Недавно коллега скинул мне новость: Starbucks тратит 400 миллионов долларов в год на разработку. Эти деньги идут на внутренние затраты (разработчики и сервисы) и вендоров, у которых компания заказывает разработку.
Разработчики делают важное, что не хочется отдавать на аутсорс или же руководят теми самыми аутсорс-командами. И вот есть нейросети, которые могут ускорить ваших внутренних разработчиков. И им можно дать побольше токенов и заменить вендоров. И это будет значительно дешевле.
И эта ситуация поставила под угрозу целый пласт разработки программного обеспечения. Давайте об этом поговорим.
Кто пишет: Миша Ларченко, техлид, живёт и работает в Амстердаме.
Зачем нужны сервисы, когда есть нейросети?
Мы на работе пользуемся сервисом DataDog. Он действительно классный, удобно хранить логи, копаться в них. Главная проблема — цена, наша версия обходится компании миллионы долларов в год.
Когда ИИ только появился, уже звучали похожие разговоры: нейросети погубят многие SaaS-сервисы, потому что любой человек сможет навайкодить себе замену. Зачем платить за что-то, если можно сделать своё.
Тогда же вышли скилы от Claude и OpenAI, которые позволяют искать уязвимости в коде. И помню, что акции компаний, зарабатывающих на поиске этих уязвимостей, резко упали. Потом, правда, отыграли обратно. Но это был первый признак того, что сервисы действительно могут пострадать, потому что ИИ способен их заменить.
И вышеупомянутый Starbucks уронил акции Microsoft и IBM на 3-4%. И вот почему.
Сервисы Microsoft компания использует для работы с данными, сервисы IBM — для поддержки инфраструктуры. Starbucks заявила, что в течение года, после продолжительного тестирования, планирует запустить собственные аналоги — разработанные самостоятельно, силами своих инженеров и с помощью ИИ.
И это первый достаточно серьезный звонок для компаний, которые предоставляют сервисы. ведь рушится их бизнес-модель.
Разработчики могут это сделать сами
Прямо сейчас они получают деньги за то, что крупные клиенты пользуются их продуктами. Но у этих клиентов есть разработчики, деньги и возможность сделать всё самим — инхаус. По пути Starbucks, скорее всего, пойдут и другие крупные компании.
Вернемся к DataDog, но мы используем не все их возможности. При этом мы используем далеко не все возможности сервиса — только определённый набор фич, который нам нужен. Мы знаем, что это за фичи, как мы их применяем и как агенты обращаются к API или используют MCP DataDog, чтобы читать данные и в них разбираться.
Что нам по сути надо: забирать логи, красиво их отрисовывать и иметь возможность к ним возвращаться. Хранилище в духе AWS S3 стоит недорого. И какой-то код, который будет ходить в это хранилище, забирать данные и красиво их показывать. Вполне посильная задача. Мы уже думаем о реализации такого решения у себя.
Единственный открытый вопрос — есть ли для этого свободные разработчики. Как только у клиента появятся эти рзаработчики, и он будет уверен, что они достаточно опытные, то можно садится, давать им токены, время, чтобы они эти фичи разработали.
Мой клиент — один из крупнейших банков Нидерландов, но по меркам таких компаний, как Microsoft, это довольно небольшая организация. И даже такая компания задумывается о замене части арендованных сервисов на собственные, написанные при участии ИИ. То что уж говорить о куда более крупных клиентах, которые точно могут сделать это сами.
Мнение автора может не отражать позицию редакции.
Что ещё почитать про нейросети и разработку:
- Было 24 разработчика, осталось 5. Фаундер рассказывает, как ИИ поменял его бизнес;
- «Мы живём внутри большого эксперимента». HR объясняет, почему ИИ не заменит всех;
- Из 300 сотрудников осталось 40. ИТ-предприниматель рассказывает, как LLM расставляют всё по своим местам.
Релоцировались? Теперь вы можете комментировать без верификации аккаунта.