💼 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