GM использует ИИ-агентов в разработке ПО для автономных систем и, по словам вице-президента по автономии Рашеда Хака, утроил число запросов на слияние. Для рынка это важный сигнал: крупные команды пытаются ускорить не только написание кода, но и весь путь от анализа данных до проверки изменений.
Речь не о волшебной кнопке «написать всё за меня». GM перестраивает инженерный процесс так, чтобы агенты снимали рутину, а ответственность за итог по-прежнему оставалась у людей.
Почему GM смотрит дальше генерации кода
Хак объясняет логику просто: узкое место в разработке давно не сводится к набору текста в редакторе. В качестве контекста он ссылается на старую, но до сих пор показательную оценку Microsoft: в удачный день разработчик тратит на написание кода около 96 минут. Остальное время съедают отладка, тесты, разбор инцидентов и работа с данными.
Отсюда и ставка GM на агентный подход. Если ускорять только генерацию кода, команда быстро упрётся в проверку, симуляции и анализ телеметрии. Поэтому компания автоматизирует именно внешние этапы цикла разработки, а не только работу в IDE.
Агенты подключили к данным и внутренним инструментам
GM описывает эту схему не как обычный ИИ-ассистент, а как набор специализированных агентов с отдельными инструкциями под конкретные задачи. Они помогают работать с симуляциями, внутренними данными и сигналами с машин на дорогах, а затем готовят результаты в форме, удобной для инженеров.
Для подключения к инструментам компания использует серверы MCP, Model Context Protocol. Это открытый протокол, который связывает модель с внешними системами и данными. Проще говоря, агенту дают не только чат, но и доступ к нужным рабочим контурам, где он может собрать контекст, подготовить отчёт или помочь с изменением в коде.
Рост запросов на слияние не отменяет человеческий контроль
Ключевая метрика в этой истории не «сколько строк написал ИИ», а скорость прохождения изменений через процесс. По словам Хака, число запросов на слияние выросло в три раза. Это выглядит убедительнее, чем разговоры про «ускорение разработки», потому что отражает реальное движение кода по конвейеру.
При этом GM не снимает ответственность с инженеров. Они проверяют результат работы агентов и отвечают за итоговые изменения. Для автомобильного ПО это не бюрократия, а базовая страховка: речь идёт о системах, где ошибка стоит дороже, чем лишний час ревью.
Значение для рынка
Для российских команд и интеграторов здесь практический вывод один: главный эффект ИИ в разработке сейчас появляется не там, где он пишет функцию быстрее человека, а там, где снимает рутину вокруг кода. У корпораций это может быть разбор логов, подготовка отчётов, прогон тестовых сценариев и работа с внутренними базами знаний. У небольших команд тот же подход поможет не «штамповать код», а быстрее доводить изменения до релиза.
Следующий шаг очевиден: если GM действительно масштабирует такой процесс, рынок начнёт сравнивать не качество подсказок в редакторе, а то, сколько инженерных циклов компания умеет закрыть без потери контроля.
Источник: VentureBeat Transform 2026, GM Engineering, Microsoft Research.