ИИ в Agile-команде. Цифровой помощник, железный дровосек или коллега?

Всем привет! На связи команда «Клаудмастер» («Инферит FinOps»). Хотим рассказать вам про то, как мы используем ИИ в нашей работе.

Помните март 2025-го? Дарио Амадей, генеральный директор Anthropic, обещает, что очень скоро почти весь код будет писать ИИ, регуляторы и рынок труда должны будут адаптироваться (ну вы поняли).

Тогда мы с командой спешно затеяли эксперимент: решили проверить, каков реальный КПД от ИИ на практике и стоит ли нам в него вложиться.

Внимание: в статье используется длинное тире. Это не потому что текст писал ИИ, просто тире — это тире, а дефис — это дефис (-) 🙂

Для нашего эксперимента мы сперва вооружились Proxy AI и Cursor, но довольно скоро напоролись на классический внутрикомандный раскол. С одной стороны — «радикальные технооптимисты», готовые делегировать нейронке даже переписку с женой, с другой — суровые скептики, видевшие в ИИ лишь раздутую пустышку и источник плохого кода.

Тема была настолько перегрета, а дебаты настолько бурными, что эксперимент как затея по измерению эффекта у нас, увы, сорвался. Тут и луддитов вспоминали, и мемами бомбили, и присылали друг другу образцы вредоносности больших языковых моделей (LLM) в программировании.

Но прошел год, и мы все же вернулись к вопросу, чтобы посмотреть, что теперь команда думает про ИИ.

TL;DR

Инициатива снизу

Сегодня в нашей команде теми или иными нейронками пользуются все. Но каждый по-своему. А кто-то исключительно для пэт-проектов (вне работы). Вот самые популярные у нас ИИ-шки: DeepSeek, ChatGPT, Gemini.

Гибкий подход Agile

У нас Agile-команда (т.е. кросс-функциональная команда, работающая по гибкой методологии с короткими итерациями и быстрой обратной связью), и ИИ помогает нам решать болезненные и противоречивые вопросы, которые возникают в связи с таким подходом:

• прототипирование,

• уточнение требований,

• архитектура решений,

• декомпозиция,

• в целом shift-left (тренд передавать все больше ответственности на разработчиков),

• пресловутые T- и M-shaped компетенции.

Но при этом ИИ создает экзистенциальную угрозу самому «сердцу» Agile-подхода: будут ли люди по-прежнему в центре процесса, сохранится ли качество коммуникации?

Производительность

Все, кто использует ИИ в работе, отмечают ускорение выполнения задач. Подвести строгую научную базу под ощущения сложно. Среди тех, кто берется оценить, чаще звучит результат в 30%.

ТОП-задач, которые ИИ ускорил

• Поиск информации и получение конкретной справки по запросу.

• Погружение в новую тему или технологию.

• Подсказки по простым по сути, но витиеватым по исполнению командам.

• Примитивная обработка изображений и текстов.

• Анализ логов.

Инсайт

Основной выгодой от применения ИИ оказалось не то, что он делает работу за человека, а то, что помогает при разборе незнакомого или сложного контекста, в борьбе со страхом необъятного, ступором и прокрастинацией.

Ожидания

Когда мы проводили исследование, хотелось узнать, насколько хайп вокруг ИИ повлиял на наши ожидания.

Однако выяснилось, что большинство в нашей команде декларируют отсутствие каких-либо предварительных ожиданий от ИИ. Разработчики изучали подходы к обучению нейронных сетей в институте и заранее вакцинированы от веры в волшебство.

Кейсы

Роль: Тестирование, системный анализ

Инструмент	Задачи и технологические кейсы	Эффективность и методологические риски
Cursor	Вайб-кодинг для пэт-проекта: арпеджиатор для Android.	Позволяет быстро входить в незнакомые стеки (Python/Android), делегируя синтаксис и фокусируясь на логике.
Gemini	Анализ логов в Sentry, поиск первопричин дефектов.	Эффективно отделяет симптомы от причин. Риск: «галлюцинации» при отсутствии точных данных.
ChatGPT	Тезисный анализ технических статей, подготовка выжимок.	Высокое качество агрегации знаний. Риск снижения скорости на бесплатной версии.

Роль: Backend-разработчик

Инструмент	Задачи и технологические кейсы	Эффективность и методологические риски
DeepSeek	Нетривиальные задачи с Hibernate/Criteria API, сборка нативных запросов как «конструктор». Генерация Python-скриптов, JavaDoc и документации.	Сокращение фазы исследования с 5-7 дней до 2-3 дней. Идеален для поиска решений задач, связанных с ограничениями стандартных библиотек. Ускорение документирования. ИИ как «бездушная сущность», которой можно задавать любые вопросы.

Польза: ИИ — это «начитанный консультант», позволяющий получить «второе мнение» и не отвлекать коллег по рутинным вопросам. Психологический комфорт от взаимодействия с «бездушной машиной» снижает барьер перед исследованием сложных тем.

Важно:

Чтобы получить «годный» ответ, максимально подробно описывайте входные данные и ничего не упускайте. Если вопрос поставлен небрежно, ответ будет таким же.

Учитесь промптить (терпение окупается). Сначала ИИ может выдавать «мусор», но со временем вырабатывается навык получать нужный результат.

Используйте ИИ как генератор вариантов: запрашивайте несколько решений, чтобы сравнить их преимущества и выбрать оптимальное для конкретной задачи.

Роль: Product Management, Sales & Marketing

Инструмент	Задачи и технологические кейсы	Эффективность и методологические риски
ChatGPT	Проверка соблюдения Tone of Voice и эталонных скриптов продаж. Сборка MVP без привлечения разработки.	Анализ встреч и контроль качества коммуникаций сотрудников.
Сервисы транскрибации	Анализ звонков и вебинаров, подготовка скриптов обучения.	Переход от машинной работы к анализу, выявление важного, синтез шаблонов и эталонных или «золотых» сценариев.

Польза: ИИ стал инструментом быстрой проверки продуктовых гипотез через вайб-кодинг подход.

Важно:

Делегируйте ИИ все, что занимает часы ручного труда: от написания простых скриптов для отчетов до генерации тест-кейсов.

Роль: Backend-разработчик

Инструмент	Задачи и технологические кейсы	Эффективность и методологические риски
IntelliJ IDEA Plugins	Код-ревью и рефакторинг в рамках одного класса.	Ограничение: ИИ теряет контекст при взаимодействии нескольких классов/микросервисов.
	Генерация арт-объектов и их перевод в модели для 3D-печати для пэт-проектов, AR-игра под Андроид.	Высокая скорость творчества. Риск получить ошибку в анатомии персонажа, необходимость контролировать и поправлять руками.
Другие LLM	Проектирование костяка микросервисной архитектуры.	Полезно для генерации бойлерплейт-кода на старте проекта.

Скепсис: модели, обученные на «мусоре из интернета», часто не справляются с бизнес-логикой. Ключевой инсайт — необходимость перехода к экспертным моделям, обученным на верифицированном коде.

Важно:

Не давайте мозгу расслабляться. Если вы просто копируете готовые ответы, то перестаете думать самостоятельно.

Используйте ИИ для самопроверки, а не вместо нее. Сначала продумайте решение самостоятельно, а потом спросите у ИИ: «А правильно ли я думаю?» Используйте ИИ как тренажер и верификатора своих идей.

Роль: DevOps & Infrastructure Engineer

Инструмент	Задачи и технологические кейсы	Эффективность и методологические риски
ChatGPT	Генерация регулярных выражений (например, для grep), оптимизация PostgreSQL.	Высокая эффективность в задачах, которые «все ненавидят». Ускорение тюнинга БД.
	Создание каркасов Helm-чартов, анализ статистики логов.	Риск: рекомендация несуществующих параметров в Helm. Требуется этап очистки логов от секретов.
ИИ режим в Google	Оперативный поиск справочной информации.	Замена стандартного поиска для точечных технических запросов.

Польза: ИИ — как топор в хозяйстве, удобный и мощный инструмент для понятных задач.

Важно:

Относитесь к ИИ как к программисту-стажеру, код которого нельзя копипастить вслепую — его нужно проверять, перепроверять и тестировать.

Анонимизируйте данные. Перед тем, как скормить ИИ лог или скрипт, остановитесь! Вычистите из него все ссылки, логины, пароли и секретные ключи.

ИИ — это топор, а не автопилот. Он отлично ускоряет рутину (регулярки, логи), но архитектурные решения и финальная ответственность всегда на человеке.

Роль: Delivery Manager

Инструмент	Задачи и технологические кейсы	Эффективность и методологические риски
Gemini, Perplexity	Написание небольших рабочих приложений для автоматизации задач (таких как генерация и проверка YAML-файлов, парсинг информации), анализ данных с помощью Python, BI дашборды. Для досуга — планирование путешествий, прочитать, что написано на китайской упаковке.	С каждым месяцем практики работы с нейронками растет доверие и уверенность в том, что ИИ поможет решить следующую рабочую задачу быстрее. Значительно ускоряет поиск конкретной информации и обработку больших массивов неструктурированной информации. Сложно добиться хорошего текста на русском языке и картинок без «морбидных» цветов и физических дефектов. Часто врет и подставляет несуществующие или нерелевантные ссылки.
NotebookLM	Написание рыбы статей и документации в стиле «пиши и сокращай»	Отлично обобщает информацию для обучения и написания статей, документации, отчетов. Плохо владеет русским языком, много озадачивающих ка́лек с английского, которые от одного прочтения портят речь.

Важно:

Если сеть начала врать, ошибаться и галлюцинировать, закрывайте тред и создавайте новый. В противном случае она будет воспринимать свои заблуждения как контекст.

Роль ИИ в Agile-команде

В нашей команде поток создания ценности условно делится на upstream (или дискавери) и downstream, разработку и поставку. Agile-методология предполагает, что разработчики должны быть непосредственно включены в процесс выбора архитектуры и проработки технического решения.

Стоит ли говорить, что такой подход создает определенное напряжение и сопротивление, когда разработчики сами себе и архитекторы, и системные аналитики. Команда для себя должна определить, в какой момент и по каким критериям можно считать, что задача готова или не готова к разработке. Многие задачи уже в процессе работы могли «пухнуть», обнаруживая новые зависимости и требования. Раньше в этом помогали подходы из BDD, типа Example Mapping, теперь их усиливают нейронки.

Что дает использование нейронок

ИИ помогает команде формулировать мысли и идеи, выступая в роли стены, о которую можно «обстучать» мысли. Даже при ограниченных сроках и внимании ИИ помогает сформировать целостное видение результата и согласовать ожидания.

Разработчики за считанные минуты переводят сценарий с разговорного языка на язык диаграмм (например, PlantUML), выявляют недочеты и задают вопросы. Документирование встреч и решений практически не требует времени; результаты доступны мгновенно и без дополнительных уточнений. Дизайнер почувствовал значительное ускорение в выполнении рутинных задач.

Фрустрация при столкновении с новыми технологиями снизилась, так как ИИ всегда готов ответить на любые вопросы, не утомляясь и не раздражаясь. Во время встреч команда может быстро уточнить вопросы с помощью ИИ, не отвлекаясь. Наибольшую пользу ИИ приносит на этапе дискавери, но и в downstream происходят изменения.

Тестировщики отмечают ускорение поиска причин ошибок и анализ логов с помощью ИИ-инструментов. Вайб-кодинг позволил быстро автоматизировать тестирование разделов веб-интерфейса, до которых раньше не доходили руки.

Эволюция ИИ в разработке (на мотивам эволюции научной фантастики)

Что настораживает

В моменте можно наблюдать некоторые тревожные изменения в коммуникации коллег. Например, некоторые разработчики, стремящиеся к состоянию «потока» и избегающие смены контекста, порой предпочитают общение с ИИ вместо коллег, объясняя это тем, что не хотят отвлекать их «глупыми вопросами». Однако такая изоляция со временем не приносит пользы ни команде, ни, по мнению скептиков, самим разработчикам.

Кроме того, несмотря на всю сознательность команды, большая популярность и доступность «дешевого волшебства» несут риски, которые можно обозначить, как «человеческий фактор». Конфиденциальность данных при использовании ИИ — это один из новых вызовов для организации и менеджмента.

Помимо того, ребята обращали внимание на следующие испытания, которые несет ИИ для людей в профессиональной среде:

• Утрата автономности. Риск деградации навыка решения задач с нуля («атрофия» поискового навыка).

• Антропоморфизм. Опасность одушевления алгоритмов и делегирования им функций принятия решений.

Что дальше?

ИИ ускоряет простые операции, помогает обучаться и исследовать быстрее, но его способности в написании кода пока вызывают вопросы. Большинство членов команды самостоятельно используют ИИ для автоматизации рутины и ищут способы его применения в работе и на досуге.

Разработчики уверенно сравнивают результаты своего труда с тем, что генерирует ИИ. Тем временем менеджеры, дизайнеры, аналитики, технические писатели и тестировщики видят в ИИ возможность существенно ускорить свою работу и повысить автономность.

Системный подход в управлении показывает, что улучшение отдельных частей системы не ведет к улучшению системы в целом. Таким образом, ускорение и повышение эффективности на отдельных участках вероятно только усилят нагрузку на «бутылочные горлышки». Мы видим наши узкие места в скорости разработки. Поэтому наш план — создать собственного «железного дровосека», которому можно доверить наш код без угрозы его утечки, и способствовать самостоятельному освоению инструментов автоматизации с помощью ИИ для выполнения рутинных задач.

Источник