Александр из Т-банка представил результаты исследования о влиянии ИИ на разработку. Разбираем, как меняются процессы и что теперь входит в обязанности тимлида.
Мета-исследование и опрос
Команда проанализировала существующие исследования по влиянию ИИ на разработку: DORA, Stack Overflow, JetBrains и другие источники.
Параллельно провели собственный опрос в Т-банке с описанием методологии, выборки и ограничений. Основные вопросы касались трёх аспектов:
- в каких задачах используется ИИ;
- как меняется продуктивность и качество;
- насколько разработчики доверяют инструментам.
Результаты исследований
Высокое проникновение. Более 90% разработчиков регулярно используют ИИ-инструменты — данные крупных опросов.
Продуктивность растёт неравномерно. Написание кода ускорилось, но доставка (delivery) не показала ожидаемого роста. Разработчики пишут больше, но ценность доходит до пользователя с прежней скоростью.
Проблемы с качеством. После внедрения ИИ увеличилась нестабильность, выросло количество инцидентов на проде.
Доверие остаётся низким. 30-40% разработчиков не доверяют результатам, которые генерирует ИИ.
Роль инженера расширяется. Требуется больше сценариев работы и глубокое понимание того, как инструменты функционируют изнутри.
Изменения в процессах разработки
Идёт переход от классического SDLC к «нативной разработке» с автономными агентами.
Внутренние циклы внутри профессий ускорились, но появились узкие места на стыках передачи ответственности между специалистами.
Примеры из практики:
- Google, Meta, Amazon — AI-driven development;
- just-in-time тесты;
- автогенерация тестов под изменения кода.
Инженерная дисциплина (Software Engineering 1.0) остаётся фундаментом для внедрения ИИ. Без неё автоматизация только усугубляет проблемы.
Требуется системная проверка гипотез и end-to-end метрик, а не только отслеживание скорости написания кода.
Организационные изменения
Уплотнение иерархии. Меньше уровней управления, больше ответственности на сильных индивидуальных контрибьюторах.
Примеры компаний:
- Meta — 1 менеджер на 50 инженеров;
- Amazon, Microsoft, Google, Intel — схожие модели.
Финансовое давление. Переход к метрикам эффективности на человека вместо общего head count.
Плоская структура требует сильной внутренней платформы, прототипированных путей разработки и быстрых циклов обратной связи.
Новая роль тимлида
Тимлид переходит от управления людьми к проектированию человеко-машинных систем работы.
Что меняется в практике:
- Явное определение правил и контекста для агентов — кодификация знаний о продукте и процессах;
- Определение задач, которые можно делегировать агентам, и тех, что требуют глубокого ревью;
- Автоматизация верификации: тесты, ревью, критерии готовности (definition of done);
- Работа с доверием команды и обучением — преодоление сопротивления, помощь в освоении инструментов;
- Измерение end-to-end метрик (DORA, SPACE, DevEx), а не промежуточных результатов.
Вызовы и риски
Эрозия навыков. Junior-разработчики могут не получать опыт на простых задачах, которые теперь делегируются ИИ.
Иллюзия скорости. Рост количества кода и артефактов без ускорения реальной поставки ценности бизнесу.
Необходимость явного описания. Процессы и ожидания от ролей теперь нужно формулировать явно — неявные правила перестают работать.
Поддержка и обучение. Важно помогать команде преодолевать барьер принятия технологий, иначе внедрение забуксует.
