ИИ в разработке
ИИ пишет быстрее, чем команда успевает проверять.
ИИ уже меняет работу команды. Но почему его результату можно доверять, повторно использовать или выпускать в продакшен, пока никто толком объяснить не может.
Сигнал
Команда активно пробует ИИ, но постоянной проверки результата в процессе пока нет.
Успехи остаются отдельными историями, ошибки проскакивают через ревью. А под давлением руководства ИИ незаметно становится обязательной частью выпуска продукта, хотя правила работы с ним ещё не проверены.
Почему работа застревает
После частичной автоматизации часто оказывается, что за требования, объём ревью и источники данных больше никто не отвечает. Именно здесь начинается большинство сбоёв в разработке с ИИ.
Команда считает результат полезным. Но какие проверки обязательны, какие данные заставят пересмотреть решение и как повторить ту же работу через месяц, никто не знает.
С чего начинаю проверку
Выбираю один значимый процесс, на котором можно проверить, работает ли выбранный подход.
С чего начинаю проверку
- Ситуация
Работа с ИИ выглядит быстрее, чем команда успевает её проверять.
- Ограничение
Общих правил работы нет, поэтому о качестве судят по отдельным удачам и неудачам.
- Решение
До расширения внедрения задать требования к одному процессу, наладить ревью и обратную связь, обеспечить учёт источников данных.
- Что изменилось
Результат можно проверить, а сам процесс повторить и передать другой команде.
Что можно изменить за один шаг
Работаем с одним процессом: договариваемся, что проверять и кто за это отвечает.
Систему проще менять, когда у команды есть машиночитаемое описание и ясные правила ревью. Одних устных рассказов для этого мало.
Шесть месяцев в сравнении остаются прогнозной оценкой, а не измеренным сроком.
- Контекст
- Сложная унаследованная платформа и решения с поддержкой ИИ.
- Период
- Запись из практики автора
- Роль
- Operational CTO
- Источник
- Кейс о цифровом двойнике системы
- Откуда данные
- Материалы автора с оговорками к выводам. Часть данных нельзя раскрывать.
- Надёжность данных
- Источник подтверждает этот случай. Более широкие выводы нужно отдельно проверить и согласовать.
- Ограничения публикации
- Клиент не назван. Неподтверждённые показатели не приводятся.
Связанные кейсы
Что показывает практика
ИИ в разработке
Безопасно менять платформу мешала разрозненная картина её устройства.
- Решение
- Сначала создать машиночитаемый двойник системы и уже на этой основе оценивать возможное ускорение.
- Результат
- У команды появилась общая основа для решений об изменениях. Полагаться только на память людей больше не требовалось.
- Роль
- Operational CTO
ИИ в разработке
ИИ-помощники казались полезными, но объяснить, почему один процесс работает лучше другого, никто не мог.
- Решение
- Ввести повторяемый порядок ревью и обратной связи, чтобы оценивать работу инструмента.
- Результат
- Процесс стал достаточно прозрачным, чтобы переносить его между командами.
- Роль
- Operational CTO
Стабильный выпуск продукта
Ускорение имело смысл там, где команда могла управлять всем процессом выпуска.
- Решение
- Встроить ИИ в реальный выпуск релиза и закрепить ответственность за результат.
- Результат
- Команда смогла увидеть, где помогает автоматизация, и перестала ждать, что выпуск ускорится сам собой.
- Роль
- Operational CTO
Field Notes
Заметки, которые помогут разобраться
Агент советует, инженер решает
ИИ-агент уверенно отвечает и при этом может ошибаться. Как поручить ему поиск проблем в коде, а проверку решения оставить человеку.
Открыть заметкуКод свежий, а менять его уже тяжело
У продукта длинный план, а команда пишет код на ближайшую задачу. Как это расхождение видно в репозитории и что с ним делать.
Открыть заметкуС какого процесса начать внедрение ИИ
Начните с работы, на которую команда тратит слишком много времени. Разбираю, где ИИ стоит попробовать и как ограничить первую проверку.
С какого процесса начать внедрение ИИПроверьте ИИ на реальной задаче разработки
Возьмите одну задачу и сравните работу с ИИ и без него. Что замерить, кто проверяет результат и когда эксперимент пора остановить.
Проверьте ИИ на реальной задаче разработкиFit / No-fit
Когда формат подходит
Подходит
- Есть значимый рабочий процесс, который стоит как следует проверить.
- Команда готова судить об ИИ по данным, а не только по впечатлениям.
- Нужны ревью и понятные источники данных, а результат должен быть пригоден для повторного использования.
Не подходит
- Нужна только демонстрация возможностей ИИ, без работы с задачами команды.
- Руководству важнее отчитаться о внедрении, чем наладить проверку результата.
- После пилота некому отвечать за качество и ревью, а также за источники данных.
Activation Sprint
Начать с Activation Sprint
В первом платном проекте берём один процесс и его проверки. В команде остаётся человек, который отвечает за дальнейшие решения.
Neutral start
Расскажите, как сейчас работает команда
Если работа с ИИ уже вызывает вопросы, опишите, что вас беспокоит. Точная формулировка проблемы для первого обращения не нужна.