Как ИИ изменит разработку ПО в 2026 году: практическое руководство для заказчиков

Почему Фора Софт написала это руководство

Мы выпускаем программное обеспечение для продакшена с 2005 года. Наши инженеры используют ИИ на всех этапах разработки: Claude Code, Cursor, Copilot и Windsurf в среде разработки; Claude и GPT-4.1 — для проектирования архитектуры и проверки кода; mabl, Testim и Sealights с ИИ-расширениями — для тестирования; GitHub Actions с ИИ-сортировкой — для CI/CD. Мы отслеживаем производительность и стабильность каждого проекта и предоставляем клиентам отчёты.

Это руководство — чек-лист, который мы даём руководителям инженерных команд в средних софтверных компаниях и корпоративном сегменте, когда они хотят внедрить ИИ в свой SDLC, не ухудшив метрики стабильности поставок.

Если хотите 30-минутный созвон по вашему стеку, инструментам и плану внедрения — позвоните или напишите. Мы разберём ваши узкие места и расскажем, где ИИ действительно поможет, а где — нет.

Что на самом деле означает «ИИ в процессе разработки ПО» в 2026 году

Волна 2023–2024 годов сводилась к автодополнению: GitHub Copilot предлагал несколько строк кода, разработчики их принимали, производительность росла на единицы процентов. Реальность 2026 года — на порядок масштабнее. ИИ стал активным соавтором на каждом этапе SDLC — от первого обсуждения продукта до оповещения дежурного инженера в продакшене.

Семь этапов определяют SDLC с поддержкой ИИ в 2026 году. Требования: LLM пишут пользовательские истории на основе транскриптов звонков с продаж и сообщений в Slack. Архитектура: ИИ работает вместе с человеком, генерируя диаграммы и оценивая решения по фитнес-функциям. Код: агентные инструменты (Claude Code, Cursor, Windsurf Cascade) вносят изменения сразу в несколько файлов, учитывая полный контекст репозитория. Ревью: ИИ анализирует pull request до человека. Тестирование: модели прогнозируют дефекты и пропускают низкорисковые тесты, а ИИ-генерируемые тесты покрывают остальные сценарии. Деплой: ИИ поддерживает канареечный анализ и обеспечивает автоматический откат. Эксплуатация: ИИ помогает разбирать инциденты и подсказывает возможные причины сбоев.

Параллельно работают два режима взаимодействия. «Inline assistant» — разработчик ведёт, ИИ помогает — по-прежнему остаётся основным в повседневной работе. «Агентный» режим — ИИ ведёт, разработчик проверяет — уже используется у наших более продвинутых клиентов: с его помощью в продакшен попадает 15–25% кода. Команды, которые одновременно повышают производительность и стабильность, применяют inline-режим для плотной работы и агентов — для изолированных, чётко определённых задач за фича-флагами.

Снимок рынка — внедрение, расходы и данные DORA

Рынок инструментов разработки с ИИ в 2026 году складывается вокруг нескольких чётких цифр. Около 84% профессиональных разработчиков используют хотя бы один ИИ-инструмент для работы с кодом каждую неделю. 70% старших разработчиков одновременно применяют 2–4 инструмента, а 15% — пять и больше. В среднем senior-разработчик ежедневно запускает 2,3 разных инструмента.

Индивидуальная производительность с ИИ-помощью растёт на 21–55% — в зависимости от типа задачи, это данные полевых исследований DORA 2025. А вот со стабильностью сложнее: DORA 2024 показал, что внедрение ИИ связано со снижением стабильности поставок на 7,2%. В DORA 2025 связь с производительностью стала положительной, но стабильность осталась на прежнем уровне или даже немного ухудшилась. Вывод: одни только инструменты не превратят команду в элитную по DORA. Без чётких процессов, дисциплины ревью и контроля через фича-флаги — никак.

Снимок долей рынка по свежим опросам: у GitHub Copilot самая большая установленная база (~65% профессиональных разработчиков пользовались им за последние 12 месяцев); Claude Code — самый популярный (46% старших разработчиков называют его фаворитом); Cursor — лидер среди агентных IDE; Windsurf выигрывает по соотношению цены и качества; Google Antigravity, Kiro и Codex — новый формирующийся эшелон.

Ландшафт инструментов 2026 года — семь этапов, шестьдесят имён

Наш короткий список по семи этапам SDLC.

Этап 1 — требования и исследование продукта

Gong, Chorus, Otter.ai для записи звонков. Linear AI, ClickUp AI, Productboard AI для черновиков пользовательских историй. Claude и GPT для свободного синтеза. Dovetail для анализа исследований. Для компании из 50 инженеров закладывайте 1 100–3 000 ₽ на каждого продакт-менеджера в месяц плюс 1 500–2 200 ₽ на допы Linear/ClickUp AI.

Этап 2 — архитектура и проектирование

Eraser AI, Structurizr AI, Icepanel AI для создания диаграмм и моделей C4. CloudZero, Vantage, Infracost для FinOps-оценок. ArchUnit и Structurizr DSL для проверки архитектуры. Snyk, Socket, Endor Labs для контроля цепочки поставок зависимостей.

Этап 3 — написание кода

Claude Code (Anthropic, 1 500–7 500 ₽/мес, агентный, работает в терминале), Cursor (1 500–15 000 ₽/мес, нативный для IDE, 72% принятых подсказок по бенчмаркам 2026 года), GitHub Copilot (750–2 900 ₽/мес, самое широкое покрытие IDE, лучший комплаенс для корпораций), Windsurf (1 100–15 000 ₽/мес, лучшее соотношение цены и качества для агентной работы в IDE), Google Antigravity (новый, бесплатный тариф), OpenAI Codex, Kiro, JetBrains AI, Tabnine, Amazon Q Developer, Continue.dev (открытый исходный код). Большинство команд выбирают комбинацию Copilot и одного агентного инструмента — Cursor или Claude Code.

Этап 4 — проверка кода

CodeRabbit (900–1 800 ₽/разработчик/мес), Graphite AI Review, GitHub Copilot PR review (входит в подписку), CodeScene, Codacy, SonarQube AI, Greptile (семантический поиск по коду и ревью), Ellipsis.dev. Первичное ИИ-ревью каждого PR ловит 20–35% проблем ещё до того, как к коду подключается человек-ревьюер.

Этап 5 — тест-инжиниринг

mabl, Testim, Applitools — для написания UI-тестов с помощью ИИ. Sealights, Launchable, Predictive Test Selection — для предсказания дефектов. Diffblue Cover и Qodo — для генерации модульных тестов.

Этап 6 — деплой и релизы

LaunchDarkly AI, Statsig с ИИ-ограничителями, Harness AI для интеллектуального деплоя, GitHub Actions с ИИ-сортировкой. Канареечный анализ с обнаружением аномалий на основе ИИ — обязательная база на 2026 год. Искусственный интеллект определяет, когда остановить прогрессивный раскат, по отклонению метрик.

Этап 7 — эксплуатация и реагирование на инциденты

Datadog Bits AI, PagerDuty AIOps, New Relic AI, Splunk ITSI, Rootly AI, incident.io AI. Среднее время восстановления сокращается на 30–45%, когда ИИ помогает с поиском корневой причины, восстановлением хронологии и написанием отчёта по инциденту.

Матрица сравнения — какой инструмент для какой команды

Самая высокорычажная категория — написание кода. Ниже таблица компромиссов на 2026 год.

Рекомендация, которую мы даём 90% клиентов: Copilot Business (1 400 ₽/разработчик/мес) как основа плюс Claude Code Pro или Cursor Pro (1 500 ₽/разработчик/мес) для опытных пользователей. Получается 2 200–3 000 ₽ на разработчика в месяц — самая продуктивная конфигурация из тех, что мы измеряли.

Эталонная архитектура — семь этапов SDLC с ИИ

Как семь этапов соединяются в продакшен-SDLC.

Этап 1 — требования. Звонки клиентов записываются в Gong; еженедельные сводки оформляет Claude в виде пользовательских историй с критериями приёмки в Linear. Продакт-менеджер проверяет, утверждает и определяет приоритет.

Этап 2 — архитектура. Новая фича запускает запись об архитектурном решении (ADR). Claude формулирует компромиссы; Eraser AI строит C4-диаграмму; Infracost оценивает влияние на затраты в облаке; Snyk проверяет предложенные зависимости на риски в цепочке поставок.

Этап 3 — код. Разработчик открывает задачу в Cursor или Claude Code, ИИ анализирует контекст репозитория (~200 тыс. токенов), предлагает план реализации, вносит изменения в несколько файлов и запускает тесты локально. Inline- Copilot помогает быстро исправлять мелкие ошибки на этапе ручной доработки.

Этап 4 — ревью. Открыт PR. Первым сканирует CodeRabbit или Graphite AI и оставляет структурированные комментарии (баги, безопасность, стиль). Человек-ревьюер сосредотачивается на архитектуре и продуктовой семантике. ИИ-ревью сокращает время человеческого ревью на 30–50%.

Этап 5 — тестирование. CI запускает только те тесты, которые считаются актуальными (например, через Launchable или Sealights), что позволяет сэкономить 40–70% времени выполнения. ИИ-генерируемые тесты на Playwright (например, от mabl или Testim) покрывают новые сценарии интерфейса. Перед слиянием кода проводится мутационное тестирование.

Этап 6 — деплой. Фича-флаг включает изменение для 1% трафика; LaunchDarkly AI отслеживает частоту ошибок, задержки и метрики выручки; при обнаружении аномалий — автоматический откат. Постепенный рост до 5%, 25% и 100% занимает от 2 до 24 часов.

Этап 7 — эксплуатация. PagerDuty AIOps объединяет поток алертов в единую картину. Rootly AI формирует хронологию инцидента. Claude создаёт постмортем и создаёт задачи на доработку в Linear. Datadog Bits AI отвечает дежурному на вопросы о взаимосвязях между сервисами.

Модель затрат — сколько на самом деле тратит компания на 50 инженеров

50 инженеров, 5 продакт-менеджеров, умеренные требования к комплаенсу. Годовые затраты по прайсу 2026 года.

При 50 инженерах с полной загрузкой и стоимостью 15 млн ₽ на человека парк обходится в 750 млн ₽ в год. Тратить 6,4% фонда оплаты труда инженеров на ИИ-инструменты, которые дают прирост производительности на 25–35%, — это предложение, которое одобрит любой финансовый директор. Риск, как уже говорилось, связан со стабильностью — а это вопрос процессов, а не денег.

Мини-кейс — провал стабильности, который клиент устранил за восемь недель

SaaS-клиент с 40 инженерами внедрил Cursor Pro для всей команды в конце 2025 года без изменений в процессах управления. Первый месяц показал рост производительности на 31%, но доля неудачных изменений (change-failure rate) выросла с 8% до 19%. Два инцидента у клиентов оказались напрямую связаны с ИИ-генерируемым кодом, который был слит без проверки человеком.

Мы подключились на восьминедельную починку. Недели 1–2: аудит, CodeRabbit назначен обязательным первичным ИИ-ревьюером. Неделя 3: для любого ИИ-сгенерированного кода длиннее 30 строк введён обязательный фича-флаг. Неделя 4: подключили LaunchDarkly AI к прогрессивному раскату с автоматической реакцией на частоту ошибок. Недели 5–6: обучение и серия brown-bag-встреч по дисциплине промптов и ревью. Недели 7–8: анализ метрик и публикация регламента.

Результат к 10-й неделе: change-failure rate вернулся к 6% (ниже базового уровня до внедрения ИИ), производительность остаётся на уровне +29% (всего на пару пунктов ниже пика в 31%). Время восстановления по двум категориям инцидентов сократилось с медианных 54 минут до 18 минут — Rootly AI теперь в цепочке.

Комплаенс — EU AI Act, SOC 2, локализация данных, интеллектуальная собственность

EU AI Act. Универсальные инструменты разработки относятся к категории ограниченного риска согласно статье 50 (только требования по раскрытию информации). Если ваш ИИ генерирует код, который используется в системах высокого риска (приложение III: здравоохранение, образование, критическая инфраструктура), на эксплуатанта ложатся обязательства по статьям 6–15: управление рисками, контроль качества, человеческий надзор, прослеживаемость. Принудительное применение началось в августе 2026 года.

SOC 2 Type II. Copilot Business, Cursor Business, Claude Code Team, Windsurf Team — все поставляются с отчётами SOC 2 Type II. Требуйте их при закупках.

Локализация данных и «без обучения». Каждый крупный инструмент 2026 года на тарифах Business/Enterprise даёт контрактную гарантию: «ваш код не используется для обучения моделей». Внимательно читайте формулировки — некоторые сервисы по-прежнему обучаются на данных пользователей бесплатного тарифа по умолчанию.

Интеллектуальная собственность. Руководство Бюро по авторским правам США (обновлено в 2025 году) считает код, созданный ИИ, не подлежащим защите авторским правом, если в него не внесён значительный творческий вклад человека. Для большинства коммерческих проектов это не проблема — функциональность важнее прав на код. Но если речь идёт о творческих продуктах, например, игровых движках или новых алгоритмах, важно чётко фиксировать участие человека в разработке.

Заражение лицензиями. В GitHub Copilot есть функция «code referencing», которая помечает подсказки, похожие на публичный код с непроницаемой лицензией. Обязательно включайте её; не используйте ИИ-код без проверки на копилефт-заражение (GPL, AGPL).

ISO/IEC 42001. Стандарт управления ИИ-системами 2023 года станет обязательным требованием в корпоративных запросах предложений (RFP) к 2026 году. Начните сопоставление контрольных мер уже сейчас — они во многом совпадают с ISO 27001, который, скорее всего, у вас уже внедрён.

Фреймворк решения — собрать стек за пять вопросов

Вопрос 1 — какой у вас базовый уровень DORA? Если сейчас вы на низком или среднем уровне DORA, ИИ только увеличит разрыв между лидерами и отстающими в команде. Сначала настройте trunk-based-разработку, дисциплину CI и наблюдаемость, а уж потом массово внедряйте ИИ. Если вы уже на высоком или элитном уровне — ИИ поможет вам двигаться ещё быстрее.

Вопрос 2 — какая планка по комплаенсу? Коммерческий SaaS с ограниченным риском → любой крупный инструмент. Регулируемая отрасль (FinTech, HealthTech, GovTech) → держитесь Copilot Business, Cursor Business, Claude Code Team с BYOK и SOC 2 Type II. Высокий риск по EU AI Act → задокументируйте человеческий надзор по статье 14.

Вопрос 3 — дисциплина IDE? Если команда работает в одной IDE (VSCode или JetBrains), Cursor или Windsurf обеспечат наиболее плотный агентный опыт. Если разработчики используют 4 и более IDE, то комбинация Copilot (доступен везде) и Claude Code (в терминале) покроет всех.

Вопрос 4 — бюджетное ограничение? Потолок 750 ₽ на разработчика в месяц → только Copilot Individual. Потолок 2 200 ₽ → Copilot плюс Claude Code Pro. Потолок 6 000+ ₽ → полный стек по всем семи этапам, как выше. Начните с 2 200 ₽ на разработчика в месяц; масштабируйте через три месяца, если данные подтвердят пользу.

Вопрос 5 — кто отвечает за управление? Назначьте одного ИИ-чемпиона (staff- или principal-инженера) и одного DevEx-лида. Без чемпиона внедрение не получится. Мы видели, как бюджет в 37 млн ₽ просто пропадал, потому что никто не отвечал за правила, обучение и метрики.

Пять ловушек, которые губят внедрение ИИ в SDLC

Ловушка 1 — раскат инструментов без управления. Классика: купили лицензии, объявили о внедрении и отошли. Производительность растёт, а стабильность падает. Через полгода финансовый директор спрашивает: куда делся обещанный рост? Решение: с первого дня назначьте ответственного за ИИ — своего ИИ-чемпиона.

Ловушка 2 — пропустить ИИ-ревью кода. Агентные инструменты выдают изменения по 40–200 строк в одном PR. Человек-ревьюер просматривает поверхностно. ИИ-ревью (CodeRabbit, Graphite) ловит те 20–35% багов, которые люди упускают при беглом просмотре. Без него частота сбоев в релизах растёт.

Ловушка 3 — отсутствие фича-флагов. ИИ-код первые 30 дней должен работать за флагом. Если бюджет ошибок превысил норму — флаг отключается за 30 секунд. Команды, которые пропускают этот шаг, тратят на восстановление от регрессий, вызванных ИИ, от 2 до 6 часов вместо нескольких секунд.

Ловушка 4 — измерять только производительность. Если единственная метрика — строки кода в неделю или количество PR, вы будете поощрять шум от ИИ и наказывать стабильную инженерную работу. Измеряйте четыре показателя DORA: частоту деплоев, время от коммита до релиза (lead time), долю неудачных изменений (change failure rate), время восстановления (MTTR). Плюс метрику качества — escape rate или прогорание SLO.

Ловушка 5 — обучение в долг. Разрыв в эффективности между опытными и неопытными пользователями ИИ-инструментов составляет 3–5 раз. Команды, которые регулярно проводят сессии по работе с промптами, создают общие библиотеки и записывают обучающие демонстрации, быстро вырываются вперёд. Те, кто этим пренебрегает, остаются с приростом производительности всего около 15%, в то время как конкуренты достигают роста до 45%.

KPI — что измерять с первого дня

Четыре показателя DORA. Частота деплоев, время от разработки до внедрения изменений, доля неудачных изменений, время восстановления после сбоев. Элита: несколько деплоев в день, время внедрения — меньше суток, доля сбоев — менее 5%, время восстановления — меньше часа. Сначала настройте сбор данных без ИИ; затем измеряйте показатели еженедельно.

Доля принятых ИИ-подсказок. Часть подсказок или изменений, предложенных агентом, которые были приняты. Цель: 65%+ для Copilot, 70%+ для Cursor, 65%+ для Claude Code. Ниже 50% — значит, проблема в формулировке промптов или выборе инструмента.

Escape rate. Количество дефектов, дошедших до продакшена, на 1000 строк кода. Ожидается краткосрочный рост на старте внедрения ИИ; цель — снизить этот показатель на 20–30% по сравнению с уровнем до ИИ к 6-му месяцу управляемого внедрения.

Доля кода, написанного ИИ. Процент строк, сгенерированных ИИ и внесённых в кодовую базу (отслеживается через git blame и телеметрию Copilot/Cursor). В здоровых компаниях среднего размера этот показатель составляет 30–55%. Если он превышает 70% без тщательного ревью — это тревожный сигнал для стабильности продукта.

Удовлетворённость разработчиков. Квартальный опрос (7-балльная шкала). ИИ должен повышать удовлетворённость, а не снижать. Если она падает — значит, проблема в выборе инструмента или в рабочем процессе, и её нужно проанализировать.

Отрасли, которые реально выиграют в 2026 году

B2B SaaS. Команды, работающие над новыми продуктами, пишут код на 35–50% быстрее с управляемым стеком Cursor + Copilot. У платформенных команд с нагрузкой по нескольким продуктам прирост составляет 15–25% — их основная сложность не в написании кода, а в координации.

FinTech. Copilot Business с включённым «block public code» и Sealights с предсказанием дефектов сокращают цикл релизов с двухнедельного до ежедневного. Команды по соблюдению норм довольны логами для аудита по SOC 2 и SOC 1.

HealthTech. Более жёсткое ревью, более медленное внедрение. EU AI Act и HIPAA вынуждают команды использовать self-hosted или BYOK-решения. Реальная эффективность проявляется в генерации тестов (Diffblue) и документации (Claude), а в написании кода с нуля — слабее.

Потребительские и мобильные продукты. Самый высокий прирост производительности из всех, что мы фиксируем. ИИ-инструменты отлично работают с CRUD, доработкой интерфейсов и переносом на другие платформы.

Игры и медиа. Конвейер ассетов быстро автоматизируется с помощью ИИ-кода. Код движка во время выполнения остаётся ручным — производительность слишком важна.

Госсектор и оборонка. Внедряют медленнее всех — и это понятно. Когда дело доходит до внедрения, чаще всего побеждают шаблоны Copilot с FedRAMP-маршрутом и self-hosted Continue.dev на базе моделей с открытыми весами (Llama 3, Mistral).

Купить, адаптировать или построить

Купить. 95% команд должны покупать. Коммерческие вендоры вкладывают в модели и инструменты больше, чем может позволить себе любая отдельная инженерная организация. Закройте закупки, выберите стек, как описано выше, и сосредоточьтесь на управлении.

Адаптировать. Меньше команд создают внутренние обёртки над коммерческими моделями: кастомный поиск по контексту, доменно-специфические библиотеки промптов, корпоративные оценочные стенды. Это имеет смысл, если у вас 200+ инженеров и достаточно собственного контекста, чтобы оправдать 37 млн ₽ на платформу.

Построить. Self-Hosting моделей с открытыми весами (Llama 3.3 70B, Mistral Large, DeepSeek Coder) на собственных GPU. Имеет смысл только для государственных, оборонных или организаций с жёсткими требованиями суверенитета. Бюджет — 37–150 млн ₽ капитальных затрат и платформенная команда из 10 человек.

Когда (пока) не стоит внедрять ИИ в SDLC

Слабый фундамент CI/CD. Без надёжного набора тестов и быстрого CI ИИ выдаёт больше шума, чем полезной информации. Сначала настройте CI.

Нет дисциплины ревью кода. Если PR сегодня уходят в мерж после поверхностного ревью, ИИ только нарастит объём и обвалит качество. Введите обязательное ревью двумя людьми, прежде чем масштабировать ИИ-кодинг.

Закрытая работа без self-hosted-варианта. Если данные нельзя выводить за пределы вашей сети, варианты «купить» или «адаптировать» не подходят. Остаётся ждать, пока self-hosted-модели для кода с открытыми весами достигнут нужного качества, или финансировать разработку собственной.

Маленькая команда с большой долей доменной новизны. Команда из трёх человек, пишущая совершенно новую библиотеку численных методов, потратит больше времени на отказ от ИИ-подсказок, чем на написание кода самостоятельно. Возвращайтесь через полгода — к тому времени покрытие домена должно улучшиться.

План внедрения на 12 недель

Недели 1–2 — снять базу. Измерьте четыре показателя DORA, escape rate и удовлетворённость разработчиков. Назначьте ИИ-чемпиона и DevEx-лида. Согласуйте закупки.

Недели 3–4 — пилот на одной команде. 6–8 инженеров, одна продуктовая зона. Copilot плюс Claude Code. Еженедельные встречи. Замеряйте долю принятых подсказок и DORA.

Недели 5–6 — артефакты управления. Регламент ИИ-ревью кода, регламент фича-флагов, библиотека промптов, обучающие материалы. Установлен CodeRabbit.

Недели 7–8 — масштабируем на половину компании. Онбординг, замеры, разбор препятствий. Добавьте предсказание дефектов (Sealights) и ИИ-аналитику релизов (Harness).

Недели 9–10 — полный раскат. Все инженеры и продакт-менеджеры подключены. Работает полный стек. Включаются инструменты для эксплуатации: Rootly, Datadog Bits.

Недели 11–12 — разбор и тонкая настройка. Формальный отчёт по DORA и коэффициенту отскока. Корректируем набор инструментов. Публикуем регламент управления. Назначаем квартальные ревью.

Ключевые выводы

ИИ в SDLC в 2026 году — это семь этапов, два режима и одна жёсткая истина: инструменты без контроля снижают стабильность поставок, даже если производительность растёт.

Базовый стек для компании из 50 инженеров обойдётся в 47 млн ₽ за первый год — это 6,4% от полностью загруженного фонда оплаты труда инженеров. При грамотном управлении он даёт прирост производительности на 25–45%.

Назначьте ИИ-чемпиона до покупки лицензий. Без чемпиона — нет результата.

Замеряйте четыре показателя DORA и escape rate с первого дня. Поощряйте стабильность так же, как и производительность.

Высокий риск по EU AI Act, SOC 2 Type II и контроль за лицензионным заражением — это закупочный барьер на 2026 год. Заложите время на это в неделях 5–6.

FAQ

Читайте дальше

Подытожим

ИИ во всём SDLC 2026 года — уже не опция, а стандарт. Семь этапов, два режима и чёткий слой управления. Производительность растёт сама; стабильность обеспечивается ревью и фича-флагами. Выберите два подходящих инструмента, назначьте ИИ-чемпиона, измеряйте четыре показателя DORA плюс escape rate — и вы избежите ловушки DORA 2024 по стабильности.

Хотите внедрить систему за 12 недель? Позвоните или напишите нам — составим чёткий план на основе вашей базы DORA, требований комплаенса и используемых инструментов.

Любопытная деталь: самое эффективное действие при внедрении ИИ в SDLC — не инструменты и не обучение. Это еженедельное 30-минутное обсуждение метрик, на котором ИИ-чемпион вслух докладывает руководству ключевые цифры. Команды, которые это делают, выполняют на 40% больше полезной работы с ИИ, чем те, кто пропускает такие встречи — при одинаковом бюджете на технологии.