Внедрение искусственного интеллекта на 500 инженеров: как его растить и почему быстрее не становится?

Спикер: Марат Киньябулатов

Согласно опросам McKinsey, 88% организаций в 2025 году используют хотя бы один ИИ-инструмент. При этом всего 6% получили реальный эффект, а 43% инициатив были отменены или провалились. Основная причина провалов — отсутствие четкого понимания, зачем внедрять ИИ. Далее расскажу про наш опыт: гипотезу, примеры внедрения и эффект, который мы получили.

В нашей компании мы фокусируемся на том, чтобы быстро доставлять ценность клиенту. В delivery мы следим за тремя метриками:
1. Lead time — время от взятия задачи в работу до релиза.
«За сколько сделаем?»
2. Throughput — количество реализованных элементов.
«Сколько делаем?»
3. Defect rate — доля багов в общем потоке задач.
«Не ломаем ли ничего по пути?»

От внедрения ИИ мы ожидали, что сократим время, увеличим количество релизов и сохраним стабильный уровень ошибок.

Но как измерять само внедрение?

Мы использовали две метрики:
— MAU: сколько людей открывали инструмент за месяц;
— MAU 10+: сколько людей работали с ИИ 50%+ рабочих дней.
Так мы смотрели не только общий охват, но и регулярность привычки.

Почему люди сопротивляются внедрению ИИ?

— не понимают, зачем это нужно
— боятся выглядеть глупо;
— не знают, как преодолеть барьер входа;
— не чувствуют свою причастность к решению.

Мы думали, что, если просто дадим людям инструменты, они будут активно их использовать. Но люди пользовались чатом точечно, не встраивая ИИ в рабочий процесс.

Сейчас мы идем в сторону end-to-end agentic engineering — модели, в которой агенты берут на себя максимум рутинной и подготовительной работы, а инженер оркестрирует процесс на каждом этапе.
Чтобы к этому прийти, недостаточно просто нарастить использование агентов, следует развить необходимые скиллы, выстроить агентов под разные этапы разработки и дать инженерам полное понимание процесса разработки.

Как повышать использование ИИ?

Мы начали проводить хакатоны и воркшопы: рассказываем базовые принципы, даем реальные примеры, делим участников на команды и реализуем решения.

Особенно важно работать с руководителями. Если лидер сам показывает пример, команде проще пробовать новое без страха ошибиться.
По нашему опыту: если вовлечь техлида, до 40% его команды начинают пользоваться ИИ. Если настроить обмен опытом внутри команды — можно получить еще +10–15 п.п. активного использования.

Лучшие результаты получают те, кто выстраивает процессы вокруг ИИ, а не пытается адаптировать текущие. Поэтому делимся теми шагами, которые помогут вам начать внедрение.

Четыре шага:
1. Поймите, зачем вы это делаете.
2. Выберите первый набор метрик.
3. Экспериментируйте.
4. Валидируйте гипотезы.

ИИ не ускоряет разработку сам по себе. Он начинает работать на результат только тогда, когда у команды есть понятная цель, метрики, поддержка руководителей и готовность менять процесс, а не просто добавлять новый инструмент поверх старого.

@pplsense