GM увеличивает количество запросов на включение кода в три раза с помощью ИИ-агентов

Инженеры-программисты из подразделения автономного вождения General Motors (GM) тратят на написание кода всего 15% своего времени, рассказал Рашед Хак (Rashed Haq), вице-президент GM по беспилотным автомобилям, в недавнем интервью на сцене VB Transform 2026.

В настоящее время GM использует ИА-агенты для ускорения большей части оставшихся 85% задач, включая анализ данных с автомобилей, первичную оценку проблем, проведение экспериментов и тестирование возможных исправлений.

По словам Хака, результатом стало примерно трехкратное увеличение количества принятых (merged) запросов на слияние (pull requests) во всей инженерной структуре беспилотных автомобилей GM, более быстрые релизы и меньшее количество дефектов, проникающих на более поздние этапы разработки.

Хак отметил, что GM добилась таких результатов за счет перестройки целых инженерных рабочих процессов вокруг агентов, а не простого добавления ИИ-помощника для написания кода.

«Если вы просто даете человеку чат-бот, который умеет писать код, в этот процесс по-прежнему заложено множество неэффективностей», — сказал Хак.

До появления агентного ИИ инженеры тратили большую часть времени вне редактора кода

Цифра в 15% от GM может показаться поразительно низкой, но исследования, проведенные до появления генеративного и агентного ИИ, пришли к схожим выводам.

Исследование Microsoft 2019 года, основанное на ответах 5971 профессионального разработчика, показало, что в удачные рабочие дни они тратили на написание кода в среднем 96 минут, а в неудачные — 66 минут. Это составляет примерно 20% и 14% от восьмичасового рабочего дня соответственно. <Опрос Stripe за 2018 год>Опрос Stripe 2018 года показал, что средний разработчик тратит более 17 часов каждую неделю на работы по обслуживанию, такие как отладка и рефакторинг.

Единого отраслевого стандарта не существует: исследователи из Microsoft отметили, что в более ранних исследованиях доля времени разработчиков, уходящая на кодинг, составляла от 9% до 61% в зависимости от того, как исследователи определяли и измеряли эту работу. Но эти выводы подкрепляют главный аргумент Хака. Задолго до появления агентов написание кода представляло собой лишь одну часть разработки программного обеспечения. Ускорение только этого этапа оставляет большую часть процесса разработки без изменений.

«Работа в рамках циклов стала по-настоящему важной», — сказал Хак.

GM разделяет работу над беспилотными автомобилями на несколько циклов: разработка и тестирование ПО в симуляции, испытания машин на дорогах общего пользования и мониторинг автомобилей после того, как они попадают к клиентам. Затем компания выявляла самое узкое место в каждом цикле, автоматизировала его и повторяла процесс.

GM предоставила агентам доступ к внутренним инструментам и данным

GM подключила агенты к внутренним инструментам и петабайтам корпоративных данных с помощью кастомизированных серверов протокола контекста модели (Model Context Protocol, MCP). Компания также создала с версионным контролем «навыки» (skills) — документы с инструкциями, которые объясняют агентам, как выполнять конкретные задачи.

Одно из наиболее ценных применений связано с телеметрией, собираемой с автомобилей на дорогах общего пользования. Агенты могут анализировать эти данные, проводить предварительную сортировку (триаж) и создавать задачи (issues) для расследования инженерами. Благодаря подключениям по протоколу MCP они могут напрямую вызывать те же базовые инструменты, которые используются в WebViz (системе визуализации телеметрии автомобилей от GM), вместо того чтобы полагаться на тот же графический интерфейс, который видит человек.

Результаты все равно должны быть понятны инженерам. «Выходные данные должны быть доступны для чтения человеком», — пояснил Хак. Агент может выявить потенциальную проблему, найти поврежденный компонент, поискать в исторических данных похожие инциденты и предоставить примеры, подтверждающие его выводы.

GM определяет уровень разрешений агента на основе прав использующего его инженера.

«Если инженер собирается выполнить эту задачу и ему нужен доступ к определенным вещам, то и его агенту нужен доступ к этим вещам», — сказал Хак. «Инженер по-прежнему несет ответственность за результат работы агента».

Компания также использует фоновые агенты для параллельного запуска экспериментов по машинному обучению. Инженер задает эксперимент и его параметры, после чего агенты выполняют тесты и собирают результаты.

Тройной объем запросов на слияние при меньшем количестве пропущенных дефектов

GM отнеслась к своей внутренней платформе агентов как к продукту и выделила четырех инженеров для прямой работы с командами разработчиков. Они помогали сотрудникам определять полезные рабочие процессы, распространять успешные практики и внедрять инструменты.

По словам Хака, последовавший за этим рост числа принятых запросов на слияние отражает не просто увеличение объема кода. «Скорость, с которой мы выпускаем новые функции», выросла, отметил он, в то время как релизы стали приводить к «меньшему количеству пропущенных тестов, пропущенных багов» и других проблем.

Люди по-прежнему несут ответственность в критических точках контроля. Хак сообщил, что перед тем как ускорить общий рабочий процесс, GM создала структурированные и неструктурированные тесты, а также показатели эффективности. Инженеры проверяют эти метрики и определяют, сохраняет ли каждый тест свою изначальную цель, прежде чем работа перейдет на стадию производства.

Хак признался, что изначально в GM ожидали более скромного прироста производительности. «Думаю, единственным сюрпризом для нас стало то, как много мы смогли сделать», — сказал он.

Подход GM не сводился к тому, чтобы выдать каждому разработчику генератор кода. Он начался с картирования всего пути от обнаружения проблемы до проверенного исправления в каждом цикле — симуляции, дорожных испытаний, мониторинга после развертывания — с последующим предоставлением агентам контролируемого доступа к инструментам и данным, необходимым для сокращения самого узкого места на каждом этапе.