Skip to content

Блог · 24 октября 2026 · Александр Бараков

Билдеры: результатов пока не видно.

В 2026 году техкомпании пилотируют новую роль — product builder, или просто билдер. Это один человек, который сам придумывает фичу, проектирует её и делает с помощью AI-агентов. Раньше на это нужны были продакт, дизайнер и несколько разработчиков. Пять компаний рассказали в статьях, подкастах и других открытых источниках, что из этого вышло: кода стало больше, до пользователя доходит мало, а влияние на бизнес пока не измерил никто.

Исследование в PDF, 9 страниц →

Мем: «Мы теперь product builders». «Значит, вы выпускаете больше фич или быстрее, да?» Молчание. «…да?»

Главное

+220%

правок кода во внутренних системах Meta за год

+36%

правок, которые дошли до пользователей

Meta, внутренние данные, опубликованы Reuters, 2026

  • Билдерами становятся часть разработчиков, продактов и аналитиков. Остальные роли становятся опорой: данные, ревью, сложные кейсы, платформа.
  • Деливери и правда ускоряется: код пишется быстрее, это замечают все. Качество и надёжность отстают: растут откаты, сбои и техдолг. Дискавери и аналитика пока не ускоряются, и у команд пустые бэклоги. Аналитику делают частично или пропускают.
  • Влияние на бизнес не измерил никто.

Пять пилотов

Кто пробовал и что вышло

Здесь только компании, которые рассказали, как устроили пилот и что получилось. LinkedIn, Coinbase, Block и Ramp объявили программы, но результатов не показали. Команда Harness в OpenAI просто выросла с 3 до 7 инженеров — это не пилот билдеров. Поэтому их здесь нет.

Было

Команда 10–20 человек: инженеры, продакт, дизайнер, аналитик, исследователь, инженер данных

Стало

Группа 3–5 человек: 3–4 билдера, обычно бывшие инженеры, и один, кто решает, что делать. Дизайнеры и аналитики — в общей команде на несколько групп

Схема Meta из внутренней презентации, её опубликовал Reuters

  • Meta
    Частично откатили

    Что сделали

    • Группы по 3–5 человек вместо команд 10–20
    • ~1 000 человек из Reality Labs, подразделения VR и AR

    Что получилось

    • Кода +220%, изменений для пользователей +36%
    • Крупных сбоев +40%

    Источник ↗

  • Atlassian
    Откатили

    Что сделали

    • ~10 проектов из отобранных билдеров
    • Продакты, дизайнеры и инженеры в одной роли

    Что получилось

    • Первые недели быстро, потом сильно замедлились
    • Цифр не публиковали

    Источник ↗

  • Intercom
    Итог неизвестен

    Что сделали

    • ~500 человек в разработке
    • 94% изменений кода создаёт агент, дизайнеры сами выкатывают правки

    Что получилось

    • Втрое больше изменений на человека за 16 месяцев
    • Очередь багов −54%, путь от идеи до релиза −39%

    Источник ↗

  • epilot
    Продолжают с ограничениями

    Что сделали

    • Немецкая B2B-компания. На 60 дней 50+ человек не из разработки получили доступ к коду

    Что получилось

    • 40 из 629 изменений сделали 11 человек не из разработки
    • Одно изменение ушло в прод, минуя автопроверки

    Источник ↗

  • Uber
    Итог неизвестен

    Что сделали

    • Год продакты делают прототипы с помощью AI

    Что получилось

    • «2 часа прототипа заменили 4 недели обсуждений»
    • Прототип принимают за готовое решение

    Источник ↗

Итог «неизвестен» значит, что компания не сказала, достигла ли цели.

Что ломается

Четыре проблемы, которые повторяются

Кода больше, пользы столько же

+30%

кода после AI-агентов, Harvard, 718 компаний

  • Законченных задач при этом не прибавилось
  • У Meta изменений для пользователей +36% при кода +220%

Некому решать, что делать

1 : 30–40

один продакт или дизайнер на 30–40 инженеров, по ощущениям команды Atlassian

  • Все ушли писать код, направление не задавал никто
  • Раньше было 1 к 10. Пилот свернули

Проверять не успевают

+40%

крупных сбоев, Meta

  • Времени на их тушение +70%
  • Intercom: проверка кода стала узким местом, качество просело

Люди выгорают

74% → 55%

довольных работой, Meta

  • Бывших менеджеров просят вернуться к управлению
Мем «Расширяющийся мозг», self-service агентная аналитика для билдеров: спросить аналитика; спросить AI-агента; завести тикет аналитику, чтобы проверил агента; просто пропустить шаг аналитики
Четвёртый вариант я вижу чаще, чем хотелось бы.

Мои наблюдения

Аналитика западает

Фичи выходят быстрее, чем кто-то успевает проверить, сработали ли они. Я вижу три причины: билдерам не хватает навыка, им не хочется разбираться самим, а агенту не на что опереться.

  1. Аналитику делают наполовину

    Билдер выкатывает фичу и не проверяет, помогла ли она. Если запускает A/B-тест, часто не умеет его правильно поставить и прочитать.

    В открытых источниках

    • Bookingне пилот

      В 80% тестов заранее не прикинули, хватит ли пользователей, чтобы увидеть эффект. Курсы не помогли, помогли подсказки в платформе тестов

    • Uber

      Сделать прототип стало легко, сложно понять, что из него следует

  2. Сами делать не хотят

    Билдеры не хотят разбираться с данными сами и идут к аналитику. Нагрузка на аналитиков не падает.

    В открытых источниках

    • Intercom

      Раньше президент компании заводил задачу аналитику и ждал. Сделали агента, который знает данные компании

    • Rampне пилот

      За 4 недели агенту задали 1 476 вопросов, а в чат помощи с данными пришло 66

  3. Агенту не на что опереться

    Без инструкций и единых определений метрик агент пишет запросы с нуля, цифры расходятся, и билдер снова идёт к аналитику.

    В открытых источниках

    • Anthropicне пилот

      Без инструкций агент отвечал верно не больше чем в 21% случаев, с ними — больше чем в 95%. Без обновления через месяц — 65%

    • Meta

      Перевела агента на готовые проверенные запросы и купила стартап, который делает единый слой метрик

Код и интерфейсы

  1. Код пишут небрежно, копится долг

    Тесты, документацию и чистку кода пропускают ради скорости. Через полгода-год любая правка будет дольше и дороже.

    В открытых источниках

    • Intercom

      Когда большую часть кода стал писать AI, качество кода упало, потом его вытянули обратно

    • Atlassian

      Первые недели быстро, потом сильное замедление

  2. Продукты выглядят одинаково

    Агенты собирают интерфейсы из одних и тех же шаблонов. Над тем, удобно ли продуктом пользоваться, никто не думает.

    В открытых источниках

    • Uber

      Команды цепляются за первый вариант прототипа

    • Intercom

      Научили агентов своему набору элементов интерфейса: доля кода на нём выросла с 7% до 96%, но в четверти экранов всё ещё ошибки

Роли

Кто куда движется

Мой обобщённый сценарий по пилотам. Билдерами становятся часть разработчиков, продактов и аналитиков. Опорой для билдеров становятся все роли. Целиком этот путь не прошла ни одна компания.

Что меняется в каждой роли

Разработчик
Писать кодСтавить задачи агенту и проверять его код. Плюс часть работы продакта (что делать и зачем) и аналитика (проверить, сработала ли фича)
Продакт
Макеты, простые фичиРешать, что делать и в каком порядке, говорить с клиентами. Плюс часть работы разработчика (собрать фичу с агентом) и аналитика (поставить простой тест, прочитать метрику)
Аналитик (DA, DS)
SQL, выгрузки, простые A/B-тестыСложные тесты и исследования, учить другие роли своим навыкам
BI/AE/DE
Собирать метрики, витрины данных, дашборды, пайплайны по шаблонуВести для агента базу знаний домена и единые определения метрик (semantic layer), проверять его ответы (evals), отвечать за то, какие данные верны, следить за тем, что собирают билдеры

Команда билдеров

делает фичи с агентами

Кто

Часть разработчиков, продактов и аналитиков

Что делают

Сами придумывают, проектируют и делают фичу. Агент пишет код, запросы и прототипы

Опора для билдеров

enablement

Кто

Все роли: BI, AE и DE, дизайнеры и те разработчики, продакты и аналитики, кто не ушёл в билдеры

Что делают

Делают так, чтобы билдеры не ломали: данные и метрики, которым верит агент, проверки его ответов, платформа, общий набор элементов интерфейса, обучение

Люди

Кого делать билдером

Моё наблюдение
Проще переучить продакта и аналитика: писать код с агентом они учатся быстро. Труднее научить думать о бизнесе и принимать решения.

Другие мнения

  • Intercom: лучшие инженеры возьмут на себя часть работы продакта ↗
  • Atlassian: билдерами станут немногие продакты и дизайнеры ↗
  • Harvard и P&G: с AI люди из R&D и из коммерции предлагают более взвешенные решения, без AI каждый тянет в свою сторону ↗

Что с новичками

Если запускаете пилот

Что мерить

  1. Артефакты: есть ли эффект

    Посмотреть, что билдеры сделали: фичи, тесты, отчёты. Дошло ли это до пользователя и сдвинуло ли метрику.

  2. Логи: есть ли попытки

    Кто и как часто пробует сделать задачу сам с агентом, на каком шаге бросает и уходит к специалисту.

  3. Барьеры: что не работает в агентах

    Почему задача, ради которой человек пришёл к агенту (JTBD), не выполнилась: нет данных или доступа, неверный ответ, не хватает навыка.

Если вы запускаете пилот билдеров и меряете эффект — напишите, как.

Исследование в PDF, 9 страниц →

Александр Бараков

Автор

Александр Бараков

Комментарии и возражения пишите в LinkedIn или на info@stop-token.com.