Musinsa, одна из крупнейших южнокорейских онлайн-платформ в сфере моды, заявляет, что внедрила инструменты кодирования на базе ИИ по всей компании и повысила производительность разработчиков примерно на 75%. Теперь компания планирует расширить применение ИИ за пределы инженерии — на создание контента и обслуживание клиентов — в рамках общекорпоративной трансформации в «AI native» (изначально ориентированную на ИИ). Эта цифра поражает. Она также принадлежит самой компании и измерена по внутренней метрике, методология которой Musinsa не раскрывает, — и это, в отличие от того, что показывают независимые исследования об ИИ и кодировании, та часть, на которой стоит остановиться.
Наибольший зафиксированный прирост пришелся на разработку программного обеспечения. Число разработчиков, использующих агентов для кодирования на базе ИИ, выросло со 100 участников пилотного проекта в июле 2025 года до примерно 700 к марту 2026 года. За этот период, по данным Musinsa, ежемесячный объем выпуска на одного разработчика вырос с 57 до 99,5 по внутренней шкале производительности компании — увеличение на 74,7%, — в то время как доля задач средней и высокой сложности выросла с 18,8% до 35,5%. Инструментом, стоящим за этим прорывом, является агент кодирования Codex от OpenAI, который технический директор Musinsa Чун Чжун Хи представлял на мероприятиях OpenAI как ядро «AI native» рабочего процесса компании.
Musinsa представляет выгоду в терминах штатного расписания. Без ИИ, по ее словам, потребовалось бы нанять еще около 38 человек для достижения того же объема выпуска — эффект, которого, как утверждается, удалось достичь примерно за 2,1% от эквивалентной стоимости труда, без дополнительного найма. Компания также заявляет, что время, необходимое новым инженерам для достижения уровня производительности существующих сотрудников, сократилось с шести месяцев до трех.
Почему заявленные 75% заслуживают пристального изучения
Вот в чем загвоздка, и она немалая. «Баллы на разработчика в месяц» — это вид самоопределяемой метрики, основанной на активности, которую контролируемые исследования неоднократно признавали ненадежной в качестве меры реальной производительности. В рандомизированном испытании, опубликованном в июле 2025 года, исследовательская группа METR поручила опытным разработчикам с открытым исходным кодом выполнять реальные задачи с инструментами ИИ и без них — и обнаружила, что разработчики, использующие ИИ, работали примерно на 19% медленнее, хотя и считали, что они были примерно на 20% быстрее. Разрыв между тем, насколько быстрой кажется работа с ИИ, и тем, насколько она быстра на самом деле, достиг почти 40 процентных пунктов.
Часть проблемы в том, что именно учитывается. Показатели производительности от поставщиков и внутренние данные часто отслеживают активность — коммиты, пул-реквесты, строки кода — которая естественным образом возрастает при участии ИИ, не учитывая дополнительное время, затраченное на проверку и отладку того, что сгенерировал ИИ. В одном отраслевом наборе данных отдельные разработчики выполняли больше задач с помощью ИИ, но время командного обзора резко возросло, поскольку объем пул-реквестов почти удвоился. Данные опросов также неоднозначны: в опросе разработчиков Stack Overflow за 2025 год только около 16% разработчиков заявили, что ИИ в значительной степени повысил их производительность, в то время как самая большая группа отметила, что эффект был незначительным или отсутствовал.
Ничто из этого не доказывает, что цифра Musinsa неверна. Компания, которая стандартизирует один агент кодирования для 700 инженеров, обучает персонал его использованию и последовательно измеряет результаты, вполне может наблюдать реальный прирост — и исследования действительно показывают, что ИИ, как правило, больше помогает при адаптации и выполнении незнакомой работы, чем при глубокой работе со зрелыми кодовыми базами, что согласуется с заявлением Musinsa о сокращении времени выхода на полную мощность для новых сотрудников вдвое. Суть уже: самоопределяемая метрика с нераскрытой методологией — это повод рассматривать «75%» как ориентировочную внутреннюю цифру, а не как независимо установленный факт.
Дорожная карта «AI Native» и выход за пределы инженерии
Musinsa нацелена на четырехэтапную дорожную карту «AI native», которую планирует завершить к первому кварталу 2027 года, переходя от первоначального внедрения к полному развертыванию и расширяя использование ИИ от части инженеров до всех технических ролей. Компания также активно использует эту концепцию при найме: ее рекрутинг «AI native» разработчиков привлек около 2000 соискателей и привел к найму 66 новых инженеров, при этом кандидаты оценивались в основном по тому, насколько хорошо они использовали инструменты ИИ для решения проблем, а не только по навыкам кодирования.
Помимо инженерии, Musinsa заявляет, что внутренний инструмент для генерации контента «AI Studio» теперь используется более чем 270 сотрудниками более чем в 10 отделах, производя в среднем более 60 000 единиц контента в месяц, при этом прирост производительности компания снова оценивает в 75%. Функция «Visual Search» для поиска товаров по изображениям была обучена на более чем 3 миллионах модных изображений. В сфере обслуживания клиентов Musinsa тестирует бета-версию «AI CS Agent», которая обрабатывает запросы после покупки, сочетая поиск по стандартным процедурам с помощью больших языковых моделей с поиском по часто задаваемым вопросам.
Представитель Musinsa сообщил, что компания ускоряет внедрение ИИ в области клиентского опыта, партнерства с брендами и внутренней эффективности — приведя в пример недавно представленные функции, такие как сервис кураторства трендов на базе ИИ, — и стремится создать конкурентное преимущество в сфере фэшн-технологий с помощью ИИ. Выдержит ли заявленные 75% внешнюю оценку — это то, что на данный момент может показать только сама Musinsa, располагая собственными данными.
Часто задаваемые вопросы
Действительно ли инструменты кодирования на базе ИИ повышают производительность разработчиков?
Данные неоднозначны. Некоторые команды сообщают о значительном росте, однако в рандомизированном исследовании METR 2025 года опытные разработчики работали примерно на 19% медленнее с ИИ, хотя и считали, что они быстрее, а опросы показывают, что многие разработчики сообщают о незначительном эффекте или его отсутствии. Результаты сильно зависят от задачи, кодовой базы и того, как измеряется производительность.
Что такое OpenAI Codex?
OpenAI Codex — это агент кодирования на базе ИИ, который может писать, редактировать и помогать выполнять задачи по разработке программного обеспечения на основе инструкций на естественном языке. Musinsa приняла его в качестве основного инструмента кодирования, лежащего в основе ее рабочего процесса «AI native», а ее технический директор представлял использование компанией этого инструмента на мероприятиях OpenAI.
Насколько надежна цифра производительности Musinsa в 75%?
Это число, заявленное компанией, основано на внутренней метрике «баллы на разработчика», методология которой Musinsa не раскрывала. Поэтому его лучше рассматривать как ориентировочный, самоопределенный прирост, а не как независимо верифицированное измерение, поскольку метрики, основанные на активности, могут расти при использовании ИИ, не учитывая дополнительное время на проверку и отладку.
Что такое трансформация «AI native»?
Это относится к перепроектированию инструментов, рабочих процессов и даже найма в компании с ориентацией на ИИ, а не к добавлению ИИ к существующим процессам. Musinsa реализует четырехэтапную дорожную карту «AI native», которую планирует завершить к первому кварталу 2027 года, охватывающую инженерию, создание контента и обслуживание клиентов.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Allen Lee
