Чему мы научились, внедряя AI в инженерную организацию Bloomberg
What We Learned Deploying AI within Bloomberg’s Engineering Organization
По опыту Bloomberg, ассистенты дали выигрыш в прототипах и тестах, а реальный эффект дают агенты для миграций и инцидентов при детерминированной проверке.
- Агенты для поддержки кода — uplift-агенты предлагают патчи вместе с pull request и объяснением, но надёжно применяются только при наличии тестов или линтеров, то есть детерминированной проверки.
- Очередь на слияние — число открытых pull request и время до слияния выросли, потому что нового кода стало больше, а ревью не успевает за ним. По словам спикера, фокус сдвигается от того, как писать код, к тому, какой результат нужен.
- Агенты для инцидентов — агенты подключаются через MCP-серверы к метрикам, логам, топологии сервисов, алертам и SLO. Без общего пути команды дублировали бы такие серверы, поэтому в Bloomberg сделали каталог и PaaS с аутентификацией.
- Обучение и лидеры — AI-кодинг добавили в онбординг, и новички возвращаются в команды с новыми практиками. Рядовые инженеры внедряют инструменты быстрее руководителей, поэтому для тимлидов провели воркшопы.
Кому полезно: техлидам и платформенным командам больших организаций, которые открывают агентам доступ к внутренним системам и думают о проверке изменений.
Статья по теме
Главы
Похожие доклады
Инженерия AI-платформ
AI Engineer World's Fair 2024
Близко по содержанию
Как разработка с AI может вдвое повысить производительность инженерной команды
AI Engineer Europe 2026
Близко по содержанию
Проблемы масштабирования агентов для генеративных AI-продуктов
AI Engineer Summit 2025
Близко по содержанию
Как устроена работа Forward Deployed Engineering
AI Engineer World's Fair 2026
Близко по содержанию

