Какие AI-инструменты используют российские разработчики в 2026: опрос 412 человек

В апреле–мае 2026 года редакция провела опрос 412 разработчиков, тимлидов и руководителей инженерных направлений из российских компаний. В выборку вошли представители банков из топ-15, телекомов, ретейла, промышленности, государственных IT-подрядчиков и продуктовых стартапов. Опрос проводился анонимно через профессиональные сети за восемь недель. Цель — не рейтинг популярности, а срез по фактическому использованию в условиях ограниченного доступа к части западного стека.

Кто попал в первую пятёрку

На вопрос «какой AI-инструмент вы используете в работе хотя бы раз в неделю» ответы распределились так: GitHub Copilot — 61% респондентов, Yandex GPT — 43%, Claude — 38% (преимущественно через прокси-сервисы), GigaChat — 31%, ChatGPT — 29% (тоже через прокси). Cursor и Windsurf в сумме используют 22% опрошенных — заметно ниже глобальной статистики, но с устойчивым ростом за последние шесть месяцев.

67% респондентов используют два и более инструмента параллельно. Самая частая комбинация — Copilot для code-completion в IDE плюс одна из chat-моделей для более сложных задач: написание кода с нуля, отладка, генерация документации, перевод технических текстов. Это устойчивый паттерн использования AI в разработке — не замена мышления, а снижение трения в конкретных повторяемых операциях.

Среди тех, кто указал Cursor или Windsurf, 78% используют их как основную IDE, а не как дополнение. Это важное разграничение: эти инструменты конкурируют не с Copilot, а с VS Code и JetBrains IDE напрямую. Пользователи, переходящие на них, меняют среду разработки целиком, а не добавляют плагин. Это и объясняет более медленное проникновение в корпоративном сегменте: смену IDE нужно согласовывать с ИБ и DevOps-командой.

Бюджеты и серая зона

Среди тех, у кого AI-инструменты оплачиваются централизованно, средний бюджет на разработчика составляет 3 400 рублей в месяц, медиана — 2 600 рублей. Разрыв между сегментами существенный: в банковских командах и крупных tech-подразделениях — 5–8 тысяч на seat, у государственных подрядчиков и менее зрелых продуктовых компаний — 1–2 тысячи.

Разрыв между средним и медианным значением (3 400 против 2 600) говорит о скошенном распределении: несколько компаний с высоким бюджетом тянут среднее вверх. Это типично для ранних стадий корпоративного внедрения: первые несколько пионеров тратят много, большинство — мало или почти ничего.

34% опрошенных оплачивают часть инструментов самостоятельно — как правило, подписку на ChatGPT Plus или Claude Pro через зарубежные карты и иностранные кошельки. Это серая зона с точки зрения корпоративной политики. В большинстве компаний она негласно толерируется: инженеры повышают производительность, а компании избегают геополитических сложностей с официальными закупками западного ПО. Де-факто это субсидия инженерной производительности за счёт личного кармана сотрудника.

Три барьера, которые называют чаще всего

Compliance и data residency назвали главным барьером 52% респондентов. Внутренний код, документация, тикеты, финансовые данные — всё это нельзя отправлять во внешние API без специального разрешения службы безопасности. Показательно, что барьер работает симметрично: он ограничивает и западные сервисы, и российских вендоров, если те не предоставляют полностью изолированный on-premises-вариант. Yandex GPT API с передачей данных через публичное облако Яндекса под этот требование тоже не подпадает для многих корпоративных клиентов.

Сложность интеграции в существующие workflow — второй по частоте барьер (38%). Это не отсутствие инструментов, а трудоёмкость встраивания в legacy-инфраструктуру с кастомным CI/CD, сложными политиками доступа и конкретным набором IDE-настроек, которые нельзя менять без согласования. Показательный пример из опроса: команда в крупном банке шесть месяцев согласовывала разрешение на использование Copilot в корпоративной сети — не из-за принципиального отказа, а из-за сложности оценки рисков в существующей compliance-структуре.

Сомнения в качестве на русскоязычных задачах — третий барьер (29%). Yandex GPT и GigaChat закрывают часть кейсов, но для задач, требующих смешения языков — код на английском, комментарии на русском, бизнес-домен с терминологией банковского регулирования или фармацевтики — команды по-прежнему предпочитают западные модели, пусть и через прокси. Разрыв сокращается: Yandex GPT 5 Pro в мае 2026 показал 22% улучшение на русских reasoning-задачах. Но на специализированных отраслевых корпусах разрыв пока сохраняется.

Рост планируют 62%, но с новыми требованиями

62% респондентов сообщили, что их команда планирует увеличить инвестиции в AI-инструменты в течение ближайших 12 месяцев — расширить число лицензий, добавить новые продукты, масштабировать пилоты. 18% планируют оставить расходы прежними, 6% — сократить, 14% затруднились с ответом.

Те 6%, кто планирует сокращение — характерная группа. Это преимущественно команды, запустившие пилоты в 2023–2024 годах на волне общего энтузиазма и столкнувшиеся с тем, что конкретная интеграция не даёт ожидаемого продакшен-результата. Не разочарование в AI как явлении, а разочарование в конкретном решении, которое выбирали без достаточной технической оценки.

Среди тех 62%, кто планирует рост, изменился характер требований к инструментам. В 2023–2024 годах покупали «AI-возможности»; сейчас покупают конкретные характеристики: предсказуемость stоимости, SLA, on-premises-вариант с изоляцией данных, интеграция с корпоративным SSO, возможность дообучения под отраслевой корпус. Это смещение спроса от «попробовать AI» к «встроить AI надёжно» выгодно enterprise-вендорам, которые могут предложить все эти условия в одном контракте.

Что это говорит о рынке

Российский рынок корпоративного AI проходит ту же фазу нормализации, что и глобальный, но с задержкой на 12–18 месяцев и с дополнительным измерением — санкционными ограничениями, создающими спрос на российские альтернативы быстрее, чем он возник бы органически. Yandex GPT и GigaChat получают корпоративных клиентов не только за счёт качества, но и за счёт того, что они единственные варианты, проходящие compliance-фильтр крупных государственных и квазигосударственных структур.

Для прикладных команд практический вывод прост: главный разговор сейчас — не «какую модель выбрать», а «как встроить в существующую инфраструктуру без нарушения политик безопасности». Компании, решающие эту задачу с понятным ответом, будут выигрывать контракты независимо от того, чья модель лежит в основе.