Как AI меняет инженерную культуру и что это значит для тимлидов и инженеров

Исходная база доклада — метаанализ более пятидесяти исследований 2023–2025 годов и собственный опрос инженеров и технических лидеров. В источниках сочетались массовые анкеты, телеметрия репозиториев, полевые эксперименты и корпоративные интервью; вопросы российского опроса опирались на методологию DORA. Автор подчёркивает ограничения: самооценка не доказывает причинность, выборка меняется от вопроса к вопросу, процессы компаний влияют на результат, а эффект новизны искажает восприятие инструмента.

Тем не менее сигналы согласуются. Генерацию кода часто или постоянно использовали 58% опрошенных, 64% замечали рост личной продуктивности, но улучшение качества отмечали 32%, а ухудшение — 14%. К AI-коду не доверяли 49%, доверяли только 11%; review и legacy-задачи оставались заметно менее распространёнными сценариями. Получается не обещание автоматической эффективности, а диагноз: AI быстрее увеличивает выпуск артефактов, чем организация успевает перестроить проверку и поставку.

В role-based SDLC каждая профессия сначала автоматизирует собственный участок: продакт генерирует идеи, аналитик — спецификации, разработчик — код, QA — тесты. Внутренние циклы ускоряются, но работа по-прежнему ждёт на передачах между ролями, поэтому commit-to-production меняется слабее. Доклад предлагает смотреть на весь поток ценности: если review, интеграция, тестирование и релиз остались прежними, больше кода создаёт очередь, повторную работу и нестабильность, а не пропорциональный командный выигрыш.

Software Engineering 2.0 описан как agent-based контур с более широкими ролями. Продакт может довести идею до требований и прототипа, инженер — провести изменение через код, тесты, развёртывание и эксплуатацию при поддержке специализированных агентов. Но это не бесплатное ускорение: нужны branch protection, CI-политики, подписание артефактов и контроль цепочки поставки. Greenfield даёт полигон для нового режима, а brownfield сохраняет дисциплину SE 1.0; полезные практики следует переносить между ними в обе стороны.

Когда производство кода сжимается, новым ограничением становятся согласования и передача контекста. Отсюда рыночные сигналы о более широком span of control, меньшем числе уровней и сильных individual contributors. Доклад не предлагает копировать соотношение один менеджер на пятьдесят инженеров: плоская структура без платформы превращает исключения в хаос. Ей нужны golden paths, автоматические политики, наблюдаемость и быстрые циклы обратной связи, а результат стоит измерять временем поставки ценности, качеством продукта и developer experience.

Тимлид в этой модели проектирует human-agent систему. Он задаёт допустимую автономность по риску задачи, встраивает проверку в definition of done, делает контекст явным через ADR, runbooks, документацию и правила репозитория, настраивает метрики и обучение. Отдельные риски — эрозия навыков начинающих инженеров, иллюзия скорости и недоверие команды. Историческое знание перестаёт быть личной монополией и становится общим контекстом; человеческая ценность смещается к выбору правильной проблемы, постановке ограничений и верификации результата.