У Glovo 70% коду програмістів генерується за допомогою штучного інтелекту. Про це розповів співзасновник компанії Саша Мішо, поділившись, які технологічні процеси найбільше потребують ШІ та де він виявляється ефективнішим за людину.
За словами Мішо, він підтримує такий підхід і хотів би, щоб цей показник сягнув 100%. Це свідчить про те, що навіть у великих продуктових командах ШІ перетворюється з експерименту на робочий інструмент, який безпосередньо впливає на швидкість розробки.
Glovo — не єдиний приклад. Ринок ШІ-інструментів для розробки стрімко зростає. Нещодавно Meta представила моделі Muse Wonder і Muse Wonder Full, призначені для складних особистих і професійних завдань, зокрема програмування, аналізу документів та автоматизації робочих процесів. Вони вже доступні через Meta Model API та інструмент Muse Code, а згодом будуть інтегровані в сервіс Muse.
Ключова особливість цих моделей — технологія Active Memory, яка дозволяє зберігати важливу інформацію про користувача між розмовами та знаходити її, коли потрібно виконати нове завдання. Інша функція, Active Focus, допомагає ШІ тривалий час працювати над складною метою, шукати альтернативні рішення, долати перешкоди й адаптуватися до нової інформації. За потреби модель може ставити уточнювальні запитання та запитувати підтвердження перед важливими діями.
Meta зазначає, що Muse Wonder і Muse Wonder Full можуть працювати із завданнями у сферах права, фінансів та охорони здоров'я, аналізувати документи й допомагати з розробкою програмного забезпечення. Зокрема, моделі здатні працювати з великими програмними проєктами, враховувати вимоги, змінювати код, тестувати його та виправляти помилки. Серед продемонстрованих можливостей — створення інтерактивної 3D-гри та планування пробіжки з урахуванням особистих уподобань користувача.
За результатами власних тестувань Meta, нові моделі демонструють високі показники в завданнях на довготривалу пам'ять, програмування та автоматизацію бізнес-процесів. Компанія також стверджує, що Muse Wonder Full краще справляється з незнайомими завданнями, які не були основним напрямом її додаткового навчання.
Для українських команд це означає, що ШІ-асистенти стають дедалі функціональнішими. Вони вже не просто підказують синтаксис, а беруть на себе рутинні етапи розробки: написання тестів, рефакторинг, пошук помилок. Це дозволяє продуктовим командам швидше випускати оновлення та зосереджуватися на складніших завданнях.
Водночас залишається відкритим питання контролю якості. Якщо 70% коду генерує ШІ, критично важливо, щоб розробники ретельно перевіряли результат. Саме тому в Glovo, ймовірно, приділяють увагу рев'ю та тестуванню. Для українських агенцій і стартапів це сигнал: впроваджувати ШІ варто не замість інженерів, а як інструмент, що підвищує їхню продуктивність.
Нагадаємо, у вересні 2026 року Meta підтвердила, що її новий ШІ-асистент Muse значною мірою створювали під впливом OpenClaw. Водночас у компанії запевняють, що сам Muse розробили з нуля.
5
