Дистрибуция программного обеспечения незаметно ускользает из рук человека. Инженерные команды и разработчики без технического бэкграунда все чаще делегируют архитектурные решения автономным ИИ-ассистентам. Им поручают выбор и интеграцию баз данных, сервисов аутентификации и сторонних API без ручной проверки. По данным Vercel, это больше не экспериментальный сценарий:
«более 30% деплоев инициируют ИИ-агенты для написания кода — рост на 1000% за последние полгода»
Когда почти треть всех релизов запускают модели, маркетинг для разработчиков перестает опираться на работу евангелистов и хакатоны. Он превращается в задачу преодоления алгоритмических барьеров, где модели сами решают, какие B2B SaaS-продукты попадут в инфраструктуру.
Бенчмарк от Armature
Чтобы понять логику выбора инфраструктуры нейросетями, компания Armature Research проанализировала 16 893 сессий агентов на базе Claude Code, Codex и Cursor. Аналитики протестировали 1 163 вариации промптов на 75 различных репозиториях, смоделировав поведение пользователей от стартаперов до ведущих штатных инженеров корпораций.
Результаты указывают на формирование новой дисциплины — оптимизации под ИИ-агентов (Agent Engine Optimization, AEO). Выбирая сторонние сервисы, модели ориентируются на понятную документацию, низкий расход токенов и готовые SDK. Если API плохо описан или требует интерактивной авторизации через браузер, агенты просто берут решение конкурентов или пишут собственный скрипт с нуля.
Автономность и отказ от посредников
Чтобы исключить внешние факторы при оценке решений, Armature провела все тесты в изолированных песочницах без участия человека.
Для основателей B2B SaaS и технических директоров выводы очевидны. Если ваш SDK агент не может настроить в headless-режиме за одну итерацию, продукт попросту не попадет в стек нового поколения. Выживание сервисов на рынке теперь зависит от того, выберут ли их автономные конвейеры разработки по умолчанию или полностью обойдут стороной.