Разрыв скорости: почему ускорение разработки не гарантирует рост бизнеса — итоги митапа MWS

# Разрыв между скоростью разработки и реальными бизнес-результатами

Девятый митап MWS для IT-руководителей, организованный компанией МТС, подвел итоги этапа, когда искусственный интеллект перестал быть футуристической концепцией и стал рабочим инструментом. Главная тема дискуссии — парадокс: хотя ИИ позволяет проверять гипотезы за минуты, бизнес-эффект от этого часто остается неочевидным. Эксперты обсудили, как избежать иллюзии прогресса и превратить технологическое ускорение в измеримую пользу.

Экономика первого шага: от недели к вечеру

Ключевое изменение, которое принес ИИ, — это сдвиг в экономике экспериментов. Дмитрий Лаптев, директор по технологической стратегии MWS, отметил, что ранее для проверки новой идеи требовалась сборка команды, бюджетирование и ожидание недельной разработки. Теперь многие гипотезы можно протестировать за один вечер.

Однако этот быстрый старт создает новый риск. После получения работающего прототипа путь не заканчивается. Решение необходимо доработать, интегрировать в инфраструктуру и убедиться в его стабильности. Дмитрий Лаптев разделяет этот путь на уровни: сначала проверка реализуемости, затем вывод в рабочее состояние, и только финальный шаг — оценка влияния на метрики бизнеса или опыт клиента.

Бизнес часто ошибочно принимает факт появления функции как достижение результата. Если пользователи начали нажимать на новую кнопку, это еще не значит, что бизнес-показатели выросли. Главная задача руководителя смещается с поиска «правильной технологии» на организацию работы, в которой неудачные идеи быстро отбраковываются, а удачные получают ресурсы для масштабирования.

Эффект пробки: когда локальное ускорение тормозит систему

Второй блок дискуссий сосредоточился на том, почему ускорение работы отдельных разработчиков не всегда приводит к ускорению всей команды. В ходе практических пилотов выяснилось, что использование ИИ-инструментов действительно увеличивает производительность на уровне отдельных задач. Но когда разработчик начинает генерировать в два раза больше кода или артефактов, он неизбежно передает переполненный поток работы следующим этапам.

Ольга Склярова и Евгений Калабин, специалисты MWS, описали ситуацию как появление «пробки». Если ревью-процесс, тестирование или внедрение не готовы принять увеличенный объем задач, преимущество ИИ на этапе генерации нивелируется. Задачи накапливаются в очередях, количество дефектов растет, а качество продукта держится только за счет дополнительных ручных усилий.

Аналогичную картину наблюдала Ольга Шутова из Т-Банка. В двухмесячном пилоте команды быстро освоили новые возможности, скептицизм исчез, а скорость разработки выросла. Но эксперимент также показал, что простое ускорение кодирования недостаточно. Необходимо заранее анализировать, готов ли следующий этап процесса к такому темпу. ИИ не создаст новую эффективность там, где сама организация еще не готова к изменению своего ритма.

Данные, процессы и три горизонта управления

Барьеры для внедрения часто возникают задолго того, как компания выбирает конкретную модель. Нейросеть действует как усилитель существующих данных и процессов. Если внутри организации данные противоречивы или процессы неформализованы, машина, следуя алгоритмам, закрепит и масштабирует эти ошибки.

Поэтому подготовка данных и аудит текущих бизнес-процессов становятся критической частью внедрения ИИ. Иногда выгоднее не просто оптимизировать старый процесс с помощью нейросети, а полностью перепроектировать работу, чтобы новые технологии могли раскрыть свой потенциал.

Анастасия Азоркина из HeadHunter предложила модель работы с «тремя горизонтами»: 1. Текущие процессы: работа над тем, что уже приносит результат и требует тонкой настройки. 2. Эксперименты: проверка ближайших возможностей и гипотез. 3. Стратегические ставки: инвестиции в направления с высоким потенциалом, но высокой неопределенностью.

Такой подход позволяет не бросать работающие практики, но оставлять пространство для инноваций. При этом важно понимать: главный ограничитель современного этапа развития ИИ — это не скорость разработки, а способность выбрать правильные направления из десятков проверяемых гипотез.

Человеческий фактор в эпоху автоматизации

Технологические изменения неизбежно влияют на психологическое состояние сотрудников. Сергей Харитонов, научный сотрудник МГУ, предупредил о рисках хронического стресса. Если человек не успевает восстанавливаться после интенсивной внедрения новых инструментов, мозг переключается в режим постоянной готовности к угрозе. Это блокирует способность к обучению и поиску нестандартных решений, что парадоксальным образом замедляет адаптацию компании.

Внедрение ИИ требует не только настройки ПО, но и заботы о ресурсах команды. Поддержка сотрудников, контроль нагрузки и создание условий для восстановления — это не «мягкие навыки», а критические факторы эффективности. Люди должны иметь возможность думать и экспериментировать, а не просто механически выполнять возросший объем задач.

Выводы для бизнеса

Итоги митапа MWS четко обозначили: искусственный интеллект меняет не просто инструменты разработки, а саму структуру работы компании.

* ИИ ускоряет проверку идей, но ответственность за выбор перспективных направлений остается за человеком. * Технология эффективна там, где процессы отлажены; в хаотичной среде она лишь быстрее раскрывает системные проблемы. * Успех зависит не от количества внедренных агентов, а от целостности перестройки цепочки создания ценности — от качества данных до контроля результатов. * Главной метрикой становится не скорость получения кода, а реальное изменение показателей бизнеса и адаптация команды.

Зрелое внедрение ИИ начинается с глубокого понимания того, какую ценность компания хочет получить, и готовности к масштабным изменениям во всей системе, а не только в отдельных отделах.