Time to read3 мин
14,6 т.

Стабильное ядро, гибкие решения: Антон Асеев о балансе технологий в B2B-продукте

Стабильное ядро, гибкие реше...

Источник: SharksCode

Развернуть

Новая технология может ускорить разработку сегодня, а через несколько лет стать дорогой зависимостью. Для B2B-платформ, которые надолго встраиваются в бизнес-процессы клиентов, это особенно чувствительный вопрос. Антон Асеев, CEO IT-компании SharksCode, объясняет, почему технологическую основу продукта стоит строить с расчетом на годы, а для экспериментов оставлять отдельное пространство.

Представим, что команда нашла фреймворк, который позволяет создать новую функцию вдвое быстрее. Звучит как очевидный выбор. Но для B2B-продукта я задаю еще один вопрос: что будет с этой функцией через три-пять лет, когда изменятся требования клиента, объем данных и сама команда? Если ответ неясен, выигрыш одного спринта может обернуться месяцами переделок.

Мне близка аналогия с домом. У него есть фундамент, от которого зависит вся конструкция, и есть части, которые можно менять без капитального ремонта. Так же и в программном продукте: одним решениям нужна предсказуемость на годы, другим – возможность быстро обновляться. Самое сложное – провести между ними границу.

Что должно выдержать годы

К технологическому ядру я отношу то, что напрямую влияет на данные, критически важную бизнес-логику и интеграции с системами клиента. Ошибка здесь может затронуть гораздо больше, чем одну функцию. Интерфейс или вспомогательный сервис, напротив, часто можно обновить с меньшими последствиями, если между частями продукта четко определены правила взаимодействия.

Именно поэтому зрелость технологии важнее эффектной презентации. Я смотрю на регулярность поддержки, политику обновлений и безопасности, совместимость с нужными системами и возможность найти специалистов, которые будут работать с этим стеком через несколько лет. Поддержка крупной компании может быть преимуществом, но сама по себе не гарантирует долгой жизни инструмента. Важнее реальное состояние проекта и его экосистема.

О масштабе проблемы напоминает отчет Black Duck Open Source Security and Risk Analysis 2026. В исследованных компанией кодовых базах лишь 7% компонентов open source использовали самую новую доступную версию. В то же время в 93% проанализированных кодовых баз обнаружили хотя бы один компонент, который не развивался два года или дольше. Это разные показатели: второй не означает, что 93% всех библиотек заброшены. Но он хорошо показывает, как легко накапливается технологический долг.

При этом не каждое отставание от последней версии – проблема. Для корпоративного продукта иногда безопаснее оставаться на версии с долгосрочной поддержкой, чем немедленно переходить на только что выпущенную. Ключевой вопрос – получает ли она необходимые исправления и есть ли у команды понятный план дальнейших обновлений.

Новые инструменты – там, где можно отступить

Осторожность в отношении ядра не означает, что продукт нужно законсервировать. Напротив: без экспериментов команда рискует годами поддерживать неудобные решения лишь потому, что к ним привыкли. Но эксперимент должен быть контролируемым.

Например, новую технологию можно сначала опробовать на отдельном сервисе, который взаимодействует с основной платформой через определенный интерфейс. Если она не оправдала ожиданий, модуль проще заменить. Если же новинка сразу меняет формат хранения данных или критически важные расчеты, вернуться назад будет значительно сложнее.

Перед таким тестом я предлагаю договориться о трех вещах: какого результата хотим добиться, как проверим его на практике и как откажемся от решения, если оно не сработает. Оценивать нужно не только скорость написания кода. Важны также затраты на поддержку, стабильность после обновлений и то, не создает ли новый инструмент более сложные зависимости, чем те, которые он должен был заменить.

AI ускоряет работу, но не отменяет проверку

С AI-ассистентами этот баланс стал еще заметнее. Они могут помогать с рутинными задачами, подготовкой тестов и черновиками кода. Однако быстро полученный результат не всегда означает, что команда полностью понимает его зависимости и ограничения.

В том же исследовании Black Duck 16% open source-компонентов требовали углубленного анализа, поскольку стандартного поиска по менеджерам пакетов и файлам зависимостей было недостаточно. Среди возможных источников такого кода – скопированные фрагменты, сторонние компоненты и генерация с помощью AI. Это не означает, что все 16% созданы искусственным интеллектом. Речь идет о слепой зоне проверок, которые видят только явно описанные зависимости.

Поэтому код, созданный при участии AI, должен проходить те же проверки качества, безопасности и лицензионных условий, что и любой другой. Скорость генерации – полезный инструмент, но ответственность за продукт остается на команде.

Гибкость без бесконечных переделок

Для меня хороший технологический выбор – не тот, что выглядит самым современным в день релиза. Он позволяет продукту меняться, не заставляя каждый раз перестраивать основу. Критически важные части должны оставаться предсказуемыми, а все, что можно безопасно заменить, – открытым для экспериментов. Именно так клиент получает стабильную платформу, а команда – свободу развивать ее без бесконечных переделок.