KIZZ ENGINEERING NOTE
Почему AI-разработка замедляется после первых недель
Первый экран и первый endpoint AI делает быстро. Затем продукт обрастает решениями, исключениями, данными и деньгами — а короткий prompt перестаёт содержать достаточно правды.
- Автор
- KIZZ Engineering · product engineering
- Опубликовано / обновлено
- 21 августа 2026 / 21 августа 2026
- Время чтения
- 6–8 минут
Проблема не в модели, а в потере контекста
На старте продукт помещается в одну задачу. Через несколько недель важные знания распределены между кодом, чатами, макетами, ошибками production и решениями, которые никто не записал.
Агент видит локальный фрагмент и оптимизирует его убедительно, но не обязательно согласованно с системой. Результат выглядит быстрым до первой интеграции.
Что превращает AI в production-инструмент
Нужен не длинный универсальный prompt, а маршрутизация к авторитетным источникам и ограничениям.
- — Один владелец для требований, данных, архитектуры и runtime-фактов.
- — Иерархические инструкции: общие правила не дублируют локальные контракты.
- — Готовые foundations для auth, billing, admin, errors и telemetry.
- — Автоматические gates, которые проверяют результат, а не стиль ответа агента.
Правильная единица ускорения
Полезно считать не количество сгенерированного кода, а время от проверенной задачи до наблюдаемого production-изменения. В этот интервал входят декомпозиция, реализация, интеграция, проверка и восстановление после ошибки.
Если система сокращает весь цикл, скорость воспроизводима. Если ускорилась только генерация черновика, долг просто переехал в review и runtime.