Scrum с ИИ-агентом не работает по очевидным причинам, а ручной менеджмент агента — съедает то время, которое ИИ должен был освободить.

Нужен другой процесс, чтобы стабильно получать нужный вам результат от полуавтономных самоулучшающихся агентов. Примерно так же, как Scrum позволяет получать результат от команд, быстро адаптирующихся к изменениям за счет самоуправления, но все же подконтрольных менеджменту.

———
👉Делюсь с вами своим процессом и своими практиками в новой статье. Когда строил этот процесс, мне показалось полезно отталкиваться от трёх принципов Скрама, переосмысленных для работы один на один с агентом:

🔹 Прозрачность включает такие практики: агент сохраняет краткий бриф каждой сессии (что сделано и какие решения он принял), а ваши решения фиксируются в Q&A-файлах (где агент задает вопросы, а вы отвечаете).

🔹 Инспекция. Перед выполнением задачи агент формулирует критерии успеха, а вы их проверяете. В конце задачи (сессии) — агент синтезирует выводы из обнаруженных проблем, а вы делаете их ревью.

🔹 Адаптация — в двойном цикле. Короткий цикл (микроспринт): одна задача → ревью → черновые решения по улучшению. Длинный цикл с ретроспективой: накопленные наблюдения → паттерны → обновление скиллов и процесса.

Замеченные проблемы должны сначала превращаться в паттерны — только тогда само-улучшение агента работает.

———
🔗 Статья: "Scrum" для ИИ-агента: как управлять тем, кто сам себя улучшает

Внутри — конкретные практики и скиллы, реализующие этот мой «процессный фреймворк» (для не-кодерской работы), а также сравнение с методикой Oper8 для компаний, где тоже двойной цикл с похожим смыслом.

#агенты #статья