Marat @ Predictable.Team
340 subscribers
110 photos
7 videos
4 files
90 links
Привет! Я Марат, Agile Coach в финтехе на 50 команд в ядре банка.
В этом канале пишу про процессную культуру и метрики в айти и не только, фасилитацию, бизнес, изменения и системный подход.
Если вы в Уфе, приходите ко мне в ufaitcoworking.ru :)
Download Telegram
Решил с вами поделиться тем, что рассказывал на конференции:

🔥 Эволюция приоритизации: от харизмы стейкхолдеров к ROI

Представьте продукт с 50+ стейкхолдерами и все одновременно чего-то хотят 😅

Можно нанять больше людей.
Но если нет фильтра на входе, задач всегда будет больше, чем ресурсов.

За 3 года мы прошли путь:
Квоты → RICE → ROI
Расскажу как это было.

🧩 Вызов №1. 50+ стейкхолдеров на один продукт

На 2022 год у нас было:
- 12 продуктовых команд и
- 200 участников,
- Более 30 бизнес-заказчиков,
- 5 архитекторов,
- И 20 связанных приложений и подсистем.

Все заинтересованные лица приходили с задачами. У всех «срочно» и «очень важно». Понятно, что у каждой из продуктовых команд не более 10 стейкхолдеров, но и это всё равно очень много. На этом этапе ключевая проблема была не в выборе лучшей задачи, а в том, что:
- команды физически не могли взять всё;
- давление на команды росло.

📊 Решение №1. Квоты
Первым шагом стали квоты по capacity:
- Бизнес-задачи
- Запросы от других приложений
- Развитие платформы
- Техдолг и инциденты
- Буфер под неопределённость

🎯 Результат:
- стало прозрачно, сколько команда реально может взять;
- снизилось давление со стороны стейкхолдеров;
- исчезла гонка «кто первый занял весь capacity».

Важно:
Квоты не решают приоритизацию. Они просто убирают первый слой хаоса.

👩‍🎤 Вызов №2. Приоритизация на основе харизмы
В 2023 году всплыла новая проблема: lопустим, к одной команде приходят 5 архитекторов:
- один топит за микросервисы
- второй за дизайн-систему,
- третий за PCI DSS
- и т.д.

Квота на платформу ограничена, а все задачи «важные».

И что происходит?
Берут задачу того, кто убедительнее говорил.
Я назвал это «приоритезация на основе харизмы» 🕺

📊 Решение №2: RICE

Мы внедрили приоритезацию на основе RICE:
RICE = Reach × Impact × Confidence / Effort

Reach - охват
Impact - влияние на ключевую метрику квартала
Confidence - уверенность в оценке остальных показателей
Effort - трудозатраты

Что изменилось:
споры превратились в структурированное обсуждение
решения стали проверяемыми
стресс у команд снизился
начали учитывать трудозатраты, а не только «важность»

🎀 Вызов №3. «Бантики» против ценности

2024 год:
Одна команда завалена сверхценными инициативами.
Другая - делает «бантики», потому что у неё в зоне ответственности всё самое важное уже сдеалано.
Это локальная оптимизация.

💰Решение №3: Сквозная приоритезация по ROI

Нужен был объективный показатель, позволяющий сравнить задачи разных команд между собой. И этот показатель — деньги. Именно так мы выбрали показатель ROI.
ROI = (Эффект − Инвестиции) / Инвестиции × 100%

Эффект - рост дохода или снижение затрат
Инвестиции - стоимость реализации

Что это дало:
🔥 сравнивать задачи между командами;
🔥 передавать самые ценные инициативы в команды, где в беклоге менее ценные задачи;
🔥 отсекать убыточные задачи ещё до реализации;
🔥 приоритезация ROI более точный и объективный показатель, чем RICE.

🧠 Что мы поняли за 3 года

1️⃣ Квоты - хороший временный инструмент, но они не заменяют экономическую модель.
2️⃣ Визуализация приоритетов резко снижает градус конфликтов.
3️⃣ ROI — самый точный инструмент, но он требует ресурсов.
Для растущих продуктов часто достаточно RICE, но на масштабе без денег не обойтись.

Если приоритеты всё чаще определяются «громкостью голоса», а не ценностью —
поздравляю, вы доросли до следующего уровня зрелости 😉

Больше интересного на канале Продуктовая трансформация

#УправлениеЛюдьми #БольшиеПродукты
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6
📰 На хабре вышла моя статья про эффективные команды. С картинками и котиками. Рассмотрим вершины эффективной команды, её паттерны и почему цели - самое важное.

🦾 Призываю лайкать за букву “ө” в слове “өчпочмак”

https://habr.com/ru/articles/1011932/
2👍6🔥4😁1
Перевел очень холиварную статью, которую мы супер часто в последние пару месяцев обсуждали и в проф. сообществах, и на работах, и даже в коворкинге.

Она вкратце про то, что:

☠️ SDLC больше нет. AI-агенты не ускорили привычный жизненный цикл разработки, они его схлопнули.

- Agile-ритуалы мертвы. Планирование спринтов, оценки в story points, релизные поезда и многодневные ожидания аппрувов в PR — всё это пережитки прошлого.

- Все этапы слились воедино. Сбор требований, system design, написание кода и тестов происходят одновременно — в реальном времени и в диалоге с агентом.

- Code Review — это новый луддизм. Машина генерирует 500 PR в день, человек физически не может их проверить. Код должен лететь прямо в main под прикрытием автотестов, feature flags и хорошо настроенного observability.

🌱🤖 Новый жизненный цикл — это узкая петля: 

Intent (Намерение) → Build (Создание) → Observe (Наблюдение).
Please open Telegram to view this post
VIEW IN TELEGRAM
1❤‍🔥7👍1🤔1
Если вы в Уфе, и если вы читали статью выше - то определенно приходите подискутировать с QA-сообществом "Как меняется роль и работа с качеством в эпоху AI-инструментов"!

Тема наболевшая, открываю первый митап Agile Ufa этого года актуалочкой.
Forwarded from Marat Kiniabulatov
Открываем Agile Ufa 2026 с митапом "Как меняется работа с качеством в эпоху ИИ"

🗓 9 апреля, 19.30
🗺 Верхнеторговая 6, БЦ Нестеров, 4 этаж.

Подискутируем и рассмотрим, как будет меняться и уже меняется парадигма работы с качеством в SDLC

📣 Обсудим:

- Как трансформируется роль и обязанности QA в эпоху AI-SDLC
- Какие изменения ждут другие роли в команде
- Как изменилась ваша роль в команде по мере внедрения AI в процесс разработки.

👉 Регистрация здесь по ссылке на Timepad
Please open Telegram to view this post
VIEW IN TELEGRAM
1👍1🔥1👨‍💻1
В этом году выступаю с темой

"Что такое эффективные команды и как убедиться что они слаженно работают, если их 45?"

на
Merge Innopolis. Забабахали промо-код со скидкой на покупку билетов на конференцию.

- Программа события готова и уже на сайте.

По промокоду UFA действует скидка 15% на билеты.
1🔥4
🤝️️️️️️ Что такое устойчивая (sustainable) команда?

• "Хьюстон, у нас проблема с мотивацией."
• Окей. А с чем конкретно? С целями? С лидером? С нагрузкой? С признанием? С ростом?

Устойчивая команда (Sustainable team) - это система показателей.


Мы уже рассматривали почему цели - самые важные в модели командой эффективности. Теперь время обсудить тех, кто эти самые цели и реализует.

💠 Концепция

Устойчивая команда — команда, которая:
• Достигает результатов
• Не выгорает
• Сохраняет людей
• Растёт в capability

Это точно не "довольная команда". Пожалуйста, не путайте. Нам важно постоянное достижение результатов на длинной дистанции (а не то, что все довольны и радостны).

🏗 Составные части устойчивой команды

Формат: Аспект, Что это, Почему важно

Психологическая безопасность: Можно говорить правду без страха. Это фундамент для всего остального.
• Качество управления: Качество работы руководителя. На 70% вырастает вовлеченность.
• Цели и их значение: Понимание зачем и куда. Внутренняя мотивация важнее денег.
• Стабильность состава команды: Стабильность состава. Важно так как стабильный состав влияет на концетрацию знаний и стадию зрелости команды.
• Рост и развитие: очевидное название. 3% уходят из-за скуки
• Признание: Признание вклада. Повышает вовлеченность в 2.5 раза.
• Work-life Balance: Баланс нагрузки. 76% сотрудников испытывают выгорание
• Компенсация: Справедливая оплата. Гигиенический фактор.

⛓️ Как это связано

Всё влияет на всё. Примеры цепочек:

Цепочка 1: Безопасность → Выгорание.
> Низкая безопасность → скрывают проблемы → копится техдолг → перегрузка → выгорание → уход людей → потеря знаний → ещё ниже безопасность

Цепочка 2: Leadership → Everything
> Слабый лидер → нет четкости целей → нет признания → нет проф. развития → люди уходят

Цепочка 3: Цели → Motivation
> Непонятные цели → нет смысла и ценности → нет вовлеченности → "просто работаю" → ищу где интереснее

🧬 Какие модели устойчивых команд бывают и из чего они состоят

Есть разные модели: Google Aristotle - модель эффективной команды, модель архитектуры команды Хакмана, модель продуктивной команды SPACE (Microsoft).

👍 но я напишу про Spotify Health Check: Самодиагностика. 8 измерений, команда сама оценивает, без сравнений. Самое простое, с чего можно начать уже завтра.
Please open Telegram to view this post
VIEW IN TELEGRAM
1🔥4💯4
Рассуждаем, как меняется цикл разработки в эпоху AI:
- в проектах без исторической кодовой базы (с нуля, greenfield)
- в существующих продуктах (brownfield)
- в зарегулированных индустриях (regulated)


Мы очень долго спорили с кучей коллег, знакомых, друзей - над контентом поста. Спасибо большое Свете, Вадиму, Боре, Кириллу, Илье и Колину за правки и комментарии.

https://habr.com/ru/articles/1015004/
1❤‍🔥3👍2
Всем привет и богоподобных выходных!

В рамках сообщества Agile Ufa делаю небольшое исследование и нужен ваш опыт и мнение:

🗳 Уделите пару минут на опрос (гугл формы): Как меняется работа с качеством и какой становится роль QA с приходом ИИ-инструментов в нашу работу.

Результаты я опубликую в этом канале ровно через неделю + напишу что наблюдаю в своей работе.

📍 Если вы в Уфе + хотите поучаствовать в митапе про качество в эпоху ИИ - вот анонс с регистрацией (напишите мне в личку, если мест не хватает).
🤗 Ну, а если хотите стать частью сообщества: велком в @agileufa 🙂
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5
В этом году со-организую BitGN (от автора ERC - enterprise rag challenge) в Уфе!

Приходите, будет весело 🚀
🔥1
Forwarded from Aigiz K
BitGN PAC1 — Хакатон по AI-агентам в Уфе 🤖🔥

📅 11 апреля

📍 Школа 21 (Сбер), Уфа, ул. Заки Валиди, 32/2Б


Собираемся оффлайн, чтобы вместе прокачать своих персональных AI-агентов и посоревноваться на платформе BitGN!

Расписание:
🕐 12:00 — Старт. Разбор кейсов, обмен опытом, помощь друг другу, донастройка агентов
🕐 15:00–17:00 — Соревнование
🕐 18:00 — Объявление победителей и награждение 🏆

Что нужно от вас:

— Ноутбук с доступом к LLM
— Заранее написанный агент (на месте будем дорабатывать и тюнить)

Воду обеспечим, остальное — ваш скилл и желание побеждать 💪

Мероприятие проходит при поддержке Уфа IT Коворкинг и Школа 21 от Сбера.

Если есть вопросы - вступайте в нашу группу.

Если ещё не смотрели — познакомьтесь с платформой и примерами агентов заранее:
🔗 Платформа: https://api.bitgn.com
🔗 Примеры агентов: https://github.com/bitgn/sample-agents

До встречи 11 апреля!
🔥52
🪙 Токенмаксинг — новая религия Silicon Valley

Статья на хабре: https://habr.com/ru/articles/1020648/

Пока вы работаете, ваш коллега уже сжёг 210 миллиардов токенов за неделю. Это 33 Википедии. Он не написал ни строчки в продакшн — но возглавил корпоративный лидерборд и получил звание «Token Legend».

Разработчик в Meta* (признана экстремистской на территории РФ) создал внутренний рейтинг сотрудников по потреблению AI-токенов. За месяц — 60 триллионов токенов на ~$9 млрд (если смотреть на тарифы Claude). Jensen Huang предлагает выдавать токен-бюджет как часть зарплаты.

Добро пожаловать в эпоху, где метрика продуктивности — это сколько денег ты потратил на нейросеть. 🙈

Строки кода накручивали в 2000-х. Теперь накручивают токены. Только теперь это стоит $72 000 в месяц из кармана компании.

PS: Полгода назад я писал, почему мы отказались смотреть на AI-adoption через токены и количество запросов к LLM. А антипаттерн-то цветет и пахнет.

PSS: Пока читал материалы, за вчера два раза упёрся в лимиты по Claude Code на своем Pro-тарифе. Токены нынче действительно роскошь.
1💯6🤣1
Митап «Роль QA в эпоху ИИ» (как пошутил мой знакомый, «эпоха ИИ» звучит как название исторического периода в Японии).

Прошлая неделя в Уфе выдалась насыщенной на ИИ-события: мы провели хакатон по персональным агентам и митап, где 44 человека в мини-группах обсуждали трансформацию QA.

🗯 Что обсуждали на митапе

Мы искали ответы на четыре главных вопроса в контексте агентизации:

1⃣ Как в идеальном сетапе должна измениться роль QA?
2⃣ Как должны поменяться другие роли?
3⃣ Какие сейчас существуют блокеры?
4⃣ Что нужно начать делать уже сейчас, чтобы прийти к целевому сетапу?

Краткая сводка по опросу — в заголовке поста (на картинке), а подробные выводы из презентации я оставил в комментариях.

🎚 Уровни внедрения ИИ

Для себя я с легкой руки делю Adoption на четыре стадии:
• LVL 1. Общение с LLM в чате.
• LVL 2. Написание кода с одним агентом.
• LVL 3. Использование нескольких агентов с разными скиллами.
• LVL 4. Оркестрация агентских систем.

🐰 Суровая реальность и инсайты

Митап оказался отрезвляющим. Реальный уровень внедрения ИИ пока довольно низкий:

• Подавляющее большинство (90%) застряло на LVL 1, используя нейросети как обычный чат, даже дома для пет-проектов.
• Фразы уровня «для QA нужна специально обученная LLM» отлично показывают, что с агентами и скиллами пока почти никто не работает.
• Моделями Anthropic и OpenAI в работе пользуются только 20% участников, а платные китайские сетки применяют от силы 5%.
• Доступ по API и использование продвинутых платных моделей — это пока удел стартапов, где разработчикам дают больше свободы.
• К локальным LLM много недоверия из-за сложностей с развертыванием в РФ (дефицит нужного железа и качественных открытых моделей).
• В крупной нефтянке и около-госсекторе внедряют модели, одобренные ФСБ, но они показывают плохие результаты и лишь множат скепсис.


Было очень интересно. Работы впереди много — надо продолжать!
Please open Telegram to view this post
VIEW IN TELEGRAM
5
В продолжение темы про ИИ — наш второй пост о хакатоне персональных агентов-помощников BitGN. Платформу для него сделал наш бывший коллега Ринат Абдуллин, который сейчас живет в Вене. Огромное ему спасибо за такие классные инициативы!

В этом мероприятии я выступил как соорганизатор
- с Айгизом (автором колонки Homai и ML Engineer в TimeToAct),
- Вадимом (тимлидом TYIN и активным контрибьютором в AI community).
- Школа 21 Уфа (предоставили площадку).

а заодно прочитал мини-лекцию.

Ожидания и реальность

Помните, в прошлом посте я говорил про низкий уровень владения ИИ? На хакатоне это подтвердилось наглядно: около 80% пришедших участников до этого не ставили вообще никаких оболочек для работы с LLM.

Мой коллега и идейный вдохновитель хакатона сначала думал, что с установкой софта участники справятся сами и париться не стоит. Но я, наученный опытом внедрения ИИ в своем отделе, понимал, что без базы мы далеко не уедем.

Лекция и долгая установка

Пришлось сделать подробный вводный гайд. Мы разобрали, что такое LLM, токены и контекст, а затем пошагово ставили opencode (CLI/UI) и шли в OpenRouter. Отдельно учились брать бесплатные модели (nemotron 30b free), так как платные мало кто использует, а до китайских сеток люди вообще не добираются.

На прикрепленной фотке я в полуспящем состоянии читаю этот самый гайд по настройке оболочек. В итоге установка, которая в идеальном мире занимает 10 минут, растянулась на добрые полтора часа. 😄

Практика с агентами

Когда мы справились с инфраструктурой, началось самое интересное — запуск Python-агента сначала в песочнице, а потом в проде. Агент должен был выполнять задачи разного профиля, но делал это с заранее заложенными ошибками.
Участникам нужно было разобраться в его логике, найти баги и заставить агента работать правильно.

Крутые итоги

Получилось очень здорово! Мы фактически с нуля научили 35 человек пользоваться opencode и оплатили им доступ к модели GLM (за это отдельное спасибо @listl). Наши ребята попали в топ лидерборда и прокачались в создании агентов.

Дело за малым — осталось обучить технологиям ИИ остальные 1,1 миллиона жителей Уфы! 😄

Думаем летом сделать Vibe Code Night 🍾
🔥61
🏳️‍🌈 Google теперь требует от PM-ов вайб-кодить прототипы прямо на собесах

🍷Классическая романтика продуктовой разработки полна уютных ритуалов:

- многостраничные описания в Google Docs,
- стратегические сессии,
- бесконечные груминги,
- детальные диаграммы пользовательского пути.

🧱Индустрия решила добавить в этот процесс щепотку сурового реализма и максимальной прикладной пользы.

TL;DR: Google обновил формат собеседований для продакт-менеджеров — кандидатов просят открыть Cursor и собрать работающий прототип фичи ровно за 45 минут.


Акаш Гупта любезно подсветил этот новый тренд в X. Процесс оценки уверенно перешел в плоскость создания осязаемых артефактов.

Кандидаты демонстрируют уверенное владение ИИ-инструментами и способность буквально на лету превращать концепции в кликабельный код. Привычные продуктовые фреймворки и красивые презентации теперь дополняются навыком быстрого «вайбкодинга».

Практика для команд:
Способность продакта самостоятельно собрать демо-версию радикально повышает прозрачность процессов. Прототип, созданный за час с помощью Cursor или Bolt, переводит обсуждение гипотез в предметное русло.

Команда разработчиков сразу получает осязаемый контекст, количество слепых зон на планировании стремится к нулю, а идеи обретают форму задолго до попадания в бэклог. Это отличный инструмент для снижения рисков и повышения общей предсказуемости поставки ценности. Навык самостоятельного ИИ-прототипирования уверенно занимает свое место в резюме рядом с CustDev-ом.

Чо как у вас с ИИ? Уже собираете прототипы сами, или пока просто изучаете инструменты? 👇
Please open Telegram to view this post
VIEW IN TELEGRAM
1🔥3🤡21
Echpochmak_efficiency-condensed_final.pdf
48.3 MB
Материалы к сегодняшнему выступлению на MergeConf Tatarstan 2026, можно не ходить, а просто посмотреть на презу :)

50 команд и 1 Учпочмак: масштабируемый рецепт эффективности

Статьи на Хабре

Что такое эффективная команда, почему 91% сотрудников работают вслепую и причем тут «эчпочмак»? Модель «Учпочмак» подробно: три вершины, чек-лист диагностики, статистика. Текстовая основа доклада.

• Предсказуемость и метрики потока
Throughput: как научиться перестать гадать сроки и начать их предсказывать через Monte-Carlo Как использовать Throughput для вероятностных прогнозов. Закон Литтла в действии, Lead Time перцентили, симуляции.

5 причин, почему ваши Story Points не работают (и что делать) Почему переход на flow metrics (Cycle Time, Throughput, Lead Time, Aging) даёт более объективную картину, чем Story Points.

• Цели и Feature Factory
Уводим стартап от «конвейерной штамповки фичей». Включаем продуктовый подход и начинаем считать ROI Feature ROI Check и Engineering Cost Check — как понять, какие фичи создают ценность, а какие уходят в никуда.

Источники и литература по вершинам модели

Вершина 1: Цели

• Gallup — State of the Global Workplace gallup.com/workplace Ежегодное исследование вовлечённости.
• McKinsey & Company — исследования по strategy execution mckinsey.com/capabilities/people-and-organizational-performance
• Axios HQ — Employee Communication Report 2024 axioshq.com Исследование о степени согласованности целей сотрудников. Ищите их Annual Employee Communication Report.

Вершина 2: Люди

• Книга: The Fearless Organization (2018) — Harvard Business Review Press amazon.com → "Amy Edmondson Fearless Organization"
• Оригинальное исследование: "Psychological Safety and Learning in Work Teams" (1999) scholar.google.com → "Edmondson 1999 psychological safety"
• Реально виновных в намеренном вредительстве — 1–4%
Google — Project Aristotle rework.withgoogle.com
• Spotify Squad Health Check Model Авторы: Henrik Kniberg, Anders Ivarsson (Spotify). «Spotify Squad Health Check» → оригинальный пост Kniberg на Spotify Engineering blog
• Gallup — роль менеджера. В лучших организациях вовлечённость менеджеров достигает 79% против глобального среднего 22%. gallup.com/workplace

Вершина 3: Предсказуемость
• Daniel Vacanti — Actionable Agile Metrics for Predictability Книга — главный источник по flow metrics для Kanban/Agile.
• David J. Anderson — Kanban Книга: Kanban: Successful Evolutionary Change for Your Technology Business (2010)
• Little's Law L = λW → Lead Time = WIP / Throughput Оригинал: Little, J.D.C. (1961). «A Proof for the Queuing Formula L = λW». Работает для любых стабильных систем.
• Troy Magennis — Monte Carlo для Agile focusedobjective.com Вероятностное прогнозирование на основе исторического Throughput. Шаблоны и инструменты — на сайте (бесплатно).

QBR (Quarterly Business Review)

Atlassian — гайды по QBR atlassian.com/team-playbook Практические шаблоны для квартальных ревью с командами.

Инструменты

• Jira + OKR-плагины для
трассировки задач (OKR Board, BigPicture)
• Predictable Team - анализ и рекомендации по метрикам потока, прогнозирование выполненной работы методом монте-карло
ActionableAgile Analytics - Flow metrics (Lead Time, Throughput) - из РФ нет доступа
• Monte Carlo Excel шаблоны, вероятностные прогнозы - focusedobjective.com

Марат Киньябулатов

• Телеграм-канал
t.me/predictableteam предсказуемость, метрики, управление командами.
• Habr: habr.com/ru/users/Eskimo
• LinkedIn: linkedin.com/in/maratkinyabulatov
🔥111
🤖 Почему внедрение ИИ не делает разработку быстрее? Наш опыт на масштабе моего подразделения (500 человек)

Все ждут, что AI автоматически ускорит Time-to-Market, но на практике всё гораздо сложнее. Мы проверили три гипотезы ускорения Lead Time (LT) с помощью ИИ на 500 инженерах, и ни одна не сработала так, как ожидалось.

Вот как эволюционировал наш подход:

Гипотеза 1: Дать доступ к LLM = ускорить работу
Мы просто раздали доступы и получили красивый рост использования (MAU) до 50%, но Lead Time не сдвинулся. Оказалось, что использование ИИ в формате чата — это просто «туризм» без формирования привычки. Люди ситуативно играются, но барьер для применения ИИ непосредственно в написании кода остается огромным.

Гипотеза 2: Обучить кодингу через агенты = ускорить работу
Поняв ошибки, мы применили фреймворк изменений ADKAR: заменили рассылки на воркшопы и добились того, что 40% инженеров стали регулярно использовать API агентов. Разработчики стали быстрее писать код, но метрика Lead Time снова не сдвинулась.
Причина: Локальная оптимизация. Мы ускорили только одно звено, но общее время ожидания аналитики и тестирования осталось прежним, поэтому вся цепь не ускорилась.

Гипотеза 3: Agentic Engineering (ИИ забирает весь цикл)
В пилоте 2 разработчика с помощью ИИ взяли на себя e2e ответственность и сделали объем работы фиче-команды из 5 человек. Жизненный цикл разработки (SDLC) сжался, но появилось новое бутылочное горлышко — человек. Чем быстрее агенты генерируют код, тем сильнее перегружаются бизнес-эксперты на валидации требований и лиды на ревью.

💡 Главные системные выводы, которые мы вынесли:

- Считайте людей, а не токены: Количество запросов в дашбордах легко раздувается автоматизацией одного инженера. Поэтому мы смотрим на регулярность. Главная метрика, которая предвосхищает готовность команды к переходу на Agentic Engineering — это когда 80% команды использует агентов 80% рабочих дней (с поправкой на отпуска и выходные).
- ИИ внедряется через Pull, а не Push: Насильно заставить использовать ИИ не получится, это вызывает только сопротивление. Сработали малые демо-группы и демонстрация конкретной пользы («сделаешь 30 DTO за 2 минуты вместо 2 часов»).
- AI не чинит сломанное: Недостаточно ускорить одну команду, нужно работать с системными ограничениями всего потока поставки ценности.

А на каком этапе внедрения AI находится ваша команда: пока просто тестируете чаты или уже решаете проблему перегруза на код-ревью сгенерированного кода? Делитесь в комментариях! 👇
1🔥14👍2👏2
Kiniabulatov_Marat-AI-Adoption_DUMP_(bq).pdf
17.7 MB
1🔥102👍2❤‍🔥1