01 / 14
⚡ Tech Talk · 15 апреля · 13:00
Как ИИ ускоряет
разработку в банке
Денис Быховский
Lead Java Developer
80% разработчиков пробовали ИИ · Доверяет результату — только 29%
02 / 14
Результат · 6 недель · 3 спринта
Что изменилось за три спринта
↓ 0%
Время на написание тестов
⏱ 40 мин → 12 мин / модуль
↓ 0%
Время на code review
⏱ 40 мин → 15 мин
+0%
Задач закрыто за спринт
Та же команда · без переработок
3 спринта · Java / Spring Boot / PostgreSQL · тот же состав команды
03 / 14
Было → Стало
Конкретные числа за конкретный период
МетрикаБылоСталоΔ
Unit-тесты40 мин / модуль12 мин↓ 70%
Code review3–4 ч / день1.5 ч↓ 60%
Разбор ошибок45 мин / баг15 мин↓ 66%
Задач / спринтбазовый темп+30% закрыто↑ 30%
Анализ чужого сервиса2–3 дня изучения2–3 часа + карта↓ 90%
Без найма новых людей · без переработок · только другой подход к инструментам
04 / 14
"
ИИ не пишет код вместо меня.
Он убирает рутину — я занимаюсь
архитектурой и сложными задачами.
Проектирование вместо шаблонного кода
Сложные задачи вместо очевидных багов
Stack Overflow 2025 · 84 000 разработчиков
80% пробовали ИИ · 29% доверяют результату
Причина разочарования — плохие промпты, не плохой ИИ
05 / 14
🎓 Для тех, кто ещё не работал с ИИ · 60 секунд
Что такое LLM и почему важен промпт
🧠
Как работает LLM
Обучена на сотнях миллиардов строк: GitHub, StackOverflow, документация, финансовые стандарты. Не гуглит — генерирует ответ по паттернам. Уже знает BigDecimal, ACID, банковские паттерны.
📋
Промпт — это ТЗ для ИИ
Качество ответа = качество запроса.
❌ «напиши тест»
✅ «Ты — Senior Java Dev по банковским системам. Напиши JUnit 5 тест: happy path, null, BigDecimal граничные. Только код.»
ФОРМУЛА:
[РОЛЬ] кем должен быть ИИ ·
[КОНТЕКСТ] стек, домен, ограничения ·
[ЗАДАЧА] что именно нужно ·
[ФОРМАТ] как подать результат ·
[СТОП] чего НЕ делать
06 / 14
Как достигли · инструмент #1
GPT OSS — AI-ревью каждого PR в периметре банка
→
🔗GitLab Hook
Триггер on open
→
⏱ ~30 сек🤖GPT OSS
On-premise · в банке
→
→
✅ после правок🔎Human Review
40 → 15 мин
🔴 Критично ловитSQL-инъекции · открытые транзакции без rollback · логирование номеров карт и счетов · race conditions
🟡 Важные замечанияНарушения SOLID · N+1 запросы · дублирование · проблемы производительности в расчётах
🔐 Данные остаются в банкеGPT OSS развёрнут on-premise. Prod-данные и ПДн — только моки, никогда в промпты
07 / 14
Как достигли · кейсы #2 и #3
Unit-тесты и разбор ошибок
Unit-тесты с AI-промптом
Роль «Senior Java Dev по банковским системам» → ИИ сам применяет: BigDecimal вместо float, граничные значения, заблокированные счета, лимиты. Первая итерация — 85–90% покрытия.
40 → 12 мин
на каждый модуль
Разбор ошибок из Grafana
Лог + stack trace + код → единый промпт. Основная причина + 2–3 гипотезы с вероятностями + план + готовый фикс. 7 из 10 ошибок — причина с первого ответа.
45 → 15 мин
на каждый баг
Тесты: «Ты — Senior Java Dev по финансовым системам. Java 17, JUnit 5, Mockito. Напиши: happy path, null, BigDecimal граничные, лимиты, заблокированные счета. Только код.»
Баги: «Ты — эксперт по Java 17, Spring Boot 3.2. [лог] [stack trace] [код] → причина + гипотезы с вероятностями + план + фикс + профилактика»
08 / 14
Как достигли · кейсы #4 и #5
Анализ чужого сервиса и контекст из документации
Исследуем чужой сервис — есть ли возможность для интеграции?
Вставляю OpenAPI / код / описание в промпт → ИИ строит карту возможностей: где подключиться, что потребует доработки, какие риски. Вместо нескольких дней — 2–3 часа с чёткой картиной.
дни → часы
от «непонятно» до карты интеграции
Jira + Wiki + архитектура в одном промпте
Jira говорит одно, Wiki — другое, в коде — третье. Даю ИИ всё сразу — реализует задачу не упустив ни одно правило: ACID, audit log. Сам говорит что обновить в Wiki.
Bus-factor ↓
знания в команде, не у одного человека
Карта точек интеграции
Риски видны сразу
ACID · audit log
Wiki обновляется
09 / 14
🛠 Стек команды
Что используем · 3 уровня инструментов
🔐 Prod-данные и ПДн в промпты не вставляем никогда · только анонимизированный код и моки
10 / 14
Секреты эффективности
5 паттернов, которые большинство не пробовали
1
Роль эксперта в домене
ИИ сам применяет правила вашего домена: банковские паттерны, стандарты, требования регулятора
«напиши тест»«Ты Senior Java Dev по банковским системам»
2
Контрпример (calibration)
Плохой + хороший пример из вашего кода → ИИ откалибруется под стиль команды и будет писать как ваши сеньоры
Пример плохого + хорошего → стиль команды
3
🔗 Цепочка промптов
Не просите всё сразу. Каждый шаг использует результат предыдущего для глубокого анализа
Объясни → Найди риски → Напиши тесты на эти риски
4
Принцип следователя
Попросите искать проблемы активно — принципиально другой результат
«проверь код»«Найди 5 причин почему это сломается в prod»
5
Grafana-лог прямо в промпт
ИИ видит ту же картину что видите вы — работает как коллега, не угадывает по симптомам. Лог + stack trace + код = единый промпт → причина + гипотезы + готовый фикс за секунды
«есть ошибка»Grafana-лог + stack trace + код → основная причина + гипотезы + готовый фикс
11 / 14
Главный вывод
Что реально изменилось
❌ Раньше
→
✅ Теперь
Писать шаблонный код
→
Проектировать
Искать очевидные баги
→
Решать сложные задачи
Дни на анализ чужого сервиса
→
Карта интеграции за часы
Забывать edge cases
→
Покрывать системно
4 часа на code review
→
⏱ 1.5 ч + выше качество
Разработчик с ИИ ≠ ленивый разработчик · Разработчик с ИИ = разработчик × 2
12 / 14
Что дальше
Одна гипотеза · одна дата
🧪 Проверяем прямо сейчас
Claude Code как агент для написания новых модулей
Ставишь задачу → агент читает репозиторий → пишет код → запускает тесты → видит ошибки → итерирует сам.
Используем аккуратно: только новые модули · не критичные расчёты
13 / 14
Действие
С чего начать прямо сегодня
1
⏱ 5 минут сейчас
Возьмите любой Java-класс → вставьте промпт на тесты → посмотрите на результат своими глазами
2
В следующем PR
Перед отправкой спросите ИИ: «найди 5 причин почему этот код может сломаться в prod» — увидите что пропустили
3
При следующей ошибке в логах
Вместо хаотичного поиска — лог + stack trace в промпт. Структурированный анализ с гипотезами и готовым фиксом
14 / 14
Спасибо за внимание
Q&A
Денис Быховский · Lead Java Developer
Разработчик с ИИ ≠ ленивый разработчик
Разработчик с ИИ = разработчик × 2