Как генеративный AI меняет разработку ПО

Александр Поломодов и Игорь Курочкин переходят от методологии DORA к исследованию generative AI. Отчёт связывает инструменты с опытом человека, практиками организации и поставкой. Собеседники отделяют измеренные ответы от причинных объяснений, которые остаются гипотезами.

AI улучшает flow, job satisfaction и воспринимаемую продуктивность, но доля «продуктивной работы» в модели снижается. Гипотеза вакуума говорит: освобождённое время надо заполнить значимыми задачами. Без новых гипотез, маленьких batches и контроля сложности ускорение кода быстрее создаёт legacy.

Матрица ценностей показывает мотивы инженеров: результат, авторство, признание, удовольствие или обучение. Поэтому один rollout даёт разный adoption. Доверие к AI меняет пользу и поведение; безопасный доступ, правила, обучение и мягкие стимулы работают лучше обязательного использования.

DORA связывает capability с delivery performance, а внедрение раскладывает от utilization к feedback loops, impact и затратам. Метрики доступны не всем, поэтому нужны платформа и рабочие группы владельцев домена. Принцип универсален: начать с цели и данных, проверить качество и масштабировать подтверждённое.