От Pull Panda к DX Core 4
В 2019 году GitHub купил Pull Panda, инструменты Аби Ноды для работы с ревью и аналитикой pull request. Эти данные помогали увидеть, где задерживаются изменения. Следующий вопрос был шире: какие препятствия встречают сами разработчики? В 2022 году DX вышла как платформа, которая собирала их наблюдения о работе. В 2023 году авторы DevEx описали три условия продуктивной работы — быстрые петли обратной связи, посильную когнитивную нагрузку и возможность сосредоточиться. В конце 2024 года DX выпустила Core 4, а в ноябре 2025 года Atlassian завершила покупку платформы.
У каждого предшественника Core 4 свой масштаб. DORA помогает увидеть темп и стабильность поставки. SPACE добавляет вопросы о результате, сотрудничестве и состоянии людей. DevEx объясняет, почему рабочий день может быть тяжёлым даже при хороших цифрах поставки. Core 4 объединяет этот взгляд с метриками, которые можно обсуждать с инженерными командами и руководителями.
Что измеряют четыре направления
Скорость в Core 4 видна по числу слитых PR на инженера. Эффективность показывает Developer Experience Index, или DXI. Он опирается на ответы разработчиков, в том числе о глубокой работе, локальных итерациях и процессе релиза. Для качества DX смотрит на долю изменений, вызвавших сбой, и на время восстановления. Влияние на бизнес начинается с вопроса, на что команда расходует усилия. Доля времени на новые возможности показывает распределение работы, а прогресс и отдача инициатив требуют своих данных.
Опросы и телеметрия дополняют друг друга. Опрос даёт оценку рабочих условий и времени, которое команда тратит на новое. По журналу репозитория можно посчитать слитые изменения. Долю PR с исправлениями ошибок тоже можно собрать автоматически, но её знаменатель отличается от доли выкаток, вызвавших сбой. Если поставить цель по одному счётчику PR, легко поощрить дробление изменений. Я бы проверял, что при ускорении происходит с качеством и опытом команды.
Использование AI, эффект и цена
Я применял AI Measurement Framework в финтехе как способ договориться о трёх вопросах. Кто и для чего использует инструмент? Где меняются время на задачу, поток и качество? Сколько стоит получить этот эффект? Доля активных пользователей и доля AI-кода показывают охват. Сэкономленные часы, поток PR, сбои и уверенность в релизах описывают разные результаты. Стоимость лицензий и токенов видна в счетах. Время проверки, доработок и стоимость успешно выполненной задачи приходится выяснять отдельно.
В выпуске я разбираю условный расчёт DX для организации из 200 инженеров. Дополнительный поток изменений оценивают через эквивалент инженерной мощности. Когда условная оценка эффекта составляет 3,2 млн долларов, а затраты — 0,8 млн, чистый выигрыш в модели составляет 2,4 млн и даёт ROI 300 %. Такой результат чувствителен к предположениям. Нужно проверить, сохраняется ли прирост, какие расходы остались за рамками и что произошло со сбоями. Удачная миграция библиотек может окупиться сама по себе. При переносе результата на всю организацию меняется состав задач и расходов.
Как проверить контекст агента
CAFE(S) предлагает проверить пять свойств контекста. Clarity отвечает за ясность задания. Actionability помогает понять, как сделать следующий шаг. Fidelity требует сверить точность и актуальность сведений. Efficiency показывает, легко ли найти нужное среди остального текста. Security задаёт границу доступа к сведениям и действиям. В выпуске я применяю эти вопросы к инструкции в AGENTS.md. Чтобы агент запустил нужные тесты, ему полезно знать рабочую папку, команду, окружение и признак успешного прогона. Саму инструкцию стоит сверить с CI, а доступ к окружению ограничить задачей. Это пример проверки контекста. Он не даёт оценки того, насколько вырастет продуктивность.
Как читать отчёты 2024–2026 годов
В опросе DevEx 2024 года 69 % разработчиков сообщили, что теряют из-за препятствий не менее восьми часов в неделю. В отчёте DX за IV квартал 2025 года средняя самооценка экономии с AI-ассистентами составляла 3,6 часа в неделю. Первый показатель — доля людей выше порога потерь, второй — среднее число заявленных сэкономленных часов. Например, выигрыш на написании тестов сам по себе ничего не говорит о времени, которое команда ждёт доступа к среде.
С ноября 2024 по февраль 2026 года, в выборке более чем из 400 компаний с растущим использованием AI, использование инструментов выросло в среднем на 65 %, а медианный прирост невзвешенного потока PR составил 7,76 %. В отчёте за III квартал 2026 года медианный недельный TrueThroughput вырос с 1,43 до 2,51 взвешенного PR на разработчика, или на 75,5 %, с IV квартала 2025 года. Первый результат сравнивает изменения по компаниям, второй — уровни взвешенной метрики по кварталам. При сопоставлении разных отчётов DX исходные периоды и состав выборки тоже требуют проверки. Подключение новых клиентов с историей изменений может пересчитать показатели прошлых кварталов.
В той же квартальной серии расходы на AI по выборке выросли с 10 до 425 млн долларов. Эта сумма описывает клиентов в исследовании. Опросы показывают более заметные улучшения в локальных задачах вроде производственной отладки и документации, чем в ясности направления и сопровождаемости. Для групп с долей AI-кода 20–40 % и от 80 % медианы времени до первого ревью составляли 40 и 82 минуты. Это сопоставление разных организаций в одном квартале. Размер изменений, доступность ревьюеров и процесс проверки могут влиять на разницу. Данные полезны как повод проверить свою очередь и понять, куда уходит выигрыш от более быстрого написания кода.
Что стоит унести с собой
- 01Скорость, качество, условия работы и распределение усилий дополняют друг друга. Рост потока PR стоит читать вместе с ними.
- 02Охват AI, выигрыш в работе и стоимость принятого результата требуют разных измерений. Проверка и доработки входят в расчёт отдачи.
- 03Перед сравнением двух чисел проверьте, что совпадают определение метрики, единица, знаменатель, период, выборка и способ агрегации.
Источники
- Слайды выпуска
- Аудиозапись на Podster
- №12. Как измерять продуктивность разработчиков с DX Core 4 — упоминание на ≈14:10 (Podster)
- №30. Продуктивность разработки: человеческий взгляд Google — упоминание на ≈17:05 (Podster)
- №11. Как измерять AI-ассистентов и coding agents — упоминание на ≈20:04 (Podster)