Как Goldman Sachs использует Агентный ИИ для масштабной разработки Программного Обеспечения

Индустрия финансовых услуг зависит от данных, скорости и точности. К сожалению, значительная часть ее цифровой инфраструктуры находится в неудовлетворительном состоянии.

Многие системы, на которые полагаются банки и страховые компании в повседневной деятельности, были созданы десятилетия назад инженерами, давно вышедшими на пенсию, с использованием языков программирования, которые в значительной степени забыты.

Модернизация этой устаревшей инфраструктуры - кропотливая и дорогостоящая работа, которая традиционно включает в себя переписывание старого кода с нуля и перенос данных из устаревших систем хранения, а также постоянное тестирование и проверку того, что в процессе ничего не было нарушено.

Это та рутинная, повторяющаяся работа, которую ненавидят инженеры-люди. К счастью, у агентов с искусственным интеллектом нет собственного мнения, и они более чем готовы придерживаться его.

Это стало отправной точкой для Goldman Sachs, в результате чего он стал первым крупным банком, который начал использовать виртуальных инженеров-программистов для решения реальных производственных задач. Сотни сотрудников были привлечены к работе наряду с 12 000 инженеров и разработчиков. Вскоре стало ясно, что они способны на гораздо большее, чем просто модернизировать устаревшую архитектуру.

По мере того, как банковский гигант продвигается вперед, внедряя агентный ИИ во все новые сферы деятельности, чему мы можем научиться из его стратегии?

И, что особенно важно, что это значит для следующего поколения молодых инженеров-программистов, которые когда-то полагались на этот вид работы, чтобы освоить свое ремесло?

В 2025 году банк внедрил Devin, разработанный стартапом Cognition в области искусственного интеллекта, в своем технологическом подразделении.

В то время как банки уже некоторое время используют искусственный интеллект для написания кода, Devin полностью автоматизирован, что означает, что он может работать автономно, в рамках существующей ИТ-инфраструктуры банка и совместно с человеческими командами.

Вместо того чтобы просто писать то, что ему говорят, он может полностью соответствовать требованиям инженерного проекта, написать код, протестировать его, отправить на проверку специалистам и внести любые необходимые исправления ошибок.

Goldman CIO Marco Argenti told CNBC that Devin is "like a new employee" and was expected to be three or four times more productive than existing AI tools.

Specific statistics on Goldman’s deployment aren’t published, but a performance review carried out by Cognition on deployments across its customer base in late 2025 reported that one large organization saved five to 10 percent of development time using Devin for fixing security issues in code.

For another customer, it reported that the time taken to fix vulnerabilities reduced from 30 minutes per issue to 1.5 minutes, versus human developers.

Its performance also improved over time, with the number of pull requests accepted by human reviewers without needing significant recoding increasing from a third to roughly two-thirds.

Its results encouraged Goldman to further expand its agentic engineering project in 2026, adopting another platform, Anthropic’s Claude, for work involving trades and transactions, as well as client vetting and onboarding.

Argenti went on to tell Fortune that he had switched from measuring AI usage among staff to monitoring how quickly ideas became prototypes and then working production models. He stated that it was like the bank had become capable of "3D printing software."

But a glaring question remained. What did it mean for the humans who traditionally did these jobs?

Argenti has consistently talked about agentic automation as a tool that frees humans for higher value work, rather than replacing them.

Nevertheless, researchers including Bloomberg Intelligence say redundancy and replacement are likely, with up to 200,000 jobs, including many junior-level developers, potentially being lost in the US banking sector alone.

This raises important questions. If junior roles dry up, what happens to the pipeline of software engineers that will eventually become the senior developers leading new projects and deployment initiatives across financial services?

With CEO David Solomon talking about restricting headcount, and Argenti himself expecting AI-driven job cuts to extend to other departments beyond IT engineering, the industry itself is yet to provide reassurance or answers.

Regardless, the change is happening and is well underway. So what can leaders and professionals, including those from outside financial services, take from this?

The clearest lesson here is that progress can be achieved by starting with a narrow scope and expanding once the value proposition is proven. Goldman began with a known problem where results could easily be measured, and success or failure would quickly be apparent. Starting with "low-hanging fruit" means confidence can be built, and buy-in and budgeting won for bigger objectives.

The bank also quickly learned that it’s more effective to measure outcomes rather than supporting metrics like usage or adoption rates. This meant it was able to understand the overall value proposition of AI, rather than simply the speed gains of individual tasks or efficiency of human workers.

However, it isn’t all smooth sailing. Cognition’s review of its customers’ results found that while Devin works at senior developer level when it comes to understanding code, it’s far more junior when it comes to execution, particularly when objectives are ambiguous or less specific. This reinforces the importance of providing well-scoped, structured prompts and instructions when working with agents.

Finally, there’s the worrying fact that there’s still much uncertainty over the impact agentic AI will have on human workforces. While organizations are keen to talk about augmentation and automated assistants, the reality of the shrinking junior labor pipeline can’t be ignored. This certainly isn’t unique to banking. Anyone deploying agentic AI at scale is likely to come up against this challenge sooner or later, and failing to address it now could mean risking failure in the future as emerging talent and human skills are lost to the organization.