Не учите команду пользоваться AI. Научите команду учиться пользоваться AI

Разница небольшая только на словах.

Плохая стратегия внедрения выглядит так:

Вот Copilot. Вот инструкция. Пользуйтесь.

Формально AI внедрён. Фактически каждый разработчик остаётся один на один с новым инструментом: сам ищет подходящие сценарии, повторяет чужие ошибки и часто возвращается к привычному workflow.

Если положить рядом два исследования Microsoft — SPACE of AI и работу про drivers of adoption, — в обоих заметна одна закономерность: на использование AI влияют не только возможности инструмента, но и среда вокруг него. Организационная поддержка и обучение друг у друга имеют значение.

Поэтому нормальная стратегия выглядит иначе:

— регулярный обмен рабочими кейсами; — короткие демо удачных сценариев; — общая база промптов и контекста; — pairing при освоении новых подходов; — AI Champion, который помогает команде собирать и распространять практики; — разбор не только успехов, но и неудачных попыток; — выделенное время на эксперименты.

Важное ограничение: не существует одного AI-workflow, который можно написать в Confluence и раздать всей команде.

Разные задачи, языки, уровни опыта и части системы требуют разных способов взаимодействия с AI.

Где-то полезен агент, который самостоятельно меняет несколько файлов. Где-то — точечная помощь с тестами. А где-то AI только добавляет ещё один слой проверки и ускоряет производство неправильного кода.

Поэтому задача тимлида — не стандартизировать каждый промпт.

Задача — создать learning loop:

попробовали → показали результат → обсудили ограничения → сохранили полезную практику → проверили её на другой задаче.

Не управление AI adoption.

Управление скоростью, с которой команда учится использовать AI осмысленно.