Дарвин такого не планировал: как ИИ меняет работу команд
Подробнее о выступлении
Другие выступления в треке
- «Враги» тимлида, которых порождает AIМаргарита Моногарова

- Смысл творчества. Опыт оправдания инженераАлександр Зиза

Спикеры
Яндекс 360
Руководит разработкой продуктовой платформы Яндекс 360. Её команды отвечают за оплату и подписки, управление организациями и пользователями, права доступа, безопасность и настройки всех продуктов Яндекс 360. Это горизонтальные сервисы, которые склеивают отдельные продукты в единую экосистему: делают один раз и экономят бизнесу деньги за счёт общих переиспользуемых решений. Сила её команд — справляться со всем одновременно: обеспечивать надёжность всей экосистемы, создавать переиспользуемые решения и успевать за потребностями быстро развивающегося бизнеса.
Кому полезно
Это доклад для лидов, которым недостаточно просто «дать команде ИИ». Поговорим о том, как запустить изменение снизу, превратить первые удачные кейсы в массовую практику и перестроить процессы, инженерную культуру и само представление о роли разработчика — для мира, в котором код всё чаще пишет не только человек.
О чем выступление
ИИ — везде, но между «у нас есть доступ к нейросети» и «ИИ действительно изменил разработку» всё ещё пропасть.
Раньше люди объединялись в племена, учились пользоваться новыми инструментами и передавали друг другу опыт. Позже инженеры собирались в команды, ходили на конференции, читали документацию и искали человека, который помнит, почему сервис работает именно так. Знание всегда было распределено между людьми — его нужно было добывать.
Сейчас разработчик может быстрее разобраться в незнакомой части системы и передать часть работы ИИ — если агенту доступны нужные знания, инструменты и проверки. Вместе с этим меняется сама роль инженера. Всё больше значения приобретают умение правильно поставить задачу, спроектировать систему, дать ИИ нужный контекст, проверить решение и взять ответственность за результат. Особенно важна экспертиза тех, кто знает ограничения системы и умеет превращать их в правила работы агентов. А командам приходится заново учиться договариваться: возможность каждого самостоятельно сделать больше ещё не гарантирует общий результат.
Мы уже прошли часть этапов этого перехода на практике. За считанные недели ИИ из инструмента отдельных энтузиастов превратился в повседневную практику разработки наших команд. Это произошло не потому, что разработчикам просто выдали доступ к новым инструментам. Мы запустили «снежный ком»: создали сеть AI-амбассадоров, организовали обмен знаниями и помощь внутри команд, сделали прогресс видимым и постепенно превращали единичные успешные кейсы в новую норму работы. Затем научились делегировать агентам самостоятельные задачи и увеличили объём выполненной работы. Следующий этап оказался сложнее: чтобы быстрее доводить продуктовые задачи до пользователя, нужно менять весь процесс разработки и взаимодействие команд.
В докладе я разберу, как мы построили этот процесс, какие результаты уже получили и что нужно сделать, чтобы AI-adoption стал основой для изменения работы команд:
Как построить систему AI-adoption и запустить тот самый снежный ком изменений.
Как находить инженерные практики, в которых ИИ действительно даёт эффект, проверять их в небольших пилотах и распространять на другие команды.
Зачем нужны AI-амбассадоры и как через них масштабировать новые способы работы.
Как сделать скептиков-экспертов союзниками, сохранить их ответственность и дать командам время, фокус и поддержку для освоения нового.
Как перейти от написания кода с ИИ к делегированию задач агентам — и почему для этого приходится заново учиться договариваться и перестраивать процессы.
Какие метрики выбирать, чтобы различать ежедневное использование ИИ, рост объёма выполненной работы и сокращение пути задачи до пользователя.