Software Architect · Модуль 22
AI не заменяет архитектурное мышление. Он ускоряет exploration, critique и документацию, если архитектор умеет ставить рамки и проверять результат.
AI-assisted design · critique · verification · quality gates
AI полезен как усилитель reasoning, но опасен как источник непроверенной уверенности.
AI хорошо расширяет пространство вариантов
Ассистент может быстро принести десять карт маршрута. Но водитель всё равно отвечает за выбор дороги.
Архитектор может использовать AI для генерации alternatives, чеклистов рисков, черновиков ADR, сравнения trade-offs, тестовых сценариев, угроз security и вопросов для review. Это ускоряет подготовку.
Но AI не знает весь контекст системы, может галлюцинировать API, недооценивать operational cost и звучать уверенно там, где нужны данные. Поэтому результат должен проходить через verification: codebase, docs, metrics, constraints, team knowledge.
Prompt должен содержать constraints
Попросить архитектора «сделай дом» бессмысленно. Нужны участок, бюджет, климат, семья, сроки и ограничения.
Для архитектурной работы AI нужно давать контекст: домен, текущую архитектуру, team topology, нагрузку, compliance, ограничения бюджета, цели продукта, существующие решения и критерии успеха.
Без constraints модель часто предлагает generic best practices: микросервисы, Kafka, Kubernetes, event sourcing. Это может быть красиво и вредно.
AI-native работа должна усиливать инженерную дисциплину, а не обходить её.
Пример: AI как reviewer ADR
Второй пилот не ведёт самолёт вместо капитана, но помогает проверять приборы и замечать пропуски.
Команда пишет ADR о переходе на async processing. AI получает контекст, ADR, constraints и список известных incidents. Задача: найти missing risks, unclear assumptions, migration gaps и test scenarios. Архитектор проверяет вывод и добавляет реальные пункты в документ.
Так AI помогает увидеть слепые зоны, но не принимает решение за команду.
Антипример: принять AI-дизайн без проверки
Красивый чертёж моста бесполезен, если никто не проверил грунт, нагрузку и материалы.
AI предлагает event sourcing и CQRS для простой CRUD-системы. Команда принимает, потому что объяснение звучит профессионально. Через месяц появляется сложность replay, schema evolution, debugging и обучение команды, но бизнес-ценность не выросла.
AI может ускорить over-engineering, если архитектор не держит критерии качества.
- Какие constraints я дал AI? - Какие факты нужно проверить в коде или документации? - Где AI мог предложить generic solution? - Какие quality gates защищают от непроверенного вывода?