Внедрение искусственного интеллекта на 500 инженеров: как его растить и почему быстрее не становится? (Марат Киньябулатов)

Мы проверили три гипотезы:

— что внедрение искусственного интеллекта в разработку снизит время выполнения задач;

— что написание кода через интерфейс командной строки снизит время выполнения задач;

— что агентский цикл снизит время выполнения задач.

Ни одна не подтвердилась.

Зато за 8 месяцев 80% сотрудников начали пользоваться ИИ, мы научились работать с людьми через модель управления изменениями ADKAR и обнаружили, что пилотная команда из 3 человек может делать тот же объем, что и команда из 5−6 человек.

Внедрение ИИ бесполезно само по себе — пока вы не определите, ради чего его делаете. От этого зависит, какие метрики считать, как работать с людьми и сколько итераций понадобится. Рецепта нет — есть эксперименты.

Разберем:

• Какие три гипотезы проверяли и почему ожидали именно этих результатов.
• Что сработало, что нет, и какие выводы это дало о природе внедрения ИИ.
• Как работать с людьми в процессе изменений и провести инженеров через барьер отторжения.
• От чего выстраивать метрики и итерации внедрения ИИ.

После доклада участники:

• Получат готовую структуру управления изменениями.
• Заберут список работающих механик и «кладбище» провальных идей.
• Перестанут измерять успех внедрения ИИ количеством токенов.
• Снимут розовые очки продуктивности, осознав реальное место ИИ в цепочке поставки ценности.

Доклад будет полезен:

• Руководителям инженерных команд и техническим директорам.
• Наставникам по гибким методологиям и менеджерам изменений.
• Всем, кто хочет понять, как на самом деле выглядит внедрение ИИ в масштабе.