AI в SDLC — люди, процессы и организации [анонс]
Так, народ, я обычно тут пишу про технические штуки, но ведь все мы понимаем, что в профессии разработчика (и айтишников в целом) на самом деле очень много того самого человеческого фактора, про который всегда нужно помнить.
По мере того, как за прошедший год рос канал, я всё больше общался с коллегами из других компаний, консультировал, выступал с докладами, читал исследования и сам получал опыт того, как проходит внедрение AI в процессы разработки.
(шутка ли, довелось даже побыть участником круглого стола Frontend Conf 2025 по этой теме :))
Получается, что чисто технические навыки работы с моделями — это, может, процентов 30 успеха, а остальное — это люди, процессы, организации и куча неочевидных вещей, о которых нечасто пишут в статьях про то, «как я стал 10x-разработчиком с ИИ».
Так что попробую поделиться своими наблюдениями в этом плане, и в ближайшие недели на канале будет мини-серия про внедрение AI в разработку за пределами только лишь написания кода.
Если вы привыкли к моим техническим постам про модели и инструменты — некоторое время это будет чутка другой формат.
Но, как мне кажется, не менее важный.
Примерный список тем сейчас выглядит так (рандом):
⚪️ Психология разработчика: страхи, эйфория и нетипичная нагрузка
«Меня заменят», «я тупею, пока агент всё пишет за меня» и прочие бабайки.
Переход от роли исполнителя к роли человека, который ставит задачи и проверяет их выполнение — это другая ментальность и другой уровень ответственности.
Почему работа с ИИ превращается в вечный context switch, выгорание, и причём тут вообще сон и дофамин.
⚪️ AI как усилитель, а не серебряная пуля
Текущая реальность такова, что модели усиливают те процессы, которые у вас уже есть, и если внутри всё устроено плохо, AI ответственно масштабирует этот бардак.
Разберём, почему так получается и что с этим делать.
⚪️ SDLC-пайплайн и теория ограничений
ИИ очень быстро пишет код, но ревью, QA, релизы и поддержка почему-то быстрее не становятся.
Обсудим на пальцах, почему ускорение одной лишь разработки почти всегда приводит к росту техдолга и инцидентов, и как помогают CI/CD, тесты, платформенная инженерия и адекватные метрики.
⚪️ Организационные паттерны: пилоты и микростартапы внутри компании
Как запускать маленькие команды-пилоты, где AI присутствует на всех этапах SDLC — от постановки задачи до деплоя.
Какие задачи и куски продукта подходят для экспериментов, а какие лучше не трогать, пока вы не готовы к приключениям.
Почему иногда лучше заняться распилом монолита и процессами, а не прикручиванием агента к Jira.
⚪️ Диффузия ролей: PM пишет код, QA обучает агента
Границы ролей размываются: продакт, который сам собирает прототипы на агентах; разработчик, который больше думает про архитектуру и верификацию, чем про ручной кодинг; QA, который пишет автотесты вместе с LLM.
Как может выглядеть команда, где каждый аугментирован ИИ, и какие навыки в таком мире становятся базовыми.
⚪️ Shadow AI и внедрение снизу
«Теневой ИИ» уже есть почти в каждой компании: люди втихую пользуются моделями, даже если это не одобряется.
Как с этим жить руководителям, как не убить инициативу энтузиастов, и почему попытки внедрить AI «сверху» нередко проваливаются.
⚪️ Новые метрики: от идеи до продакшена, а не от промпта до коммита
Важнее не то, как быстро агент написал код, а то, за сколько идея доехала до пользователя и насколько часто это всё падает.
Где AI действительно помогает, а где только создаёт иллюзию прогресса.
—
Если вам это всё созвучно — оставайтесь на связи, и можно просто ждать постов 🙂
Если по дороге хочется поделиться своими болями и кейсами про внедрение AI в разработку — скидывайте в комменты и личку, подходящие постараюсь вплести в серию.
И если хочется, чтобы что-то было раскрыто более полно или какие-то темы я пропустил — тоже дайте знать.
—
А, и one more thing — на следующей неделе будет живой доклад, затрагивающий часть из этих тем, подробности чуть позже 🙂
Добавить комментарий