За пределами ИИ-кодирования: настоящий скачок производительности — полный отказ от кода

Несмотря на всё внимание к разработке с использованием ИИ, от инструментов автодополнения до систем, генерирующих целые репозитории, разговоры по-прежнему сосредоточены на скорости. Все говорят об ускорении построения шаблонов, прототипирования и генерации кода. Продуктовые команды радуются возможности превращать описания на естественном языке в функции или API за считанные минуты. Да, эти достижения значимы, но они по-прежнему работают в рамках той же программной парадигмы. Код пишется, компилируется, развёртывается, тестируется и поддерживается. Цикл ускоряется, но структура остаётся неизменной.

Однако на более глубоком уровне начинает проявляться сдвиг, предвещающий следующий настоящий прорыв в производительности. Для действительно впечатляющих результатов нам нужна смена парадигмы: не более быстрый код, а его меньше. Вместо использования ИИ для перевода бизнес-правил в программы, которые затем выполняют машины, бизнес-логика будет выражаться непосредственно на естественном языке и выполняться интеллектуальными системами. Модель становится средой выполнения. Слои перевода отпадают.

Этот шаг — не вопрос удобства. Он меняет принципы работы организаций. Он меняет то, как политика становится программным обеспечением, как регулирование становится действием и как компании адаптируются к внешнему давлению. Он открывает возможность сократить многомесячные циклы разработки до быстрых обновлений, основанных на политике, которые меняются так же быстро, как и управляющие ими институты.

Как ИИ переходит от написания кода к выполнению логики

Внедрение ИИ в разработку программного обеспечения можно разделить на три основных этапа. Первый — это кодирование с помощью ИИ, где машина помогает генерировать фрагменты кода или функции в процессе разработки. Второй — это системы, генерируемые ИИ, где крупные компоненты или архитектуры могут создаваться на основе естественного языка. Третий — это логика, выполняемая ИИ, где разработчики вообще не пишут код. Вместо этого они задают политику, правила или намерения. Система интерпретирует эти инструкции и выполняет их напрямую.

Большая часть дискуссий в отрасли по-прежнему ограничивается первыми двумя этапами. Они повышают эффективность, но не меняют глубинную структуру программного обеспечения. Логика ветвления, конвейеры развертывания, регрессионное тестирование и управление средой остаются неизменными. Также сохраняются технический долг, дрейф зависимостей и потребность в командах, способных преодолевать сложные уровни трансляции между политикой, требованиями и кодом.

Возможность на третьем этапе более существенна. Когда бизнес-инструкция становится источником достоверной информации, организации переходят от циклов выпуска программного обеспечения к оперативному исполнению. Обновление правила соответствия становится единой инструкцией. Корректировка порогового значения показателя мошенничества становится единой инструкцией. Изменение логики возврата средств, специфичной для юрисдикции, становится единой инструкцией. Эти изменения не попадают в очередь. Они напрямую переходят в контролируемое исполнение через процессы моделирования, проверки и утверждения.

Эта модель только начинает формироваться. Компоненты уже есть, но интеграция пока не получила широкого распространения. Тем не менее, направление движения ясно.

Почему сокращения затрат на кодирование недостаточно

Код, сгенерированный ИИ, по-прежнему несёт те же трудности, что и код, написанный человеком. Системы требуют обслуживания, а зависимости меняются. Кроме того, рефакторинг становится неизбежным по мере развития логики, а циклы тестирования и регрессии сохраняются, поскольку корректность по-прежнему зависит от статических инструкций, написанных на детерминированном языке. Многие из этих ограничений не имеют никакого отношения к автору кода. Они отражают то, чем по сути является код: слоем перевода между бизнес-целью и машинным выполнением.

Эти ограничения накапливаются. Они поглощают время и деньги. Даже самые сложные репозитории, созданные с помощью ИИ, по-прежнему требуют контроля и сложного тестирования. Обслуживание становится основной статьей расходов на протяжении всего жизненного цикла системы.

Недавние исследования подробно описали эти проблемы. 2025 год исследование технического долга в системах с поддержкой ИИ Обнаружено, что организации, внедряющие код, сгенерированный ИИ, по-прежнему сталкиваются со значительными проблемами поддержки, архитектурной несогласованностью и долгосрочными трудностями рефакторинга. Эти проблемы возникают независимо от того, написан ли код людьми или моделями, что говорит о том, что ускорение генерации кода не устраняет структурные ограничения программной инженерии. Полное удаление слоя трансляции — единственный путь к качественному повышению производительности.

Почему финансовый сектор первым почувствует этот сдвиг

Платежи, банковское дело и финансовые услуги работают в условиях, благоприятствующих адаптации. Нормативно-правовая база часто меняется, и рекомендации в таких областях, как строгая аутентификация клиентов, возмещение ущерба от мошенничества, трансграничные санкции и защита прав потребителей, постоянно совершенствуются. Например, обращение FCA к генеральному директору о возмещении авторизованных push-платежей. устанавливает четкие ожидания в отношении надзора и контроля на системном уровне в этой среде. Учреждения часто тратят месяцы на то, чтобы перевести эти изменения в политику в системное поведение, и эта задержка создает стратегически невыгодное положение.

Модель оперативного исполнения могла бы изменить темп. Вместо того, чтобы кодировать правила в нескольких системах, финансовые учреждения могли бы обновлять политики непосредственно на естественном языке и позволить уровню исполнения интерпретировать, моделировать и генерировать предложения по развертыванию. В этом случае стоимость разработки снизится. Более того, снизится риск неверной интерпретации, а разрыв между регулированием и реализацией значительно сократится.

Ожидания регуляторов в Великобритании движутся в том же направлении. Заявление FCA и Банка Англии о политике в области операционной устойчивости на 2024 год Устанавливает более строгие требования к тому, как финансовые учреждения выявляют уязвимости, реагируют на изменения и обеспечивают непрерывность предоставления критически важных услуг. В руководстве особое внимание уделяется более четким структурам управления и усилению надзора за системами, поддерживающими платежи и борьбу с мошенничеством. Учреждения, способные быстро преобразовывать политику в операционную деятельность, будут иметь больше возможностей для удовлетворения этих ожиданий.

Риски, которые лидеры должны учитывать

Этот переход не обходится без сложностей. Замена кода на исполнение на основе моделей влечет за собой новые формы риска. Детерминизм становится важнейшим фактором, особенно в платежах, где предсказуемость и контролируемость обязательны. Объясняемость становится критически важной для соблюдения требований и контроля со стороны регулирующих органов. Стоимость вычислений должна контролироваться. Управление требует четкого распределения ответственности, особенно в рамках функций высшего руководства.

Недавние исследования надежности и оценки моделей показывают, насколько сложно поддерживать детерминированное поведение в масштабе. исследование, рассматривающее контрольные показатели больших языковых моделей Было обнаружено, что небольшие изменения в настройках оценки приводят к нестабильным, а иногда и противоречивым результатам. Эта изменчивость означает, что любой уровень выполнения, управляемый подсказками, потребует средств контроля, включающих модели ограничений, процедуры валидации, среды моделирования, а также версионные подсказки и модели. Эти элементы необходимы для соответствия нормативным требованиям к надзору и операционной устойчивости.

Инфраструктура, окружающая модели исполнения ИИ, определит, смогут ли учреждения безопасно принять эту парадигму. Недостаточно просто выразить правила на естественном языке. Организации должны создать уровни, обеспечивающие корректность, воспроизводимость и наблюдаемость.

Потенциальная архитектура систем «от политики до исполнения»

В будущем среда исполнения для регулируемых организаций может быть построена по структуре, в которой политика станет основным источником оперативной информации. Этот процесс может проходить через несколько уровней:

• Политика: правила ведения бизнеса или соблюдения нормативных требований, выраженные непосредственно на естественном языке.
• Контролируемая библиотека подсказок: версионный репозиторий, в котором эти правила хранятся, проверяются и утверждаются с полными аудиторскими журналами.
• Интерпретация и моделирование на основе ИИ: системы, которые тестируют политику, запускают сценарии, проверяют граничные случаи и выявляют несоответствия перед развертыванием.
• Рекомендации по развертыванию: предлагаемые этапы развертывания, включая защитные ограждения и оценку воздействия, требующие одобрения человека.
• Выполнение через структурированные API: после одобрения система применяет проверенную политику, используя существующие детерминированные механизмы, такие как механизмы правил или предопределённые API, которые обновляют конфигурации, пороговые значения или элементы управления. Уровень ИИ интерпретирует намерение; уровень исполнения обеспечивает его реализацию без генерации нового кода.

Практический пример иллюстрирует работу этих уровней. FCA обновляет руководство по возмещению ущерба от мошенничества с приложениями, а отдел по обеспечению соответствия преобразует это изменение в политику, написанную на естественном языке. Инструкция может быть простой: «Отметить все исходящие платежи на сумму свыше 500 фунтов стерлингов, для которых получатель был создан в течение последних 48 часов, если отправитель ранее не отправлял платеж этому получателю». Система искусственного интеллекта тестирует инструкцию, запускает моделирование, проверяет граничные случаи, создает документацию и предлагает путь развертывания. Отдел по обеспечению соответствия рассматривает и утверждает рекомендацию. Затем уровень исполнения обновляет соответствующие элементы управления без необходимости написания кода или ручного развертывания.

Такая архитектура обеспечивает человеческий контроль, сокращая при этом техническую дистанцию ​​между политикой и оперативным поведением. Она также обеспечивает контролируемую среду, в которой могут сосуществовать вероятностная интерпретация и детерминированное исполнение.

В нескольких инженерных исследованиях изучалось, как гибридные архитектуры могут поддерживать системы, сочетающие интерпретацию на основе моделей с детерминированной логикой. обзор структур агентного ИИ Как организации могут интегрировать нейронные компоненты со структурами, основанными на правилах, в единую операционную среду. Исследование показывает, что такой подход может упростить координацию между системами, поддерживать более четкие границы критически важных операций и создавать пути выполнения, которые остаются достаточно предсказуемыми в регулируемых контекстах.

Заключение

Инструменты программирования на основе ИИ будут продолжать совершенствоваться. Они ускорят разработку программного обеспечения и снизят трудозатраты. Но они не устраняют фундаментальные ограничения, связанные с переводом бизнес-целей в детерминированный код. Следующим шагом в повышении производительности станет полное удаление этого уровня перевода.

Организации, которые начнут готовиться к оперативному выполнению заказов уже сейчас, получат возможность повысить скорость, устойчивость и прозрачность. Они смогут быстро адаптироваться к изменениям в нормативных актах и ​​сократить технические трудности. Они также создадут инфраструктуру, необходимую для автономных, машинно-управляемых рабочих процессов.

Институты, которые продолжат концентрироваться на генерации кода, получат преимущество в эффективности. Институты, которые выйдут за рамки кода, получат стратегическое преимущество.