Резюме

Это пример применения методологии на основе открытых отраслевых данных. Цифры рассчитаны по публичным источникам — ваши результаты и декомпозиция процесса на блоки будут зависеть от конкретных условий.

Ситуация. Команда 10 разработчиков. API 50+ endpoints. OpenAPI spec устарел на 40% (функции добавлены, но документация не обновлена).

Проблема. Онбординг долгий: новичок 1–2 недели разбирается в коде (когда документация 3+ месяца давности) — скрытые затраты ~80 ч/год на одного новичка API-клиенты теряются: frontend-разработчик не знает, изменился ли endpoint → интеграция сломана, отладка занимает 4–8 ч Техдолг в документации: обновляешь функцию — забываешь обновить docstring/spec; постоянное отставание на 40% endpoints

Результат анализа. 2 блока — в 🟢 Автоматизация (EPOCH 1–2). 1 блок — в 🟡 Усиление (EPOCH 3). 1 блок — в 🟠 Коллаборация (EPOCH 4). Экономия труда — до 73 788 ₽/год (Москва). Главный эффект — охват: с 10% до 100% функций задокументировано.

Карта процесса

Процесс разбит на 4 блоков.

  • 1 Сгенерировать docstring для функций и классов Автоматизация
  • 2 Сгенерировать примеры кода для API-эндпоинтов Автоматизация
  • 3 Обновить OpenAPI spec по актуальному коду Усиление
  • 4 Написать архитектурную документацию для ключевых компонентов Коллаборация

Итого: 2 шага в 🟢 Автоматизация (EPOCH 1–2), 1 шаг в 🟡 Усиление (EPOCH 3), 1 шаг в 🟠 Коллаборация (EPOCH 4).

Автоматизация ИИ делает, человек проверяет результат
Усиление ИИ создаёт первую версию результата, человек проверяет и дорабатывает
Коллаборация Человек создаёт результат сам, ИИ готовит данные по запросу
Человек Человек делает, ИИ максимум готовит вводные

Проверка готовности

Все четыре ответа должны быть «Да» — тогда можно переходить к внедрению.

  1. Разработчик может проверить автогенерированный docstring на соответствие реальному поведению функции?
  2. Инструменты (Claude API, git hooks) и доступ к коду доступны за 1–2 недели?
  3. Руководство поддерживает внедрение ИИ в процесс документирования кода?
  4. Команда осознаёт, что долгосрочное делегирование документирования снижает способность замечать расхождения между кодом и docs?

Анализ

Таблица блоков

EPOCH (MIT Sloan, Loaiza & Rigobon, 2025) — шкала 1–5: насколько задача требует человеческого участия. Оценка = максимум из пяти параметров.

«Готовность ИИ-инструмента» определяет стартовый уровень контроля: чем больше опыта у команды с этой связкой «задача + инструмент», тем меньше проверок нужно с первого дня. Новый — команда ещё не делала этот тип задач с этим инструментом, уровень контроля 1. Пробуем — 1–2 цикла, результат ещё нестабильный, уровень 1–2. Стабильный — 3+ цикла без ошибок, уровень 2–3. Доказанный — 8+ циклов, уровень 3–4. Прочерк — блок не передаётся ИИ, оценка неприменима.

# Блок Зависит от EPOCH Зона Описание Готовность ИИ-инструмента
1 Сгенерировать docstring для функций и классов исходный код, тесты 1 Автоматизация Генерирует docstring для каждой функции в Google/NumPy формате из кода и тестов, до проверки разработчика Стабильный
2 Сгенерировать примеры кода для API-эндпоинтов Блок 1, тесты 2 Автоматизация Создаёт примеры использования функций из unit-тестов, до публикации в документации Стабильный
3 Обновить OpenAPI spec по актуальному коду PR с изменениями 3 Усиление Обновляет OpenAPI spec по изменениям в коде endpoints, до проверки backend разработчика Пробуем
4 Написать архитектурную документацию для ключевых компонентов кодовая база, ADR 4 Коллаборация Готовит черновик архитектурного описания модуля, если разработчик передал контекст решений
Почему такие оценки
# Блок EPOCH Обоснование
1 Сгенерировать docstring для функций и классов 1 Детерминированное извлечение: сигнатура + тело функции → стандартный формат. Суждение и контекст не нужны.
2 Сгенерировать примеры кода для API-эндпоинтов 2 Алгоритмическое преобразование тестов в примеры: ИИ адаптирует assert-выражения в читаемые примеры. Minimal суждение о стиле (Stack Overflow Survey, 2024).
3 Обновить OpenAPI spec по актуальному коду 3 Требует суждения (O=3): нужно понять, изменилось ли поведение endpoint или только реализация. ИИ может ошибиться без знания бизнес-контракта.
4 Написать архитектурную документацию для ключевых компонентов 4 Высокое суждение (O=4): архитектурные компромиссы («почему именно так») — это история решений, которую ИИ не знает без явной передачи (Fern, 2026).
Ограничения ChatGPT в этом процессе
  • Не знает намерения разработчика: почему функция реализована именно так — контекст архитектурного решения остаётся вне PR (Stack Overflow Survey, 2024)
  • Генерирует happy path без граничных случаев: edge cases и известные баги ИИ не знает без явной истории (Codacy, 2024)
  • Архитектурная документация требует суждения об архитектурных компромиссах (O=4) — ИИ не знает, почему выбрана именно эта структура (Fern, 2026)
  • Командные конвенции ИИ не знает без явной передачи контекста: «как принято у нас» нужно описывать каждый раз (Stack Overflow Survey, 2024)

Инструкции для передачи задач ИИ

Чтобы передать задачу ИИ, нужно описать три вещи: что подаёте на вход, что получаете обратно и как поймёте, что результат верный. Ниже — такое описание для каждого блока, который переходит к ИИ. Это можно передать разработчику или использовать как основу для промпта.

Задача 1

Автогенерация docstring

Критерии проверки
  • описание совпадает с реальным поведением функции;
  • типы параметров указаны корректно;
  • пример запускается без ошибок
Вход

исходный код функции + связанные unit-тесты

Результат

docstring в Google/NumPy формате: краткое описание, параметры с типами, возвращаемое значение, пример использования

Уровень автономности

3

Экономика

73 788 ₽
экономия в год (Москва)
с 10% до 100%
функций задокументировано
267 600 ₽
стоимость внедрения (год 1)
Метрика Часов в год Экономия (₽/год) Источник
Сгенерировать docstring для функций и классов 33 37 752 📊 Расчёт (10 мин/функция × 200 функций)
Обновление API spec 7,5 8 580 📊 Расчёт (15 мин/неделю вместо 30)
Сокращение онбординга новичков 24 27 456 📊 Расчёт (−3 дня из 10 дней)
Итого 64,5 73 788

Ставки рассчитаны по медианным данным HH.ru и ГородРабот.ру, начало 2026 года. Без учёта НДФЛ и страховых взносов (~30%).

До (без ИИ) Стало возможным (с ИИ) Изменение охвата
API spec обновляется раз в месяц (часто устаревает на 40%) API spec актуален в реальном времени (из кода) 100% покрытие вместо 60%
Docstring вообще нет или минимальные (10% функций задокументировано) 100% функций имеют docstring (Google/NumPy format) с примерами +90% охвата
Новичок разбирается 2 недели Новичок разбирается за 5 дней (вместе с примерами в docstring и README) −60% времени на онбординг
Категория Описание Стоимость
Разовая настройка Разовая настройка 60 000 ₽
Интеграция Интеграция 60 000 ₽ (разово)
Операционные Операционные (API, подписки) 10 000 ₽/мес
Обслуживание ИИ Обслуживание ИИ 2 300 ₽/мес
Разовая настройка Разовые итого 120 000 ₽
Валидация Валидация результатов 2 708 ₽/мес
Компетенции Поддержание компетенций 550 ₽/мес

Ловушка зависимости: чем дольше задача делегирована ИИ, тем сложнее замечать его ошибки. Раз в месяц — выполнить одну задачу вручную, чтобы сохранить способность оценивать результат. Подробнее — Мониторинг

Рекомендация

Начать с Блока 1 (🟢 Автоматизация автогенерация docstring) — выбрать один модуль (20–30 функций) и запустить пилот.

На что обратить внимание:

  • ИИ-docstring не совпадает с реальным поведением → пересмотреть примеры в unit-тестах
  • Новичок всё равно не может разобраться → добавить архитектурный README (это 🟠 Коллаборация блок, требует человека)

Проверка рисков

Вопрос Ответ Следствие
Ошибка необратима? Нет Для 🟢 Автоматизация блоков (docstring, примеры кода) риск низкий — ошибки быстро замечаются в коде.
Публика увидит результат без проверки? Отчасти Docstring видны в IDE, примеры в Swagger. Требуется проверка разработчиком перед commit.
Грозит штраф, иск или вред? Нет Документация внутренняя, не регулируемая область. Штраф исключён.

Уровень контроля после запуска

Уровень автономности — насколько самостоятельно ИИ работает. Для каждого блока выбирается свой уровень в зависимости от цены ошибки.

🟢 Автоматизация блоки (Автогенерация docstring, Примеры кода) — уровень 3 (авто-мониторинг). 🟡 Усиление блоки (OpenAPI spec, примеры ошибок) — уровень 2 (контролируемый). Для каждого блока: проверка человеком перед публикацией в Swagger/Postman.

Если хотите разобрать свой процесс похожим образом — экспресс-диагностика займёт около 45 минут.