В конце июля 2026 года «Яндекс» объявил о запуске внутренней программы под названием «75/75/75», цель которой — сделать использование искусственного интеллекта новым стандартом инженерной работы в компании. Название отражает три целевых показателя, которые компания рассчитывает достичь к концу 2026 года: 75% разработчиков будут регулярно применять ИИ в работе, ИИ будет участвовать в подготовке 75% всех изменений кода, а в каждом таком изменении нейросеть будет генерировать не менее 75% строк.
По данным компании, на момент объявления программы ИИ уже регулярно используют 73% разработчиков — то есть первая из трёх целей практически достигнута, а более половины нового кода в компании уже создаётся с участием генеративных моделей. Это делает Яндекс одной из первых крупных российских технокомпаний, которая публично формализовала количественные KPI по внедрению ИИ в инженерную культуру.
Программа опирается на внутренние инструменты компании — прежде всего на собственные ИИ-ассистенты для программирования, интегрированные в рабочий процесс разработчиков. Речь идёт не о разовом использовании чат-бота для подсказок, а о встраивании генерации кода в основной цикл написания и ревью изменений: от автодополнения и рефакторинга до подготовки тестов и документации.
Такой подход соответствует более широкой тенденции на российском рынке разработки: ранее AI Радар писал, что инструменты вроде JetBrains AI, Cursor и Yandex Code Assistant в среднем ускоряют цикл разработки программного обеспечения в российских компаниях на 55%. Программа «75/75/75» фактически превращает этот тренд из добровольной практики отдельных команд в обязательный корпоративный стандарт.
В качестве наглядного примера эффективности подхода компания привела кейс разработки новой архитектуры технологии перевода видео в Яндекс Браузере. По словам компании, около 80% кода для этой функции было написано с помощью ИИ, что позволило реализовать проект за два дня вместо обычных двух-трёх недель — то есть ускорение в 7–10 раз по сравнению с типичным циклом разработки подобной функции без активного использования генеративных инструментов.
Компания не раскрывает, сколько именно инженеров было задействовано в проекте и какая доля итогового кода прошла через ручную правку после генерации, однако сам порядок цифр — сокращение с недель до дней — соответствует данным, которые публикуют и другие технокомпании при переходе на agentic-инструменты разработки, способные выполнять не отдельные подсказки, а целые последовательности связанных изменений.
Запуск программы происходит на фоне заметного охлаждения российского рынка IT-вакансий: по данным SuperJob, число предложений о работе в отрасли в первом полугодии 2026 года сократилось на 21% год к году, а на платформе Хабр Карьера падение достигло 56%. Среди причин компании прямо называют автоматизацию части задач с помощью ИИ наряду с высокими ставками, тормозящими запуск новых проектов.
При этом в самой сфере искусственного интеллекта спад вакансий оказался наименьшим среди всех IT-направлений — около 27%, что заметно меньше среднего показателя по отрасли. Это говорит о структурном сдвиге, а не о простом сокращении спроса на разработчиков: компании вроде Яндекса не отказываются от инженеров, а меняют требования к их роли, смещая акцент с написания кода на постановку задач, ревью и контроль качества ИИ-генерируемых решений — модель работы, которую программа «75/75/75» закрепляет как обязательную практику для всей инженерной организации.
Для других российских технокомпаний публичный запуск программы с конкретными числовыми KPI задаёт новую планку ожиданий. Если раньше внедрение ИИ в разработку было в основном вопросом инициативы отдельных команд, то теперь крупнейший игрок рынка формализует его как измеримую бизнес-цель уровня всей компании — а значит, конкурентам, включая Сбер, VK и МТС, придётся либо публиковать сопоставимые показатели, либо объяснять инвесторам и рынку труда, почему они отстают в скорости адаптации генеративного ИИ.
Долгосрочный эффект такой трансформации сложнее оценить количественно: ускорение отдельных фич в разы — это ощутимый, но точечный результат, тогда как влияние на качество кода, техдолг и структуру ИТ-команд в масштабе всей компании станет понятно не раньше, чем через несколько кварталов после того, как показатели программы приблизятся к целевым 75%.