ИИ в Agile-команде

Рассказываем про экспермент от команды «Клаудмастер» («Инферит FinOps») - использование ИИ в нашей работе.

Мы начали эксперимент, используя инструменты Proxy AI и Cursor. В процессе столкнулись с различием мнений внутри команды: часть участников была настроена оптимистично и готова поручить ИИ значительное количество задач, тогда как другие оставались скептичными, считая его возможности переоцененными.

Из-за разногласий и большого объема дискуссий первоначальный эксперимент не удалось завершить. Тем не менее, вскоре мы вновь рассмотрели вопрос об использовании ИИ и его влиянии на нашу работу. 

Рост интереса

Сегодня в нашей команде большинство специалистов в той или иной степени используют ИИ. Многие применяют инструменты как в рабочих проектах, так и для личных инициатив. Самые популярные ИИ-шки: DeepSeek, ChatGPT и 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. 

Однако внедрение ИИ ставит под вопрос роль людей в процессе и сохранение качества коммуникации.

Производительность

Все, кто использует ИИ в работе, отмечают ускорение выполнения задач. Подвести строгую научную базу под ощущения сложно, но многие участники оценивают прирост эффективности приблизительно на 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.

Основные выводы

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 и реальность

При проведении эксперимента мы были заинтересованы в том, как ИИ оправдает наши ожидания. Выяснилось, что в команде нет иллюзий относительно его могущественности, так как разработчики изучали подходы к обучению нейронных сетей в институте и заранее нали, что волшебства тут не будет.

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. 

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 ИИ?

Внедрение ИИ в рабочие процессы помогает команде формулировать идеи, уточнять требования и согласовывать ожидания. Инструменты ИИ позволяют быстро перевести сценарии с обычного языка на язык диаграмм (например, PlantUML), улучшая понимание задач, выявляя недочеты и задавая нужные вопросы. Важным преимуществом стало автоматическое документирование встреч: результаты сохраняются мгновенно и без дополнительных уточнений, что экономит время.

Дизайнеры отмечают ускорение выполнения рутинных задач, а тестировщики указывают на упрощение поиска причин ошибок и анализа логов. ИИ помогает автоматизировать тестирование областей, которые до этого оставались недосягаемыми. Новые технологии перестали вызывать стресс: ИИ становится постоянным помощником, готовым ответить на вопросы в любое время.

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. 

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.

Полная статья и практические кейсы доступны на HABR: https://habr.com/ru/companies/inferit/articles/1002972/