State of DevOps Russia

Основные количественные изменения (2023–2025)

Для наглядности приведем ключевые метрики по годам, отражающие изменения в практике DevOps, особенно в использовании ML/AI-инструментов:

Показатель	2023	2024	2025
Доля команд, использующих ML/AI	(Не была существенно выделена)¹	44% – почти половина команд начала применять AI для DevOps-задач	71,3% – большинство специалистов используют AI-инструменты
Влияние AI на эффективность	–	47% отметили рост эффективности благодаря AI	54,1% считают, что AI повышает их личную продуктивность, 45,6% – командную
Популярные задачи с AI	–	Автоматизация тестирования кода, поиск аномалий, управл. конфигурациями, инцидентами	Генерация кода (65,2%), создание документации (45,5%), поиск ошибок в коде (45,2%), генерация тестовых сценариев (34,3%)
Доля высокоэффективных команд	–	– (больших изменений не отмечалось)	Доля Elite-команд выросла +4%, High – +2%, Medium сократилась –9% (улучшение общей эффективности)
Автоматизация и CI/CD	(Рост практик CI/CD, без цифр)	64,7% используют Managed-оркестрацию (рост с 56% в 2023)	Снижение ручного управления и рост автоматизации: активно внедряются CI/CD и Observability-системы

¹ В отчете 2023 года использование AI/ML напрямую не выделено как отдельная метрика, что говорит о том, что эти технологии тогда еще не стали массовым явлением в DevOps. Однако стороннее исследование T1 указывало, что к началу 2024 года около 49% опрошенных так или иначе пробовали инструменты с ИИ, что создало основу для резкого роста, зафиксированного в отчетах 2024–2025.

Внедрение AI-инструментов: эффекты и качественные изменения

Повышение продуктивности. Использование ИИ в разработке ПО доказало свою ценность: почти половина специалистов в 2024 году заметили ускорение работы за счет AI. К 2025 году более 54% респондентов указали, что ML/AI-инструменты ощутимо повышают их индивидуальную производительность, а ~46% отметили рост эффективности всей команды. Инженеры всё чаще делегируют рутинные задачи алгоритмам и концентрируются на творческих и сложных аспектах разработки. По словам технического лидера Express 42, AI-решения “позволяют автоматизировать рутинные задачи и быстрее проверять бизнес-гипотезы”, высвобождая время на нестандартные требования. В 2025 году эксперты уже называют умелое использование AI “решающим конкурентным преимуществом”, напрямую влияющим на продуктивность бизнеса.

Автоматизация разработки и тестирования. Практически за два года AI из экспериментального инструмента превратился в повседневный элемент инструментари-я разработчиков. В 2024-м DevOps-инженеры сообщали, что в первую очередь применяют ML/AI для автоматизации проверки кода (тесты), обнаружения аномалий, управления конфигурациями систем и даже автодействий при инцидентах. К 2025 году список расширился: генерация исходного кода стала самым массовым сценарием (ее используют ~65% опрошенных), на втором месте – автосоздание документации (~45%), далее – автоматический анализ кода на ошибки (45%) и генерация тестовых сценариев (~34%). Иными словами, ИИ охватывает весь цикл разработки – от написания и сопровождения кода до его тестирования. 2025 отчет отмечает, что 63% опрошенных в целом считают AI полезным именно для разработки кода, а 37% – для автоматизации тестирования. Это подтверждает, что AI-инструменты прочно вошли в практику разработки ПО, снимая часть рутины с инженеров.

Новые навыки и сложности внедрения. Стремительное проникновение AI потребовало от команд освоения новых практик – в частности, prompt engineering (искусство эффективно задавать запросы к AI). По данным отчета 2025, большинство специалистов оценивают свой уровень в промпт-инжиниринге лишь как “любитель” (≈46%), еще ~22% называют себя новичками, и только ~28% – опытными. Это указывает на существующий разрыв в экспертизе: многим инженерам еще предстоит научиться полноценно использовать возможности AI. Помимо этого, компании сталкиваются и с барьерами внедрения AI. В 2025 году среди главных сложностей при внедрении ML/AI-инструментов респонденты назвали: конфиденциальность данных (55,7%), вопросы информационной безопасности и совместимости, а также нехватку обучения эффективному использованию AI (33%). Эти проблемы отражают необходимость выстраивать политики и обучение: например, обезопасить использование облачных AI-сервисов, обеспечить приватность кода и данных, а также повысить компетенции инженеров в работе с интеллектуальными помощниками.

Восприятие AI в DevOps. Если в 2023 году ИИ упоминался лишь вскользь как одна из новых технологий, то к 2024 году отношение к нему резко изменилось. Согласно отчету 2024, практика применения искусственного интеллекта расширяется – почти половина команд уже использует ML/AI для DevOps-задач. В 2025 году это стало новой нормой: отчёт прямо говорит, что ML/AI-инструменты становятся частью повседневной работы инженеров. DevOps-сообщество прошло путь от осторожного интереса к пониманию того, что AI – не игрушка, а рабочий инструмент разработчика. Уже в 2025 году игроки рынка называют искусственный интеллект одним из двух главных драйверов DevOps ближайшего будущего (наряду с безопасностью). При этом отмечается, что “ИИ уже стал одним из полноценных инструментов разработчиков”, а гонка за эффективность выводит AI-практики на передний план. Таким образом, за три года произошел сдвиг от единичных экспериментов к массовому внедрению и стратегическому восприятию AI в DevOps.

Контекст и тренды DevOps (2023–2025)

Расширение DevOps за пределы ИТ. В 2023 году DevOps-принципы активно выходили за рамки ИТ-компаний. Согласно отчету 2024 (4-й ежегодный), практики DevOps начали внедряться в новых отраслях – помимо ИТ (36% респондентов), значительную долю опрошенных представляли финансы (12%), ритейл (~7%), а также промышленность, энергетика, гос.сектор и др.. Такой рост интереса новых секторов связан с доказанной эффективностью DevOps: компании видят, что он позволяет быстро проверять гипотезы и внедрять инновации, сокращая время вывода продукта на рынок. К 2025 году можно говорить, что российский рынок DevOps вышел на этап устойчивого развития – большинство компаний адаптировались к потрясениям предыдущих лет и сместили фокус с выживания на повышение эффективности и качества разработки. В числе причин такого “взросления” – рост компетенций на рынке и распространение лучших практик от лидеров индустрии ко всем остальным.

Импортозамещение и облака. Существенным внешним фактором стала технологическая автономия. В 2023–24 годах продолжался переход на отечественные инструменты и open-source: доля компаний, использующих российский DevOps-инструментарий, выросла с ~54% (2022) до 77% (2023). Параллельно с 56% до 73% увеличилась доля организаций, практикующих открытый софт. Компании сообщают, что вынуждены заменять ушедшие зарубежные продукты, хотя признают, что отечественным решениям “еще предстоит эволюция, чтобы достичь мировых стандартов”. Также облачные технологии стали рассматриваться не только как способ ускорить разработку, но и как инструмент для безопасности и снижения издержек. В 2023 году 29% компаний отметили, что облачные платформы помогают соответствовать требованиям по защите персональных данных. К 2024 году половина респондентов уже указывали, что облака улучшают соответствие требованиям регуляторов по безопасности (например, упрощают аудит PCI DSS). Доля гибридных облачных моделей выросла: ~30% компаний в 2024 используют гибридную инфраструктуру, еще 33% – полностью on-premises. В 2025-м надежность и независимость инфраструктуры вышли на первый план: 82% отметили повышение надежности ИТ-инфраструктуры как главное преимущество облаков (против 44% годом ранее!). Такая перемена приоритетов говорит о том, что за год-фокус сместился с гибкости и скорости на устойчивость и compliance.

Безопасность и DevSecOps. За рассматриваемый период требования безопасности интегрировались в процессы разработки. В 2023 многие компании только выстраивали “безопасный пайплайн”, ощущая нехватку опыта и инструментов безопасной разработки. Уже в отчете 2025 отмечено, что 77,1% специалистов применяют инструменты ИБ, 66,8% компаний интегрировали их в CI/CD-пайплайны, а 40% организаций встроили безопасность во все этапы DevOps-цикла. Практики вроде ранних security-проверок (на этапе кода) стали массовыми (их используют ~50% опрошенных). Такой сдвиг обусловлен как ростом числа атак, так и повышенным вниманием регуляторов. Важно, что усиление безопасности временами негативно влияло на скорость: в 2024 году фиксировалось ухудшение некоторых ключевых метрик разработки (реже деплой, дольше поставка) по сравнению с предыдущим годом. Аналитики связали это с тем, что новички (новые компании в опросе) имели низкую эффективность, а продвинутые команды сместили фокус с максимального темпа релизов на надежность и качество, в том числе из-за внедрения новых практик ИБ. Тем не менее, такой эффект считается временным – полная автоматизация этапов безопасной разработки должна вернуть привычный темп, обеспечив при этом более высокое качество ПО.

Developer Experience и внутренние платформы. В 2023–2024 годах в отчетах появилось понятие Developer Experience (DX) – совокупного опыта разработчиков от используемых процессов и инструментов. Было выявлено, что команды с высоким DX (удобная инженерная среда) показывают более быстрые и стабильные циклы разработки, ниже когнитивная нагрузка и выше автономность инженеров. Факторами высокого DX респонденты называли: развитую инженерную культуру, наличие инструментальной платформы (Internal Developer Platform, IDP), прозрачные процессы релизов, а также тесное взаимодействие разработки с безопасностью и эксплуатацией. Внутренние платформы за три года из нишевой практики превратились в must-have инструмент крупных компаний. В 2024 году выяснилось, что чем больше компания, тем реже она обходится без собственной платформы (стандартизация процессов становится необходимостью). Уже к 2025 году IDP развивают большинcтво организаций: главной целью платформ на ближайший год называют автоматизацию рутинных задач разработки, а среди наиболее важных функций – управление доступами (45,8%) и быстрый поиск информации (45,2%). Таким образом, тренд на платформизацию разработки набирает силу: компании строят единые порталы и сервисы для разработчиков, чтобы повысить их опыт и эффективность. Интересно, что именно сочетание платформенного подхода и AI-инструментов упоминается теперь как фундамент для дальнейшего роста продуктивности DevOps.

Взаимосвязь AI-прactice с другими аспектами разработки

• CI/CD и скорость релизов. Интеграция AI происходит параллельно с углублением практик CI/CD и DevSecOps. Это требует баланса между скоростью и качеством. В 2024 году усиление контроля (security checks) временно замедлило скорость поставки, но в 2025-м компании вновь нацелились на ускорение: отчёт отмечает, что организации активно внедряют ML/AI и автоматизацию, чтобы ускорить релизы и повысить прозрачность процессов. Иными словами, AI позволяет компенсировать усложнившийся пайплайн – за счет генерации кода, тестов и прочего можно поддерживать высокую частоту релизов даже при строгих процедурах качества.

• Информационная безопасность (DevSecOps). Использование AI-инструментов дополняет практики безопасной разработки. Например, AI помогают автоматически анализировать код на уязвимости или аномалии, что повышает уровень безопасности без ручных усилий. К 2025 году безопасность и AI стали идти рука об руку: большинство опрошенных уже внедрили и сканеры уязвимостей в конвейер, и одновременно применяют ML/AI для улучшения качества кода. В результате DevOps-цикл становится более интеллектуальным: ИИ сразу проверяет новые изменения, снижая долю ошибок, а встроенные DevSecOps-практики гарантируют соответствие регламентам. Обе области – и AI, и ИБ – вносят вклад в стабильность и надежность процесса поставки.

• Internal Platform и автоматизация DevOps. Внедрение AI тесно связано с развитием внутренних платформ (IDP). Главная задача IDP – убрать ручные рутинные операции из жизни разработчика. Уже сейчас платформы нацелены на автоматизацию типовых задач (напр. развертывание окружений, настройка инфраструктуры). Добавление же AI-инструментов позволяет автоматизировать и когнитивные рутинные задачи: написание шаблонного кода, генерирование конфигов, документации и тестов. Отчет 2025 подчеркивает, что компании одновременно интегрируют ML/AI-инструменты и развивают IDP для ускорения релизов. Таким образом, платформенный подход + AI – это синергия: платформа обеспечивает стандартизацию и удобство, а AI – интеллектуальную автоматизацию, вместе существенно повышая Developer Experience и скорость разработки.

• Опыт разработчиков (DX). Рост использования AI положительно сказывается на удовлетворенности и комфорте инженеров. Высокий DX определяется, в том числе, богатством инструментов и низкой “рутиной”. AI как раз убирает часть рутины: разработчикам меньше приходится заниматься монотонным поиском багов или написанием однотипной документации – эти задачи берет на себя умный помощник. Респонденты отмечают, что благодаря AI значительно упростилась работа с документацией и кодом. Это снижает когнитивную нагрузку и позволяет сосредоточиться на творческих аспектах, что улучшает моральный климат и мотивацию в команде. К тому же, появление AI-копилотов снижает порог вхождения для молодых специалистов – им проще выполнять задачи, полагаясь на подсказки, а значит команды могут эффективнее расти и обучаться. Всё это дополняет другие DX-инициативы (как платформы и DevOps-культура) в деле улучшения условий труда разработчиков.

• Производительность и качество продукта. В конечном счете, использование AI тесно связано с другими направлениями DevOps, совместно влияя на темпы и качество поставки ПО. В 2025 году в крупнейших компаниях наметился тренд на внедрение AIOps и генеративных AI-ассистентов непосредственно в конвейеры разработки. Цель – “выжать из DevOps максимум продуктивности”, не жертвуя стабильностью. Высокоавтоматизированные внутренние платформы, дополненные AI, уже позволяют лидерам отрасли повышать выпуск новых фич без увеличения штата. Для рынка в целом это значит, что скорость поставки снова становится приоритетом (после периода адаптации в 2022–2023 гг.), но достигаться она будет умными методами – через повсеместную автоматизацию, умные анализаторы и ассистенты, а не за счет “героических” усилий людей. В итоге компании, инвестирующие в AI-инструменты и DevOps-платформы, получают преимущество в виде более быстрого, устойчивого и безопасного выпуска продукта, что подтверждается год от года растущей долей таких высокоэффективных команд в России.