Готова ли ваша компания к AI-трансформации?
Чем больше я думаю об автоматизации разработки через AI, тем сильнее убеждаюсь: один из главных вызовов для технического менеджмента - не выбрать правильную модель или инструмент.
Гораздо сложнее правильно оценить, что компания уже готова автоматизировать. Представим, что мы хотим внедрить AI-агента, который самостоятельно берёт задачи в разработку.
Звучит отлично.
...А потом начинаем разбирать существующий процесс.
Где лежат требования?
Часть - в таск-трекере.
Часть - в переписке.
Что-то знает аналитик.
Что-то «и так всем понятно».
Где документация?
Есть. Но часть давно не обновлялась.
Как поднимается тестовое окружение?
Это знает конкретный разработчик.
Как определить, что задача выполнена правильно?
Обычно кто-то смотрит руками.
Как устроены доступы?
Исторически сложилось.
И в этот момент выясняется, что главная проблема уже совсем не в AI.
Люди умеют годами работать поверх организационного хаоса. Они помнят исключения, знают, кого спросить, и понимают фразы вроде «только вот этот скрипт руками не запускай».
AI-агент такого неявного контекста не имеет.
А значит, прежде чем давать ему автономность, компании стоит оценить собственную AI-readiness.
Для себя я бы смотрел как минимум на несколько вещей: - насколько формализован путь задачи от идеи до production; - насколько доступен и актуален контекст проекта; - есть ли автоматические тесты и quality gates; - можно ли выдать агенту ограниченные права вместо «либо ничего, либо root»; - насколько легко откатить ошибочное действие; - и, наконец, действительно ли автоматизация конкретного процесса окупает сложность её внедрения.
Мне кажется, здесь работает довольно простое правило: уровень автономности AI должен соответствовать зрелости процессов вокруг него.
Если у компании хороший CI/CD, понятный ownership, актуальная документация, наблюдаемость и воспроизводимые процессы - агенту можно доверить довольно многое.
Если половина production держится на знаниях двух разработчиков и наборе устных договорённостей - возможно, начинать стоит не с AI.
И, пожалуй, именно объективная оценка этой готовности станет одной из новых задач CTO и технических руководителей в ближайшие годы. 🙂
· вчера
в списке не хватает одной конкретной штуки: критерии приёмки должны быть исполняемыми, а не текстовыми. если acceptance criteria лежат как gherkin-сценарии или параметризованные тесты, они закрывают сразу два узких места — дают агенту машиночитаемый definition of done и вырезают ручную проверку «кто-то смотрит глазами». без этого шага любой агент упрётся ровно в тот стык, где раньше стоял человек с институциональной памятью
0
ответить
коммент скрыт — часть юзеров считает его токсичным или некорректным
коммент удалён