Руководство разработкой с помощью AI
Leadership in AI-Assisted Engineering
Эффект AI-инструментов в разработке сильно различается между компаниями, поэтому его надо измерять метриками скорости и качества, а не долей использующих их разработчиков.
- Средние значения прячут разброс — по данным DX, у одних компаний уверенность в изменениях выросла примерно на 20%, у других упала на 20%. Средний по выборке результат выглядит безобидно и ничего не говорит о конкретной команде.
- Обязательное внедрение не работает — спикер советует явную AI-политику, время на эксперименты и психологическую безопасность. Он ссылается на исследование Google Project Aristotle, где психологическая безопасность оказалась главным фактором продуктивности команд.
- Чинить узкое место процесса — час, сэкономленный вне узкого места, ничего не даёт. По данным DX на выборке почти 140 000 инженеров, экономию от AI съедают переключения контекста и дни со встречами.
- Очередь обратной связи для system prompts — назначьте группу, которая собирает ошибки моделей, например устаревший Spring Boot 2 вместо Spring Boot 3, и правит правила для ассистентов.
Кому полезно: техлидам и руководителям инженерных групп, которые вводят AI-инструменты и не знают, какие метрики смотреть. Доклад во многом рассказывает о фреймворке измерений самой DX.
Статья по теме
Главы
Ещё доклады: Justin Reock
Страница спикера →Похожие доклады
Как нанимать и строить команду AI-инженеров
AI Engineer World's Fair 2024
Близко по содержанию
Как построить провальную AI-стратегию
AI Engineer Summit 2025
Близко по содержанию
Инженерия AI-платформ
AI Engineer World's Fair 2024
Близко по содержанию

