Материалы Code of Leadership #86: AI-агенты и эффективность разработки (Рубрика #AI4SDLC)

Готовы запись и конспект 86-го выпуска Code of Leadership от 22 октября 2026 года — «Агенты пишут код. Как понять, что разработка стала эффективнее?». Поговорили с Владимиром Долговым, создателем DevOptify, который ранее руководил AI-трансформацией разработки в Сбере.

Кода стало больше, PR закрываются чаще, токены расходуются — а что из этого получает бизнес? На этом вопросе и построили разговор.

Обсудили:

🔸 Что считать результатом
Владимир рассказал, как в Сбере переходили от доли AI-кода к числу PR, а затем к выполненным задачам. Но и задачи можно просто нарезать помельче. Поэтому рядом нужны размер работы, ошибки и возвраты на доработку.

🔸 Как хороший график вводит в заблуждение
Я привёл пример команды, которая сначала строила платформу, а потом делала на ней однотипные продуктовые изменения. Число закрытых задач выросло, но состав работы тоже изменился — это важно учитывать до объявления победы.

🔸 Почему с агентами приходится заново учиться планировать
В команде Владимира сначала закладывали на задачи слишком много времени, затем качнулись в другую сторону и начали недооценивать сроки. На демо DevOptify посмотрели, как это видно в данных, вместе с параллельными задачами и переработками.

🔸 Где остаётся работа человека
Агенту нужны контекст, инструменты и границы полномочий, а объём сгенерированного кода упирается в возможности ревью. Владимир рассказал о выборочной проверке человеком в своей команде; переносить эту практику на любой продукт без оговорок нельзя.

🔸 Что объясняют расходы на модели
В одном из примеров большую модель использовали для массовой замены идентификаторов, с которой справилась бы команда IDE. Но высокая стоимость сама по себе ещё не говорит о плохой работе: задачи бывают разными.

🔸 Как сохранить доверие к аналитике
Возвраты задач и ночная работа дают повод для разговора с инженером. Обсудили доступ сотрудника к тем же данным и возможность оспорить выводы руководителя — например, показать внеплановые задачи, из-за которых поехал первоначальный план.

Важная оговорка к демо: на момент разговора результаты крупных пилотов DevOptify ещё ожидались. Владимир описал цикл проверки: собрать исходные данные, изменить работу и посмотреть, что получилось после.

Материалы выпуска:

📌 Страница выпуска с таймкодами
🎬 Видео: YouTube и VK Видео
🎧 Аудио: Podster и Apple Podcasts
📖 Текстовый конспект

А по каким изменениям в своей команде вы понимаете, что агенты действительно помогают? Особенно интересно, если метрики и ощущения расходятся.

#CodeOfLeadership #AI4SDLC #Agents #Management #Metrics #DevTools