AI adoption нельзя приказать
Почему два разработчика из одной команды совершенно по-разному используют AI?
У них одинаковые инструменты, правила и похожие задачи.
Один обращается к AI постоянно. Второй — почти никогда.
Свежая работа с участием исследователей Microsoft, представленная на ICSE 2026, изучает именно этот вопрос. Авторы провели интервью с 54 разработчиками из 27 команд. В каждой паре был активный и малоактивный пользователь AI.
Разница оказалась не столько в доступе к инструментам, сколько в отношении к ним.
Активные пользователи чаще воспринимают AI как напарника:
— экспериментируют с формулировками и контекстом;
— меняют способ работы после неудачного ответа;
— ищут задачи, где инструмент действительно помогает.
Малоактивные пользователи чаще воспринимают AI как отдельную функцию: попробовал, получил плохой результат, сделал вывод, что функция не работает.
Но для тимлида здесь важнее другой вывод.
Авторы называют его Productivity Pressure Paradox — парадокс давления продуктивности.
Организация ждёт, что AI быстро повысит эффективность. Поэтому у команды нет времени спокойно учиться им пользоваться.
Но без экспериментов, ошибок и обмена практиками инструмент не успевает встроиться в работу. Давление получить быстрый результат мешает освоить то, что должно этот результат обеспечить.
Получается знакомая инженерная история: новую технологию уже включили в план по повышению velocity, но ещё не включили в план время на её освоение.
Мой вывод простой.
Если команда должна стать эффективнее с AI, сначала ей придётся некоторое время быть с AI неэффективной.
Нужен learning budget — время и пространство, чтобы:
— попробовать AI на реальных задачах;
— получить несколько бесполезных результатов;
— найти рабочие сценарии;
— обменяться удачными примерами;
— договориться, как проверять результат.
Не KPI по количеству промптов.
Не обязательное использование AI в каждой задаче.
Не ожидание, что график продуктивности пойдёт вверх со следующего спринта.
AI adoption — это изменение способа работы. А такие изменения требуют не приказа, а обучения.
Что сейчас есть у вашей команды: время на освоение AI или только ожидание быстрого роста продуктивности?
Почему два разработчика из одной команды совершенно по-разному используют AI?
У них одинаковые инструменты, правила и похожие задачи.
Один обращается к AI постоянно. Второй — почти никогда.
Свежая работа с участием исследователей Microsoft, представленная на ICSE 2026, изучает именно этот вопрос. Авторы провели интервью с 54 разработчиками из 27 команд. В каждой паре был активный и малоактивный пользователь AI.
Разница оказалась не столько в доступе к инструментам, сколько в отношении к ним.
Активные пользователи чаще воспринимают AI как напарника:
— экспериментируют с формулировками и контекстом;
— меняют способ работы после неудачного ответа;
— ищут задачи, где инструмент действительно помогает.
Малоактивные пользователи чаще воспринимают AI как отдельную функцию: попробовал, получил плохой результат, сделал вывод, что функция не работает.
Но для тимлида здесь важнее другой вывод.
Авторы называют его Productivity Pressure Paradox — парадокс давления продуктивности.
Организация ждёт, что AI быстро повысит эффективность. Поэтому у команды нет времени спокойно учиться им пользоваться.
Но без экспериментов, ошибок и обмена практиками инструмент не успевает встроиться в работу. Давление получить быстрый результат мешает освоить то, что должно этот результат обеспечить.
Получается знакомая инженерная история: новую технологию уже включили в план по повышению velocity, но ещё не включили в план время на её освоение.
Мой вывод простой.
Если команда должна стать эффективнее с AI, сначала ей придётся некоторое время быть с AI неэффективной.
Нужен learning budget — время и пространство, чтобы:
— попробовать AI на реальных задачах;
— получить несколько бесполезных результатов;
— найти рабочие сценарии;
— обменяться удачными примерами;
— договориться, как проверять результат.
Не KPI по количеству промптов.
Не обязательное использование AI в каждой задаче.
Не ожидание, что график продуктивности пойдёт вверх со следующего спринта.
AI adoption — это изменение способа работы. А такие изменения требуют не приказа, а обучения.
Что сейчас есть у вашей команды: время на освоение AI или только ожидание быстрого роста продуктивности?