3 AImigo S1E2: AI пишет больше кода. Почему поставка не ускоряется? (Рубрика #AI)
В пятницу в 12:00 по мск в новом выпуске подкаста 3 AImigo разбираемся с парадоксом, который всё чаще встречается в командах: AI заметно ускоряет отдельного инженера, кода становится больше, а до пользователей доходит примерно столько же изменений. Локальная скорость не равна принятому результату — и размер компании от этого не защищает.
Обсуждать будем втроём: Евгений Сергеев (linkedin), Алексей Литвинов (tg, Youtube) и я. У нас разная оптика: управление большой инженерной организацией, практическое внедрение AI-Assisted Engineering и архитектура AI4SDLC. Не будем искать одну «правильную» картину - сравним наши взгляды.
Поговорим о продуктовой команде, в которой после ускорения разработки вырос поток задач в тестирование, но вместе с ним увеличились возвраты и время переделки. Разберём AI-native стартап, где агенты закрывают множество задач, работают в изолированных окружениях и дежурят после релизов. Будет и пример крупной корпорации, где AI-инструменты широко используются, но важная миграция всё равно движется значительно медленнее ожиданий. Отдельно обсудим границу автоматизации. В геймдев-компании AI успешно справлялся с миграциями и изменениями, которые можно проверить компиляцией или тестами.
Поговорим о том, как находить настоящее бутылочное горлышко и что оптимизировать первым. Почему fire-and-forget не работает без замкнутого контура обратной связи. Как построить организационную память: собрать доступный агентам контекст, создать семантический слой и сделать знания действительно пригодными для поиска.
Обсудим и изменения инженерных ролей: что теперь должен уметь разработчик, как меняется карьерная лестница, куда перемещается ответственность и действительно ли hard skills становятся менее важны. А ещё — почему некоторым людям и подразделениям организационно невыгодно ускорять процесс.
Будут не только истории успеха, но и честные примеры того, что не сработало. Главный вопрос выпуска: что нужно изменить в системе разработки, чтобы скорость агентов стала скоростью бизнеса, а не просто новым объёмом кода?
#AI #AI4SDLC #Agents #Engineering #Architecture #Management #Metrics #DevEx #Productivity #Software
В пятницу в 12:00 по мск в новом выпуске подкаста 3 AImigo разбираемся с парадоксом, который всё чаще встречается в командах: AI заметно ускоряет отдельного инженера, кода становится больше, а до пользователей доходит примерно столько же изменений. Локальная скорость не равна принятому результату — и размер компании от этого не защищает.
Обсуждать будем втроём: Евгений Сергеев (linkedin), Алексей Литвинов (tg, Youtube) и я. У нас разная оптика: управление большой инженерной организацией, практическое внедрение AI-Assisted Engineering и архитектура AI4SDLC. Не будем искать одну «правильную» картину - сравним наши взгляды.
Поговорим о продуктовой команде, в которой после ускорения разработки вырос поток задач в тестирование, но вместе с ним увеличились возвраты и время переделки. Разберём AI-native стартап, где агенты закрывают множество задач, работают в изолированных окружениях и дежурят после релизов. Будет и пример крупной корпорации, где AI-инструменты широко используются, но важная миграция всё равно движется значительно медленнее ожиданий. Отдельно обсудим границу автоматизации. В геймдев-компании AI успешно справлялся с миграциями и изменениями, которые можно проверить компиляцией или тестами.
Поговорим о том, как находить настоящее бутылочное горлышко и что оптимизировать первым. Почему fire-and-forget не работает без замкнутого контура обратной связи. Как построить организационную память: собрать доступный агентам контекст, создать семантический слой и сделать знания действительно пригодными для поиска.
Обсудим и изменения инженерных ролей: что теперь должен уметь разработчик, как меняется карьерная лестница, куда перемещается ответственность и действительно ли hard skills становятся менее важны. А ещё — почему некоторым людям и подразделениям организационно невыгодно ускорять процесс.
Будут не только истории успеха, но и честные примеры того, что не сработало. Главный вопрос выпуска: что нужно изменить в системе разработки, чтобы скорость агентов стала скоростью бизнеса, а не просто новым объёмом кода?
#AI #AI4SDLC #Agents #Engineering #Architecture #Management #Metrics #DevEx #Productivity #Software