страну в одного из мировых флагманов новой разработки.
Несмотря на успехи в прототипировании, отмечены критические вызовы: высокая стоимость токенов, необходимость новых подходов к безопасности и зависимость от зарубежных LLM. Минцифры работает над созданием единой методологии и стандартов верификации кода, чтобы обеспечить технологический суверенитет и безопасность цифровой среды.

