Для чего внедрять ИИ в процессы разработки
Скорее всего, решение вы уже приняли – или вас к нему подталкивают: руководство, конкуренты, собственные инженеры. Блок нужен, чтобы вы понимали, что вообще даст внедрение ИИ. 8 причин, и к каждой – что говорят данные и где информации пока нет.
Вы в роли технического директора: сначала принимаете решение, потом видите последствия, потом читаете разбор. Разбор построен по мотивам внедрения, и для каждого отмечено – подтверждается он исследованиями или пока остаётся гипотезой.
Генеральный вернулся с конференции
Слушай, я 3 дня смотрел, как все внедряют ИИ в разработку. У нас это когда будет? Через неделю бюджетный комитет, принеси цифры, желательно хорошие.
Что вы принесёте на бюджетный комитет?
Панель перед вторым комитетом
было → сталоЦифры условные: они показывают направление, величину по ним оценивать нельзя. Значения «Было» посчитаны задним числом по журналам деплоев и задач. Что измерять на самом деле и как снять baseline – в блоке 11.
Что происходит через квартал: все варианты
Цифры условные: они показывают направление, величину по ним оценивать нельзя. Значения «Было» посчитаны задним числом по журналам деплоев и задач. Что измерять на самом деле и как снять baseline – в блоке 11.
Вариант A. Обосновать через экономию: Обещанные 30% экономии не появились
Бюджет получили легко: 30 процентов звучат понятно, комитет эту цифру запомнил. Купили корпоративные лицензии, часть команд начала пользоваться. Через квартал финдир принесла свою таблицу: расходов на разработку стало больше ровно на стоимость подписок и токенов сверх лимита, число поставленных изменений осталось примерно тем же, а время на ревью выросло. Она спрашивает, где экономия.
| Метрика | Было | Стало |
|---|---|---|
| Стоимость единицы поставки (все расходы на разработку / число деплоев) | 100 | 108 |
| Активные пользователи ИИ (по данным инструмента, без опросов) | нет данных | 41% |
| Время от коммита до прода (метрика DORA) | 6 дн | 5,5 дн |
| Доля сбойных изменений (метрика DORA) | 4,0% | 4,6% |
| Время на ревью (медиана по пул-реквесту) | нет данных | +30% |
Вердикт: Обещание дал поставщик, а отвечать за него теперь вам. Следующий разговор о бюджете будет тяжёлым.
Что говорят коллеги после варианта A
Даниил: 30 процентов из презентации в лучшем случае опираются на примеры вроде Amazon с обновлением Java, поэтому у нас они не повторятся: у нас вместо миграций – правки в монолите с регуляторикой. Но я понимаю, почему вы так сделали. В банке квартал на пилот плюс 2 месяца согласования с ИБ – это 5 месяцев, а генеральный ждёт цифру сейчас. Выход один: идти к ИБ в тот же день, что к генеральному, а генеральному вместо цифры приносить срок, когда она появится.
Мария: Мы начинали похоже: после пилота на лучшей команде я пообещала финдиру 30 процентов, и он до сих пор мне про них напоминает. Что реально сработало: мы перестали обещать экономию и начали показывать стоимость одного деплоя. За второй год она упала, но причиной был не сам ИИ – мы перестроили ревью, которое ИИ забил. Эффект от ИИ получается из перестройки процессов вокруг него.
- Даниил: Мария, у тебя была платформенная команда, а у меня её нет и в этом году не будет.
- Мария: Тогда хватит одного человека на половину времени, но кто-то должен считать стоимость деплоя, иначе через квартал ты снова принесёшь чужую цифру.
Итог: Цифра вендора не перенеслась на вашу компанию, и теперь за неё отвечаете вы. Для первой попытки это нормальный исход. Главное из блока: 6 причин можно показать цифрами, 4 из них с оговорками, а 2 – только назвать. Если захотите, пройдите развилку заново: реплики Даниила и Марии будут другими.
Вариант B. Обосновать через отставание: 200 лицензий, 60 пользователей
Лицензии на 200 человек согласовали за неделю. Аргумент сработал: никто не хочет отставать. Прошёл квартал. Данные инструмента показывают: активно работают в нём 60 инженеров, а 80 человек (40%) не открыли его ни разу. Генеральный спрашивает, за что заплатили. Те, кому инструмент навязали, теперь против любого продолжения. А из ИБ пришёл вопрос: кто это вообще согласовал?
| Метрика | Было | Стало |
|---|---|---|
| Стоимость единицы поставки (все расходы на разработку / число деплоев) | 100 | 112 |
| Активные пользователи ИИ (по данным инструмента, без опросов) | нет данных | 30% |
| Время от коммита до прода (метрика DORA) | 6 дн | 6 дн |
| Доля сбойных изменений (метрика DORA) | 4,0% | 4,3% |
| Время на ревью (медиана по пул-реквесту) | нет данных | +15% |
Вердикт: Внедрение считают провалом, хотя оно даже не началось. Заплатили за лицензии, а нужно было платить за результат.
Что говорят коллеги после варианта B
Даниил: В соседнем подразделении лицензии раздали всем сразу полгода назад – это надолго сломало там внедрение. В банке человек, которому навязали инструмент, мало того что им не пользуется: он идёт в ИБ с вопросом «а это вообще согласовано?». Если бы я начинал заново, я бы дал инструмент только тем, кто сам просит.
Мария: 40 процентов, которые не открыли инструмент – ещё не беда. Беда в том, что они потом сопротивляются сильнее всех, потому что инструмент стал символом решения сверху. У нас во второй волне активное использование подняли только тогда, когда появилась платформенная команда, которая ходила по другим командам и помогала руками. Лицензия без человека рядом – просто расход.
- Мария: Даниил, а у вас сколько из 200 пользуются личными аккаунтами прямо сейчас?
- Даниил: Не знаю, причём это хуже, чем 40 процентов неоткрытых лицензий: там хотя бы код никуда не уходит.
Итог: Лицензии без людей рядом и без согласования с ИБ дали расход, а не эффект. Для первой попытки это нормальный исход. Главное из блока: 6 причин можно показать цифрами, 4 из них с оговорками, а 2 – только назвать. Если захотите, пройдите развилку заново: реплики Даниила и Марии будут другими.
Вариант C. Признать, что цифр нет: Настоящие цифры по одной команде
На комитете было неуютно: вы единственный пришли без цифры, и гендир это заметил. Но квартал на пилот и бюджет на него вы все же получили. Сняли baseline за 3 предыдущих месяца, договорились с ИБ в первую же неделю, запустили пилот на одной типичной команде – не на лучшей. Через квартал у вас настоящая картина: онбординг новых сотрудников ускорился, скорость поставки не изменилась, ревью стало узким местом. Теперь понятно, что чинить дальше.
| Метрика | Было | Стало |
|---|---|---|
| Стоимость единицы поставки (все расходы на разработку / число деплоев) | 100 | 99 |
| Активные пользователи ИИ (пилотная команда, по данным инструмента) | нет данных | 85% |
| Время от коммита до прода (метрика DORA) | 6 дн | 6 дн |
| Доля сбойных изменений (метрика DORA) | 4,0% | 4,1% |
| Дней до первого пул-реквеста у нового сотрудника (онбординг) | 39 | 31 |
Вердикт: Второй бюджет просите с цифрами в руках. Вам верят – потому что в первый раз вы не обещали лишнего.
Что говорят коллеги после варианта C
Даниил: Ответ правильный, но в банке в чистом виде не пройдёт. Квартал на пилот выглядит нормально, но baseline у нас за неделю не собрать: метрики DORA считать некому, данные разбросаны по 3 системам. Я бы просил квартал плюс месяц на то, чтобы вообще начать измерять. Генеральному надо сказать об этом прямо – иначе квартал уйдёт на сбор данных.
Мария: У нас это сработало, но с одной поправкой: пилотную команду выбрали лучшую, поэтому результат не повторился на остальных. Берите среднюю команду на среднем сервисе. Ещё сразу считайте расход токенов по людям: у нас один инженер тратил половину бюджета команды, а мы долго не понимали, гений он или расточитель. Оказалось – расточитель.
- Даниил: Мария, а кто такая «средняя команда»? У меня все команды считают себя особенными.
- Мария: Та, которую ты не стал бы показывать на конференции. Если пилот сработал там, он сработает везде.
Итог: Вы выбрали измерять – это был правильный ответ, хотя Даниил прав: в банке на baseline уйдёт больше недели. Главное из блока: 6 причин можно показать цифрами, 4 из них с оговорками, а 2 – только назвать. Соберите документ по промпту и переходите дальше.
Восемь причин и что из них подтверждено
Ярлык рядом с заголовком показывает, насколько вывод подтверждён данными:
- подтвержденоесть данные исследований
- с оговоркамиданные есть, но узкие или противоречивые
- на логикеданных нет, вывод сделан рассуждением
Вы выбрали измерение – способ проверить любую из 8 причин, но сам по себе в их число он не входит. Ниже видно, какие причины покажете цифрами, а какие сможете только назвать.
Самый громкий пример – Amazon. В августе 2024 года гендиректор Энди Джасси написал, что с помощью ассистента Amazon Q обновление одного приложения до Java 17 стало занимать несколько часов вместо обычных 50 человеко-дней. За полгода компания обновила больше половины своих рабочих Java-систем, 79% автоматических ревью кода разработчики выпустили без дополнительных правок, а экономию Amazon оценила в 4 500 человеко-лет и 260 миллионов долларов в год.
Что это за цифра? Её назвал глава компании, которая продаёт этот самый инструмент, а независимой проверки нет. К утверждению «ИИ пишет фичи» она отношения не имеет: речь об одной конкретной, однотипной и очень скучной задаче – обновлении версий. Именно на таких задачах экономия самая предсказуемая. Как считать окупаемость у себя и почему чужие цифры к вам не переносятся – в блоке 04.
По отчёту DORA 2025 (DevOps Research and Assessment – многолетняя исследовательская программа Google о поставке софта, около 5 000 респондентов), ИИ уже используют 90% специалистов по разработке, а рост использования связан с более высокой пропускной способностью поставки – то есть с тем, как часто и как быстро изменения доходят до клиентов.
Отсюда простая арифметика: если почти все конкуренты используют ИИ и в среднем ускоряются, компания без ИИ отстаёт в скорости по умолчанию. Исследования, которое напрямую показывало бы, что отстающие теряют рынок, я не нашёл – так что это логический вывод, измерениями пока не подтверждён.
Есть и свежая оговорка про потолок. По данным DX (компания, продающая аналитику продуктивности инженеров, то есть вендор) за 3 месяца до 1 февраля 2026 года: из 121 000 разработчиков в 450+ компаниях 92,6% используют ИИ-ассистент хотя бы раз в месяц, а рост продуктивности подскочил примерно на 10% в начале волны и с тех пор держится на этом уровне. Скорость от инструментов вы получите, но дальше первых процентов она не растёт без перестройки процессов.
Причина другого рода: ускорение разработки обычных фич здесь ни при чём. Рынок ждёт от продуктов новых возможностей – ассистентов, агентов, автоматизации на языковых моделях. Команда, которая сама каждый день работает с агентами в разработке, понимает, где они сильны, где нет и сколько это стоит. Команда, которая с ними не работает, проектирует такие продукты вслепую.
Разработка ИИ-продуктов остаётся за границами курса. Здесь важно одно: внедрение ИИ в разработку попутно обучает команду на реальном опыте.
По качеству данные скромнее. По отчёту DORA 2024 рост использования ИИ на 25% был связан с улучшением качества документации на 7,5%, качества кода на 3,4% и скорости ревью на 3,1%. Единицы процентов, до десятков далеко. Самое заметное улучшение – документация, что совпадает с моим опытом: писать её никто не любит, а ИИ делает это без проблем.
В том же отчёте за 2024 год есть обратная сторона: пропускная способность поставки снизилась на 1,5%, а стабильность – на 7,2%. Качество отдельных артефактов росло, а качество поставки в целом снижалось. Как измерять качество так, чтобы видеть обе стороны – в блоке 11.
Данные 2026 года подтверждают картину. По отчёту DX за первый квартал 2026 (более 400 компаний, с октября 2025 по конец января 2026): почти 30% всего смерженного кода сгенерировано ИИ, но у части команд число дефектов увеличилось на 50%. Тот же источник по итогам второго квартала 2026 отмечает: ИИ генерирует больше строк кода, чем человек, из-за чего растёт размер пул-реквестов. Качество само собой не улучшается – нужны автотесты и ревью, которые успевают за объёмом.
Пример Amazon из первого пункта как раз относится к легаси: обновление версий Java, которое команды откладывали, потому что оно не даёт новых фич и никому не интересно. ИИ хорошо справляется с такой работой по 3 причинам: задача однотипная, результат проверяется автоматически (проект собрался, тесты прошли), а людей на неё никто не выделяет.
Для банков и крупных компаний с системами возрастом 10–15 лет это может оказаться главной причиной внедрения. Но есть подвох: ИИ хорошо мигрирует версии и плохо работает внутри старого кода, когда нужно менять его по существу. Почему так и что с этим делать – в блоке 12.
Новый сотрудник тратит первые недели на вопросы: «где это лежит?», «кто это вызывает?», «почему сделано так?». ИИ-ассистент с доступом к кодовой базе отвечает на них намного быстрее.
Здесь появились первые измерения. По данным DX за четвёртый квартал 2025 (выборка 14 000 разработчиков): новые сотрудники, которые пользовались ИИ ежедневно, доходили до 10-го смерженного пул-реквеста за 49 дней против 91 дня у тех, кто ИИ не использовал. В отчёте за первый квартал 2026 срок, за который новый инженер начинает приносить пользу, сократился до 33 дней против 39 в предыдущем квартале. Это данные вендора, и сравниваются люди, которые сами выбрали пользоваться ИИ, с теми, кто не стал – причина и следствие не доказаны. Рецензируемое подтверждение косвенное: в рандомизированных экспериментах в 3 компаниях (4 867 разработчиков, Management Science, 2025) менее опытные разработчики получили больший прирост, чем опытные. Если у вас есть данные по времени до первого смерженного изменения у новичков – снимите их до внедрения: это одна из метрик блока 11.
ИИ-инструменты стали нормой профессии. По опросу Stack Overflow 2025 (около 49 000 разработчиков из 177 стран): 84% используют или планируют использовать ИИ в работе, а 51% профессиональных разработчиков пользуются им ежедневно. Компания, которая запрещает или не даёт инструменты, выглядит для кандидата так же, как компания без систем контроля версий 10 лет назад.
Данные DX за 3 месяца до 1 февраля 2026 года показывают больше: 92,6% из 121 000 разработчиков используют ИИ хотя бы раз в месяц. Сравнивать эти 2 цифры напрямую нельзя – у них разные выборки и вопросы, но направление одно: инструментами пользуются почти все.
Прямых данных о том, что ИИ-инструменты снижают текучесть, нет. Но есть косвенный сигнал: в том же опросе главными факторами удовлетворённости работой названы автономия и доверие. Запрет на инструменты, которыми человек пользуется дома, бьёт ровно по автономии и доверию.
Сюда же – престиж бренда: рассказ о внедрении на конференции или в блоге компании работает на найм лучше любой вакансии.
Эту причину редко называют, но она самая срочная. Если вы не дали инженерам инструменты – они уже пользуются своими: личный ChatGPT, бесплатный тариф, расширение в редакторе, поставленное самостоятельно. В результате код компании уходит туда, где служба безопасности не имеет доступа.
По отчёту IBM Cost of a Data Breach 2025 (ежегодное исследование стоимости утечек): каждая пятая организация из исследования пережила утечку из-за теневого ИИ, а компаниям с высоким уровнем теневого использования утечки обошлись в среднем на 670 000 долларов дороже. В 40% таких утечек пострадала интеллектуальная собственность.
После внедрения проблема не исчезает. В отчёте DX за первый квартал 2026 теневое использование названо одной из главных тенденций: разработчики регулярно обходят официальные каналы. Авторы советуют понятные правила допустимого использования вместо блокировок.
Официальное внедрение – единственный способ взять это под контроль: дать разрешённый инструмент, закрыть неразрешённые и договориться с ИБ о правилах. Как – в блоке 05.
Как за год изменился вывод DORA
Связь при росте использования ИИ на 25%. Показано направление, величину по столбцам оценивать нельзя.
В 2024 году рост использования ИИ был связан с лучшей документацией и чуть лучшим кодом, но одновременно с падением пропускной способности и стабильности. Главный отраслевой отчёт зафиксировал: ИИ пока замедляет поставку.
Прокрутите дальше: через год та же программа опросила ещё пять тысяч человек, после чего связь со скоростью развернулась в плюс. Один вывод за один год поменялся на противоположный.
Нестабильность при этом так и осталась. В этом главный факт блока: скорость уже доказана, а за качество поставки придётся платить отдельно, о чём рассказано в блоках 11 и 12.
Все источники блока – в одной таблице, чтобы была видна динамика. «Эксперимент» – рандомизированное сравнение групп с ИИ и без, самый надёжный вид данных. «Опрос» показывает связь, но причину не устанавливает. «Данные вендора» – данные об использовании или опросы компании, которая продаёт связанный продукт.
| Год | Источник | Тип | Выборка | Главный результат |
|---|---|---|---|---|
| 2023 | Peng и др., GitHub и Microsoft Research | Эксперимент | 95 разработчиков, одна задача с нуля | С Copilot задача выполнена на 55,8% быстрее |
| 2024 (август) | Amazon, пост Энди Джасси | Заявление компании | Внутренние Java-системы Amazon | Обновление до Java 17 за часы вместо 50 человеко-дней; оценка экономии 4 500 человеко-лет и 260 млн долларов в год |
| 2024 (октябрь) | DORA 2024 | Опрос | Специалисты по разработке по всему миру | Рост использования ИИ на 25% связан с документацией +7,5%, качеством кода +3,4%, но пропускной способностью −1,5% и стабильностью −7,2% |
| 2025 (июль) | METR | Эксперимент | 16 опытных разработчиков, 246 задач в зрелых репозиториях | С ИИ на 19% медленнее; сами участники считали, что ускорились на 20% |
| 2025 (июль) | Stack Overflow Developer Survey | Опрос | Около 49 000 разработчиков из 177 стран | 84% используют или планируют, 51% профессионалов ежедневно; 46% не доверяют результатам |
| 2025 (июль) | IBM Cost of a Data Breach | Отчёт по инцидентам | Организации, пережившие утечку | Каждая пятая организация пережила утечку из-за теневого ИИ; +670 000 долларов к стоимости утечки при высоком уровне теневого использования |
| 2025 (август) | Cui, Demirer и др., Management Science | Эксперимент | 4 867 разработчиков в Microsoft, Accenture и компании из Fortune 100 | +26% выполненных задач; менее опытные получили больший прирост |
| 2025 (сентябрь) | DORA 2025 | Опрос | Около 5 000 специалистов | 90% используют ИИ; связь с пропускной способностью стала положительной, нестабильность растёт |
| 2025 (июль) | Faros AI | Данные вендора | Более 10 000 разработчиков, 1 255 команд | +21% задач, +98% пул-реквестов, +91% времени ревью, +154% размер пул-реквеста, +9% багов на разработчика |
| 2025 (4 кв.) | DX | Данные вендора | 14 000 разработчиков по онбордингу | Ежедневные пользователи ИИ доходят до 10-го смерженного пул-реквеста за 49 дней против 91 |
| 2026 (февраль) | METR, обновление | Пересмотр методики | 57 участников, из них 10 прежних | Разработчики, вероятно, ускоряются сильнее, чем в 2025-м, но измерить не удаётся: люди отказываются работать без ИИ |
| 2026 (февраль) | DX, выступление Лауры Тачо | Данные вендора | 121 000 разработчиков, 450+ компаний | 92,6% используют ежемесячно; рост продуктивности около 10% и дальше не растёт |
| 2026 (1 кв.) | DX, отчёт с октября 2025 по январь 2026 | Данные вендора | Более 400 компаний | Почти 30% смерженного кода от ИИ; у части команд +50% дефектов; онбординг 33 дня вместо 39; теневое использование сохраняется |
| 2026 (2 кв.) | DX, с апреля по июнь 2026 | Данные вендора | Более 400 компаний | Медианная доля ИИ-кода около 50%; пул-реквесты стали крупнее |
По динамике видно: использование выросло с «большинство» в 2024-м до «практически все» в 2026-м. Скорость отдельного разработчика в экспериментах то растёт (Peng и др., Cui и др.), то падает (METR 2025), а скорость на уровне организации упёрлась в потолок около 10%. Доля кода от ИИ за 1 квартал выросла с 30% до 50%, а вместе с ней выросли пул-реквесты, время ревью и дефекты. Онбординг – единственная область, где картина только улучшается.
| № | Причина | Статус | На чём держится |
|---|---|---|---|
| 1 | Снижение затрат | С оговорками | Экономия доказана только на узких задачах вроде обновления версий, и это заявление вендора |
| 2 | Скорость | С оговорками | Эксперименты расходятся (Peng и др. и Cui и др. – быстрее, METR 2025 – медленнее); у организаций потолок около 10% (DX) |
| 3 | ИИ-агенты в продукте | Логика | Прямых данных нет |
| 4 | Качество кода и документации | С оговорками | Документация и код немного лучше, стабильность поставки ниже (DORA 2024, DX) |
| 5 | Легаси | С оговорками | Один пример компании-вендора (Amazon) |
| 6 | Онбординг | Подтверждена | Данные вендора (DX) и косвенно эксперимент Cui и др. |
| 7 | Найм и удержание | Логика | Косвенные данные опросов |
| 8 | Теневое использование | Подтверждена | IBM, DX |
Из 8 причин данными подтверждены 2: онбординг (данными вендора) и теневое использование. 4 причины подтверждены с оговорками: затраты, скорость, качество и легаси. 2 причины – ИИ-агенты в продукте и найм – пока держатся на логике и косвенных данных. Защищая бюджет, опирайтесь на 6 причин со статусом «Подтверждена» и «С оговорками» и называйте оговорки. Агентов в продукте и найм прямо называйте ожиданиями.
Что говорят коллеги
2 технических директора проходят этот курс вместе с вами. Даниил ведёт разработку в банке: монолит с историей, 200 инженеров, первый год внедрения. Мария второй год внедряет ИИ в продуктовой компании на 60 инженеров, после первого пилота у неё появилась платформенная команда. Они не согласны ни с текстом, ни друг с другом.
Ответ правильный, но в банке в чистом виде не пройдёт. Квартал на пилот выглядит нормально, но baseline у нас за неделю не собрать: метрики DORA считать некому, данные разбросаны по 3 системам. Я бы просил квартал плюс месяц на то, чтобы вообще начать измерять. Генеральному надо сказать об этом прямо – иначе квартал уйдёт на сбор данных.
У нас это сработало, но с одной поправкой: пилотную команду выбрали лучшую, поэтому результат не повторился на остальных. Берите среднюю команду на среднем сервисе. Ещё сразу считайте расход токенов по людям: у нас один инженер тратил половину бюджета команды, а мы долго не понимали, гений он или расточитель. Оказалось – расточитель.
Обсуждение:
3 причины и метрика к каждой
Первый документ, который вы унесёте из курса: 3 причины внедрять ИИ в вашей компании и то, чем вы проверите каждую. К концу курса таких документов будет 10, вместе они составят комплект для разговора о бюджете. Скопируйте промпт в модель, которую разрешила ваша служба ИБ (ChatGPT, Claude, GigaChat, YandexGPT или другую). Модель задаст вопросы по одному и по ответам соберёт документ. Не вставляйте в ответы секреты, персональные данные и код из закрытых систем.
Промпт для документа
скопируйте в свою модельТы – опытный технический директор. Помоги мне подготовить документ «3 причины внедрять ИИ в разработку и метрика к каждой» для разговора с генеральным директором о бюджете. Причины, из которых выбираем 3, и насколько каждая подтверждена данными: 1. Снижение затрат на разработку – с оговорками 2. Конкуренты выводят функционал быстрее – с оговорками 3. Конкуренты выводят новый тип функционала: ИИ-агенты – логика, прямых данных нет 4. Качество кода и документации – с оговорками 5. Работа с легаси – с оговорками 6. Быстрый онбординг новых инженеров – подтверждена 7. Найм и удержание специалистов, бренд работодателя – логика, прямых данных нет 8. Контроль над теневым использованием ИИ – подтверждена Что нужно выяснить: - Какие 3 причины важнее всего для моей компании и почему именно они. Если я выбираю снижение затрат, спроси, чем я это докажу: экономия доказана только на узких задачах, лучше говорить о стоимости единицы поставки. - Если я выбираю причину со статусом «логика», скажи, что данных за ней нет, и в колонке «Почему для нас» допиши «ожидание, данных пока нет». Если статус «с оговорками», назови оговорку. - Для каждой причины: метрика, которой я её проверю; текущее значение, если оно известно; откуда я возьму данные. - Что генеральный должен услышать: 1 фраза о том, что компания получит и когда. Правила работы: - Задавай по 1 вопросу за раз и жди моего ответа. - Начни с 4 вопросов о компании, по одному: сколько в ней инженеров; чем она занимается; есть ли жёсткие требования ИБ или регулятора; используете ли вы ИИ в разработке уже сейчас и как. Учитывай ответы дальше. - Если ответ размытый, попроси цифру или конкретный пример. - Если я не знаю ответа, предложи 2–3 варианта и коротко объясни разницу. Не придумывай данные за меня. - Если ответа нет и после вариантов, оставь поле пустым и иди дальше. На слово «собирай» собери документ из того, что есть. - Если новый ответ противоречит прежнему, скажи об этом и спроси, какой ответ верный. Если я не могу выбрать, запиши оба значения в список того, что осталось пустым или слабым. - Когда все вопросы закрыты, собери документ в формате ниже. После документа отдельным списком перечисли, что осталось пустым или слабым и как это закрыть. Формат документа: таблица «Причина | Почему для нас | Метрика | Сейчас | Откуда данные», под таблицей – фраза для генерального и строка «Что согласовать с ИБ», если есть требования ИБ или регулятора.
ПримерДокумент Марии
| Причина | Почему для нас | Метрика | Сейчас | Откуда данные |
|---|---|---|---|---|
| Скорость вывода функционала | Конкуренты выпускают фичи каждые 2 недели, мы – раз в месяц | Время от коммита до прода | 6 дней | CI/CD (система сборки и выкатки) |
| Онбординг | Нанимаем 10 человек в год, новичок выходит на полную скорость за 2 месяца | Дни до первого смерженного пул-реквеста | 39 | Git |
| Контроль теневого использования | После второй волны часть инженеров всё ещё работает через личные аккаунты | Доля использования через корпоративные инструменты | 70% активных инженеров | данные инструмента и анонимный опрос раз в квартал |
Фраза для генерального: «За квартал на 1 команде покажем, сокращаются ли время до прода и онбординг. Экономию не обещаем, считаем стоимость единицы поставки».
Что согласовать с ИБ: отдельной службы ИБ нет, правила пишет технический директор (блок 05).
Вы выбрали измерять – это был правильный ответ, хотя Даниил прав: в банке на baseline уйдёт больше недели. Главное из блока: 6 причин можно показать цифрами, 4 из них с оговорками, а 2 – только назвать. Соберите документ по промпту и переходите дальше.
Дальше блок 03 «Подходы и практики»: Прежде чем решать, что именно внедрять и как считать эффект, нужна карта местности: какие вообще бывают способы работать с ИИ в разработке, что проверено, а что пока эксперимент, от чего вы становитесь зависимы, когда встраиваете модель в процесс.
Источники блока
- Peng и др., эксперимент с GitHub Copilot, 2023
- Пост Энди Джасси о результатах Amazon Q, 2024, пересказ с цитатами
- DORA 2024, анонс Google Cloud
- METR, исследование 2025 года
- METR, обновление за февраль 2026
- Stack Overflow Developer Survey 2025, раздел об ИИ
- IBM Cost of a Data Breach Report 2025 (PDF)
- Cui, Demirer и др., Management Science, 2025 и препринт (PDF)
- DORA 2025, анонс Google Cloud
- Faros AI, AI Productivity Paradox, июль 2025
- DX, данные за 4 квартал 2025, обзор на Tessl
- DX, выступление Лауры Тачо, февраль 2026, обзор на ShiftMag
- DX, отчёт за 1 квартал 2026
- DX, доля ИИ-кода, 1 квартал 2026
- DX, доля ИИ-кода и размер пул-реквестов, 2 квартал 2026