People Sense 26' отгремела - а мысли не утихают.

Человеки - это сложно и запутанно!

Побывал на воркшопе Сережи и Никиты про команду как объект управления. И у меня сильно срезонировало то, к каким выводам ребята приводят через цепочку активностей.

✍️ Большинство руководителей работают с людьми в команде, а не с командой. 1-1, индивидуальные цели, 360-review — всё это инструменты работы с отдельными людьми. Команда — это другой объект. Не сумма людей, а отдельная сущность со своей динамикой, своим «иммунитетом» и своими болезнями.

На воркшопе это показали через симуляцию: вот команда на этапе Storming, вот дедлайн, вот набор техник-карточек — выбирай. И сразу видно последствия: прошёл квартал, расхлёбывай. Никакого «правильного ответа» — только контекст, люди и твоё понимание динамики.

🎓 Мне это сильно откликается: на работе я один из тренеров программы для инженерных менеджеров. И у меня есть похожий раздел — про то, что эффективная команда — это пересечение трёх вещей: достижение целей, метрики и вовлечённость. И там тоже карточки техник, тоже паттерны и разные варианты развития событий. Ведь что единственного правильного пути нет. Есть только понимание, на каком этапе твоя команда и что сейчас реально поможет.

☝️ К чему это я?

- Во-первых, работа с людьми и группами людей — это много контекста и отсутствие единственно правильног
о пути.
- Во-вторых, чтобы не считать себя самозванцем, круто делиться кейсами с коллегами по цеху и нарабатывать коллективн
ый опыт.
- В-третьих, People Sense — пока единственная конференция, на которой можно потрещать как на тему работы с командами, так и на тему производительности GPU Huawei Ascend для инференса (привет ребятам с Selectel ;). И всё это, внимание, 🔥 вечером у костра в суперуютной атмосфере. Такого я пока ещё нигде не видел.

Конференцию про человекоцентричность странно заканчивать тем, что все молча расходятся по домам. Поэтому спикеры собрали общую папку каналов — чтобы разговор шёл дальше, уже без сцены между нами.

➡️ Папка «После сцены PeopleSense’26»

💹 Ну что, начали уже считать во сколько вам обходится ИИ и есть ли возврат инвестиций?

Чем глубже я погружаюсь в пучины подсчёта эффекта от внедрения AI в разработке, тем чаще напарываюсь на интересные отчёты и мнения в индустрии. И иногда хочется сказать "а я ж говорил!".

Вот, например, важная мысль из DORA / Google Cloud:

AI ROI плохо считается по формуле: «разработчик сэкономил 20% времени → можно сократить 20% команды».

Разработчик быстрее написал boilerplate, тест или pull request. Дальше задача всё равно идёт через аналитику, ревью, тестирование, согласования, релиз, безопасность и бизнес-валидацию. Если узкое место живёт там, локальная экономия времени просто растворяется в очереди.

📰 DORA / Google Cloud в отчёте про ROI of AI-Assisted Software Development предлагает смотреть на AI через всю систему доставки, без фантазии про мгновенное сокращение FTE. Главный вопрос звучит так: какое ограничение в потоке работы AI помог снять?

Например:
- разработчик быстрее находит нужный контекст;
- меньше ручной рутины при подготовке кода;
- проще писать тесты и документацию;
- быстрее разбираются инциденты;
- меньше переделок после ревью;
- высвободившаяся capacity уходит в техдолг, качество, безопасность, discovery-процессы.
Вот здесь начинает появляться реальный ROI.

В отчёте DORA есть кейс для инженерной организации на 500 человек:
• инвестиции за первый год: $8.4M
• возврат за первый год: $11.6M
• ROI: 39% - вернулось: за около 8 месяцев.

📎 InfoQ хорошо пересказывает эту модель и подчёркивает главный тезис DORA: ценность AI определяется не количеством написанного кода. Важнее, какие узкие места он помогает убрать. Это история про организацию, которая смогла встроить AI в delivery-систему: снять ограничения, снизить переделку работы, усилить инженерные практики и переиспользовать высвободившуюся мощность.

💭 Самая важная мысль DORA: AI усиливает систему, в которую попадает. В DORA State of AI-assisted Software Development 2025 это хорошо видно: эффект AI зависит от инструмента, платформы, практик, данных, процессов, доверия и всей инженерной среды.

Если есть нормальная внутренняя платформа и культурный стержень (это и тесты, CI/CD, понятные правила, доступ к внутренним данным и здоровые инженерные практики) — ИИ ускоряет поток работы. Если система уже живёт в хаосе, AI добавит больше кода, больше ревью, больше проверки и больше недоверия к результату.

Короче, считать и смотреть надо на то:

- где сократился Lead Time;
- где уменьшился rework;
- где снизилась стоимость проверки;
- где вырос throughput без просадки качества;
- куда команда переинвестировала высвободившуюся capacity;
- какие бизнес-результаты стали появляться быстрее.

ИИ ROI начинается с вопроса: какое узкое место нашей системы теперь проходит быстрее?

Больше про работу с командами и внедрение ИИ в инженерку в блоге Марата Киньябулатова predictable.team

💼 Наконец выкатили на Хабр кейс моего подразделения про внедрение ИИ и ускорение доставки через агентскую разработку.

Главный вывод довольно быстро оказался неприятным, но полезным: рост использования AI сам по себе не равен ускорению разработки. Можно вырастить использование инструментов, но не сдвинуть скорость доставки, потому что локальная оптимизация одной роли не ускоряет систему целиком.

Поэтому, если цель — не просто раздать всем LLM, а радикально ускорить скорость доставки продукта до клиента, то идти нужно в agentic engineering. Это уже про перестройку самого контура поставки: когда агенты помогают двигать задачу через весь поток, а не улучшают один отдельный шаг.

А реальность такова: ограничения лежат не только в инструментах, а в валидации, смежниках, бизнес-контексте и неравномерности изменений по ролям.

Поэтому финальный вопрос всегда один и тот же: как построить систему метрик, которая показывает не adoption ради adoption, а реальное изменение потока.

В нашем случае это
- Usage-метрики
- Процессные метрики (Lead Time, Throughput)
- Балансирующие (Defect Rate, Availability)

📰 Посты на хабре:
- Часть 1 - Почему рост использования AI не равен ускорению разработки
- Часть 2 - Почему радикально ускорить delivery можно только через agentic engineering

🎁 А на следующей неделе нас ждет целый ресерч: почему команды в принципе сопротивляются внедрению ИИ и что с этим делать + вебинар по этой теме + воркшоп

👋🏼 Всем привет :)

🎬 Делаем стрим про то, как работать с сопротивлением команд при внедрении ИИ - вместе с сообществом Agile Ufa на следующей неделе.

Приходите!

Самый классный плагин для подсчета метрик потока команд в Jira обновился! И я не могу не пропиарить этот апдейт, так как постоянно им пользуюсь на работе и в консультациях.

Если вы хотите понять, стала ли команда делать больше, быстрее, сколько времени отъедают простои между этапами, какие задачи уже протухли - Jira Metrics Pro это то, что надо. + там в базовой бесплатной версии море нужного функционала.