Вебинар Veai. Качество кода в эпоху AI: как не утонуть в багах и уязвимостях 2026

AI-кодинг уже стал массовой практикой. Но если просто дать агенту задачу в чат и принять сгенерированный diff, команда быстро получает не ускорение, а новый слой технического долга. В этом вебинаре говорим не про “волшебные промпты”, а про инженерный контур качества вокруг AI-разработки: – где именно ошибается LLM-агент: от понимания задачи до проверки результата; почему AI-дефекты сложнее ловить на ревью; – как спецификация помогает не дать агенту додумать бизнес-логику за вас; когда SDD и TDD действительно окупаются; почему один агент не должен писать код, тесты и ревьюить сам себя; – какие проверки нужны вокруг AI-кода: линтеры, типы, SAST, SCA, DAST, fuzzing, property-based tests; – как собрать AI-review pipeline из узких ревьюеров; – зачем нужен triage, если ревью делают модели; – почему вывод LLM нужно подтверждать артефактами: логом тестов, отчётом анализатора, профилем или метрикой. – Главная мысль вебинара: AI действительно ускоряет разработку, но только если вокруг него построен нормальный инженерный процесс. Чем автономнее агент, тем жёстче должны быть границы и независимее проверка. Таймкоды 00:00 — Старт вебинара 02:26 — О чём будем говорить: качество AI-кода, баги, уязвимости, ревью 04:10 — План: ошибки LLM, способы борьбы, AI-review pipeline, гибридизация анализа программ 05:01 — Контекст рынка: AI-инструменты уже в рабочем процессе разработчиков 06:39 — Ожидания vs реальность: продуктивность, PR-ревью, уязвимости 09:08 — Почему проблема чаще всего не в...