Команда Яндекс Браузера ускорила написание кода на 20% благодаря AI, но ключевым фактором стала не технология, а привычка руководителей и правильная инфраструктура. Артур Василов рассказал, как это работает.
- Команда Яндекс Браузера добилась 20% ускорения в написании кода и проектировании решений к началу 2026 года, но не во всем цикле разработки фичи
- Почти вся команда ежедневно использует агентские сценарии, но ключевым фактором стало не техническое внедрение, а привычка руководителей работать с AI на практике
- Внедрение AI прошло в два этапа: сначала привычка (общий чат, амбассадоры, живые демо), потом инфраструктура (AGENTS.md, системные промпты, автоматизация рутинных задач)
- Следующий шаг — автоматизация релизного дежурства и массовый перевод Objective-C в Swift, но без автоматизации соседних процессов (менеджмент, тестирование) эффект на time to market останется ограниченным
- Артур Василов подчеркивает: AI не заменяет разработчика, а ускоряет его работу, если правильно настроить инструменты и дать агентам максимальную автономию
Команда Яндекс Браузера уже на 20% быстрее пишет код и проектирует решения — но не потому, что AI работает как волшебная палочка, а потому, что разработчики привыкли его использовать. Об этом рассказал Артур Василов, руководитель команды, на конференции Mobile Runtime.
И ключевой вывод: внедрение AI в разработке начинается не с технологий, а с привычки — и именно руководители задают этот тон. Сейчас почти вся команда Яндекс Браузера ежедневно работает с агентскими сценариями, но прирост скорости пока фиксируется только на этапах проектирования и написания кода — не на всем пути от идеи до продакшена. Почему? Потому что AI пока не интегрирован в соседние процессы: менеджмент задач, тестирование или релизный дежурство.
Без этого ускорение останется локальным. Василов разложил внедрение AI на два слоя.
Первый — привычка: чтобы разработчики не спрашивали у AI разовые вопросы, а решали реальные задачи, нужны три условия. Во-первых, общий AI-чат, где команда может обсуждать сценарии использования. Во-вторых, амбассадоры внутри команд, которые показывают, как именно AI помогает в ежедневной работе.
И в-третьих, живые демо и четкая настройка инструментов — чтобы никому не пришлось вручную интегрировать агентов с Xcode или Android Studio. Но самое важное — роль руководителей.
Там, где лидер сам регулярно работает с AI, проникновение инструмента в команде в разы выше, чем при формальном внедрении сверху. Это не теоретические рекомендации: в Яндекс Браузере именно так и получилось — потому что менеджеры не просто говорили о необходимости AI, а сами показывали, как им пользоваться. Второй слой — инфраструктура. Когда привычка сформирована, приходит время для системных решений: документация в виде AGENTS.md, набор стандартных промптов (MCP), и скиллы для повторяющихся задач.
Логика простая: агент должен решать задачи самостоятельно, а не ждать указаний от разработчика.
Например, уже сейчас AI помогает в массовом переводе старого Objective-C-кода на Swift — задача, которая раньше занимала месяцы, теперь укладывается в недели. Следующий шаг — автоматизация релизного дежурства. Агент теперь берет на себя рутинные операции: анализ состояния релиза, первичную обработку крешей и багов, а инженеры проверяют результат.
Но Василов предупреждает: если не автоматизировать соседние процессы — например, постановку задач или тестирование — то эффект на время выхода фичи в продакшн (time to market) останется ограниченным. Если тренд подтвердится, к концу 2026 года AI может стать неотъемлемой частью не только разработки, но и смежных процессов в Яндекс Браузере.
Но если внедрение остановится на локальных ускорениях, без интеграции в полный цикл, то эффект останется точечным — и другие компании не смогут повторить опыт один в один. За чем следить дальше: как именно Яндекс Браузер будет масштабировать автоматизацию релизного дежурства и тестирования, и насколько быстро другие команды в Яндексе начнут копировать этот подход.
