Как универсальный разработчик с 20-летним опытом увеличил скорость разработки в 3 раза с помощью ИИ

В статье используются следующие термины:

CRM (Customer Relationship Management) — это система управления взаимоотношениями с клиентами, программное обеспечение для автоматизации стратегий взаимодействия с заказчиками, повышения уровня продаж, оптимизации маркетинга и улучшения обслуживания.

Fullstack-разработчик — это специалист, который умеет делать и frontend, и backend: то есть и видимую часть сайта или приложения, и серверную логику, базу данных, API* и всё, что работает «под капотом».

*API (Application Programming Interface) — это набор правил и инструментов, которые позволяют разным программам или сервисам обмениваться данными и функциями друг с другом.

Вайб-кодинг — это способ разработки, при котором человек описывает задачу простым естественным языком, а искусственный интеллект генерирует по этому описанию код и помогает его дорабатывать.

Промпт‑инжиниринг — это практическое использование техник составления и отладки промптов для решения конкретных задач в реальных продуктах и процессах (написать и исправить код, подготовить аналитику, сгенерировать тексты, автоматизировать рутину), с опорой на доменные знания — например, программирование, маркетинг или аналитику.

RAG (Retrieval-Augmented Generation — «Генерация с дополнением поиском») — это технология улучшения ответов искусственного интеллекта, при которой модель (LLM, как GPT) перед ответом ищет актуальную информацию во внешних источниках (документах, базах данных, интернете).

Дмитрий Горшков, 57 лет, Санкт-Петербург — ИТ-специалист с более чем 20-летним опытом в веб-разработке и CRM-системах. Освоив технологии ИИ, он интегрировал их в текущие проекты, что позволило кратно ускорить время разработки.

Стартовая точка

Дмитрий работает в ИТ более 20 лет: занимается разработкой сайтов и CRM-систем, выступает как fullstack-разработчик (backend + frontend). Работает в формате ИП, совмещая:

• долгосрочные контракты с крупными компаниями
• проекты для малого и среднего бизнеса
•  фриланс-заказы

Образование:

• техническое — СПбГЭТУ «ЛЭТИ» (радиотехнический факультет)
• экономическое (второе высшее) — СПбГУ
• курсы веб-разработки — Школа Бизнеса МАОВ

К моменту начала обучения нейросетям у него уже была устойчивая профессиональная практика, однако классическая веб-разработка перестала давать ощущение роста и новизны.

ОНЛАЙН-ПРАКТИКУМ

ЗАПУСК нейросети DEEPSEEK R1 ЛОКАЛЬНО НА СВОЕМ КОМПЬЮТЕРЕ

ЧТО БУДЕТ НА ОБУЧЕНИИ?

• ПОКАЖЕМ, КАК РАЗВЕРНУТЬ МОДЕЛЬ нейросети DEEPSEEK R1 ПРЯМО НА СВОЁМ КОМПЬЮТЕРЕ
• Где и как применять? Потестируем модель после установки на разных задачах
• Как дообучить модель под себя?

Участвовать бесплатно

Обучение и инструменты

Дмитрий последовательно прошёл обучение по работе с российскими нейросетями, освоил вайб-кодинг и углублённо изучил промпт-инжиниринг. В результате ИИ стал частью повседневных процессов разработки.

Ключевые инструмент

В рамках решения задач Дмитрий не ограничился одной моделью, а выстроил гибкий стек ИИ-инструментов, исходя из доступности и корпоративных ограничений.

• нейросетевая модель GPT используется как основной инструмент благодаря качеству генерации и универсальности, при ограничениях доступа к API в рабочей среде возможно использование прокси.
• нейросеть YandexGPT применяется в корпоративной среде, где критично соответствие требованиям законодательства РФ и внутренним политикам безопасности.
• нейросеть DeepSeek используется для аналитических и сложных логических задач, где требуется более глубокая проработка и структурность ответов.
• инструмент вайб-кодинга Cursor — это основной инструмент разработки. Используется в рамках подхода вайб-кодинга и позволяет значительно ускорять написание, рефакторинг и анализ кода за счёт работы с контекстом проекта.
• Мультиагентная архитектура как основа разработки:

Ключевым элементом подхода здесь стала разработка собственных мультиагентных ассистентов — систем, где ИИ работает не как единая модель, а как команда специалистов с распределёнными ролями.

Например, в бэкенд-консультанте на PHP Laravel (веб-фреймворк с открытым исходным кодом) отдельные «агенты» отвечают за разные этапы: Planner — за декомпозицию задачи, Architect — за архитектуру, Developer — за реализацию, Reviewer и Optimizer — за проверку и улучшение, Challenger — за поиск слабых мест, Documentator — за документацию, а Coordinator собирает итоговое решение.

Такой подход позволяет проходить полный цикл разработки: от идеи — до готового, проверенного решения. 

По сути, Дмитрий перенёс командную модель разработки внутрь ИИ и сделал её частью повседневной работы.

Переход к практике

Основной фокус — не смена профессии, а усиление текущих проектов за счёт внедрения ИИ в повседневную разработку. ИИ был встроен в ключевые этапы работы: от проектирования архитектуры — до написания, оптимизации и проверки кода.

Результат:

• существенное ускорение разработки, особенно при работе со сложными задачами;
• снижение количества ошибок за счёт многоуровневой проверки, качественного тестирования и проработки архитектуры.

Основной кейс: внедрение ИИ в разработку и бизнес-процессы

Технологический стек

В рамках внедрения был сформирован прикладной стек инструментов и технологий, обеспечивающий полный цикл работы с ИИ — от генерации решений до интеграции в бизнес-процессы:

• Большие языковые модели (нейросети GPT, YandexGPT, DeepSeek) — используются для генерации кода, анализа, проектирования решений и поддержки принятия инженерных решений.
• Инструмент вайб-кодинга Cursor — основной инструмент разработки с глубокой интеграцией ИИ, обеспечивающий ускорение написания, рефакторинга и анализа кода.
• Язык программирования JavaScript — реализация клиентской логики и интерфейсов взаимодействия с ассистентами.
• Веб-фреймворк с открытым исходным кодом PHP (Laravel) — серверная логика, API и интеграция ИИ в существующие системы.
• Язык программирования Python — обработка данных, работа с embedding-моделями и интеграция с векторными хранилищами.
• RAG (Retrieval-Augmented Generation) — подход к повышению качества ответов за счёт подключения корпоративных данных и внутренней документации.
• Векторные базы данных — хранение эмбеддингов и реализация семантического поиска по внутренним источникам знаний.

Такой стек позволяет объединить генеративные модели с корпоративными данными и встроить ИИ в реальные рабочие процессы, а не использовать его как изолированный инструмент.

Реализованный функционал

1. Сервисные ассистенты (клиентское взаимодействие)
   Ассистенты выполняют роль цифровых администраторов: консультируют клиентов, помогают с выбором услуг и направляют к целевому действию (например, онлайн-бронированию). Работают на основе базы знаний и API-данных, обеспечивая актуальность информации, при этом не обрабатывают персональные данные и не выполняют транзакции.
2. Ассистенты с нормативной логикой (RAG-подход)
   Ассистент использует RAG и векторную базу знаний для работы с нормативными документами. Ответы формируются строго на основе источников, без интерпретаций, в официальном и структурированном формате.
3. Специализированные профессиональные ассистенты
   Реализованы на примере медицинского ассистента для анализа рентгеновских снимков. Ассистент ориентирован на профессиональную аудиторию и предоставляет краткие, клинически точные выводы с использованием специализированной терминологии.
   Используется как инструмент поддержки принятия решений, не заменяя специалиста.

Технологические особенности решений

Реализованные ассистенты представляют собой не отдельные прототипы, а набор типовых архитектурных подходов:

• работа как в упрощённой веб-интеграции (без сложной инфраструктуры), так и в расширенных сценариях;
• подключение корпоративных данных через RAG и векторные базы;
• возможность выбора нейросетевой модели (GPT / YandexGPT) в зависимости от задач и ограничений;
• интеграция с внешними API и внутренними системами для получения актуальных данных;
• настройка логики поведения и ролей ассистента под конкретный бизнес-процесс. 

Сложности внедрения

• необходимость контроля поведения ассистентов: модели могут отклоняться от заданной логики и сценариев;
• различия в качестве и поведении нейросетевых моделей (GPT и YandexGPT), требующие адаптации решений;
• сложность проектирования и внедрения RAG-инфраструктуры (подготовка данных, настройка поиска, актуализация базы);
• ограничения корпоративной безопасности и требований к инфраструктуре;
• длительные организационные процессы внедрения (согласования, закупки, регламентные процедуры). 

Подходы к решению

• внедрение контролируемых сценариев и логики работы ассистентов;
• разработка отдельных конфигураций под разные модели с учётом их особенностей;
• оптимизация архитектуры решений, в том числе отказ от избыточных компонентов (где это возможно — без использования языка программирования Python);
• использование гибридных подходов (комбинация моделей, правил и интеграций).

Такой подход позволил сохранить управляемость решений и адаптировать их под реальные ограничения корпоративной среды.

Финансовый и карьерный итог

На момент интервью прямой доход от ИИ-решений ещё не сформирован: проекты находятся на стадии тестирования, переговоров и согласования внедрения.

При этом уже достигнут практический эффект — оптимизированы текущие процессы разработки, снижены трудозатраты и заложена технологическая база для последующей монетизации.

Текущий статус и планы

На текущий момент Дмитрий продолжает развитие решений: регулярно выпускаются обновления, ведутся переговоры с компаниями и проводится тестирование сценариев внедрения.

Ключевые планы

• доведение продуктов до промышленного уровня и стандартизация решений;
• запуск коммерческого внедрения (целевой горизонт — до осени);
• постепенное смещение фокуса в сторону ИИ-проектов с увеличением их доли в работе до 50%. 

Вывод

Кейс показывает, что даже опытные разработчики с устойчивой практикой могут существенно повысить свою эффективность за счёт внедрения ИИ: ускорить разработку, автоматизировать сложные процессы и сформировать новые продуктовые направления.

При этом ключевым фактором остаётся не выбор инструментов, а способность выстраивать управляемую работу с ИИ, который в данном случае выступает не заменой разработчика, а инструментом — при условии, что за ним стоит опыт и системное понимание разработки.

Связаться с Дмитрием

Имейл — dmitry1203@gmail.com

Телеграм — @gor_dmitry