В Kilo Code инженеры сами читают и пишут код всего 1% рабочего времени. Остальные 99% за них работают агенты. Такую цифру назвала сооснователь компании Эмили Шарио на конференции VB Transform 2026. Рядом с ней на сцене сидели техлиды Replit и Symbotic, и у всех троих одна боль: счета за токены растут быстрее, чем компании успевают понять, откуда они взялись. Разбираем, какие метрики они теперь считают вместо сырых расходов и что из этого подходит бизнесу во Владивостоке.

«99% времени инженеры не читают код»

Шарио формулирует прямо: «Если что-то не сломано и не требует отладки, в 99% случаев инженеры больше не читают и не пишут код». Для неё это естественная эволюция: агентный AI встраивается в рабочие процессы предприятия, и команды разработки переходят в режим надзора.

«Если что-то не сломано и не требует отладки, в 99% случаев инженеры больше не читают и не пишут код» - Эмили Шарио, сооснователь Kilo Code.

Такой сдвиг ставит перед командами новые вопросы: какие системы безопасно отдать агентам, кто убирает за ними ошибки, как поддерживать архитектуру из нескольких моделей сразу. И главный: растущие счета за токены означают реальный прогресс или сожжённый IT-бюджет?

Новый код агентам легко, старый - боль

Джаред Го, distinguished engineer по AI и облаку в Symbotic (компания автоматизирует склады), делит задачи на два типа. Greenfield, то есть создание нового кода с нуля, агенты делают легко. Brownfield, поддержку и доработку существующего кода, все считают настоящим вызовом.

Свои критерии для агентов Го формулирует так: безопасность, чистота, краткость, герметичность. «AI берёт на себя основную тяжесть работы, и тогда ручное ревью кода человеком не так критично», - говорит он. Люди подключаются дальше по цепочке, потому что агенты не принимают сильных продуктовых решений.

«Человек наблюдает за циклом»: система Replit

В Replit пошли своим путём. Компания полностью перешла на агентов, но в кодинге осталась консервативной, объяснил Амол Джайн, глава продуктовой инженерии. Каждый pull request (PR) сначала проверяет агент и присваивает ему оценку риска. Низкорисковые PR автор мержит сам, остальные уходят к людям, которые читают код и дают обратную связь.

«Идея была в том, что человек наблюдает за циклом, а не сидит внутри него» - Амол Джайн, глава продуктовой инженерии Replit.

Внутренний инструмент Replit по сути сам управляет работой инженеров: разработчик ставит задачу, агенты сами планируют, реализуют и тестируют. Джайн называет это «флотом агентов», которые работают в собственных облачных виртуальных машинах с контролем доступа за токен-прокси.

Один показательный случай: инженер не мог воспроизвести «очень коварный баг» в недрах систем. Задачу отправили агенту-менеджеру, тот поднял группу агентов, которые нашли проблему, затем ещё одну группу, которая нашла исправление. Через шесть часов AI подготовил PR для бага, над которым бились люди.

Мультимодельность: дорогая модель для плана, дешёвая для работы

Провайдеры AI уходят от модели «привязан к одной системе»: клиенты всё чаще требуют выбора. Шлюз Kilo Code поддерживает более 500 моделей. «Софт, которым вы пользуетесь для агентной инженерии, должен быть отделён от модели, на которой он работает», - говорит Шарио.

Типичный сценарий: компания берёт дорогую модель фронтир-уровня, чтобы спроектировать архитектуру проекта, а дальше переключается на более дешёвую open-weight модель для остальной работы. Replit, по словам Джайна, и вовсе принимает решения за пользователей: какую модель использовать, когда и в каком качестве, чтобы минимизировать стоимость и максимизировать возможности.

Tokenmaxxing: счёт на 600 долларов в день и годовой бюджет за месяц

Расходы вышли из-под контроля настолько, что появился термин tokenmaxxing - отслеживание и ограничение использования AI. Шарио слышит от клиентов одно и то же: «Я случайно потратил весь годовой AI-бюджет. Что мне теперь делать?»

Внутри самой Kilo Code есть инженер с «тяжёлой ногой», который постоянно на вершине доски использования. Шарио регулярно пишет ему: «Что ты там делаешь?» Счёт в 600 долларов в день выглядит пугающе, но если посмотреть на объём сделанной работы, цена часто оправдана.

Метрика, которую советуют считать: стоимость одного pull request. «Это ближайшая точка, где я могу измерить ценность», - говорит Шарио. Расходы сами по себе не проблема. Проблема - расходы без отдачи.

Symbotic ввела для сотрудников месячные тарифные уровни расходов и построила инструмент, который даёт менеджерам видимость по PR и трендам использования. Когда Cursor, которым Symbotic активно пользуется, отменил legacy-скидку и перевёл всех на полные цены, компания провела пересмотр эффективности. Люди начали подбирать модели под конкретные задачи: для C#-кода одна, для остального другая.

И последнее наблюдение Джайна: проблема расходов уходит за пределы IT. В Replit агентов расширили за пределы инженерии, и сотрудник техподдержки «прожёг безумную сумму», потому что его автоматизация работала на GPT 5.5 Pro Max. «До этого момента ROI был очевиден: продуктивность инженерии выросла в три раза, и никто не задавал вопросов», - говорит Джайн. Его совет: «Большинству задач фронтир не нужен».

Что это значит для бизнеса

Для компаний на Дальнем Востоке эти истории полезны как чек-лист перед внедрением. Первое: прежде чем запускать агентов, решите, какая модель нужна каждой задаче. Если для рутины использовать самую дорогую модель, счёт за токены съест экономию от автоматизации.

Второе: считайте стоимость единицы результата, а не общий счёт. Для разработки это цена одного pull request, для маркетинга - цена одной готовой кампании или поста. Третье: держите человека в цикле контроля. Внедрение искусственного интеллекта в компании, включая агентов для кода, требует наблюдателя, который видит, где модель ошибается и где тратит лишнее.

Нейросети для бизнеса и автоматизация бизнес-процессов дают эффект, когда расходы на них прозрачны. Начать можно с бесплатного аудита: посмотрим, какие процессы вашей компании реально готовы к агентам и как построить учёт затрат, чтобы автоматизация окупалась, а не сжигала бюджет.