90% команды уже пишут код с ИИ, но релизы быстрее не идут. Как компании внедряют агентов
Подписки на Claude Code и Cursor оплачены, счета за токены (единицы текста, за которые платят моделям) растут. Релизы быстрее не идут.
В Block (3500 инженеров) около 90% команды регулярно писали код через внутреннего агента goose и Claude Code. При этом CEO был уверен, что разработка ИИ не использует: продукт быстрее не двигался. Angie Jones сдвинула эту махину, но чем закончилась её история, вы узнаете в конце, и финал отрезвляет.
Я разобрал 11 докладов с AI конференций 2025-2026 годов: Block, Figma, Intercom, Bloomberg, Booking.com, Сбера, Яндекса, «Вебпрактика», Стэнфорда и независимых инженеров. Начать придётся с неудобной цифры: в одной компании число pull request (PR, запросов на слияние кода) после запуска ИИ выросло на 14%, а реальная отдача, похоже, ушла в минус.
Почему рост PR маскирует провал и чем меряют отдачу
Та команда из 350 человек попала в исследование Стэнфорда: Yegor Denisov-Blanch сравнил четыре месяца до ИИ и четыре после. Число PR выросло на 14%, но качество кода упало на 9%, а переделки свежего кода (rework) подскочили в 2,5 раза. Полезный выпуск почти не сдвинулся. То же в европейском аутсорсе видел Николай Шейко: возвраты съели рост PR почти до 1%. Он считает выполненные задачи в единицу времени по правилу: «если задача вернулась на доработку, то это всё та же самая задача».
В основном срезе Стэнфорда сравнили 46 команд с ИИ и 46 без него по модели на оценках 10-15 экспертов. Медианный прирост вышел около 10%, а разрыв между лучшими и отстающими растёт. Две команды в одной компании с теми же лицензиями расходились кратно. Расход токенов связан с выходом слабо (корреляция около 0,20), сильнее влияет чистота кода: тесты, типы и модульность дали R² около 0,40. Если PR и токены врут, на что опираются крупные компании?
В Booking.com Bruno Passos назвал отчёты про «сэкономленные часы» «полуерундой». Ввели четыре годовых показателя: время до выкладки (lead time), качество, чистку фичефлагов и модернизацию legacy кода (старого кода). Кто открывал ИИ от 12 дней в месяц, отправлял на 30% больше merge request (MR, аналог PR в GitLab) и работал более чем на 30% быстрее.
В Intercom взяли число изменений кода на сотрудника R&D (продуктовой разработки и исследований). Brian Scanlan признаёт, что любая метрика портится, как только её измеряют, поэтому её страхуют опросами, закрытием багов и проверкой Стэнфорда (там качество выросло). Поток PR удвоили быстрее года, а 17,6% простых PR одобряют агенты с согласия аудиторов SOC 2, ISO 27001 и HIPAA.
В Сбере меряют пользовательскими историями от продакт-оунеров, за три года объём удвоился, хотя Кирилл Меньшов говорит прямо: отделить вклад ИИ от процессов невозможно. На обучении лимиты токенов не режут («когда дали книжку Java в руки, не надо ограничивать в количестве страниц»), и активных пользователей стало в 1,5 раза больше за месяц. Зато Андрей Кулешов из Яндекса предупреждает: стоит сделать расход токенов KPI, как появляются скрипты вроде Burn-Baby-Burn, сжигающие лимиты пустыми циклами.
Как пробить потолок автодополнения и не утонуть в ревью
Вернёмся к Block. Те 90% инженеров застряли в автодополнении и чате, не отдавая агентам целые задачи. Учить сразу 3500 человек не вышло, и Angie Jones опёрлась на правило 1-9-90: 1% создаёт практики, 9% подхватывают, 90% берут готовое. Она отобрала около 50 AI чемпионов из Square, Cash App, Afterpay и TIDAL с условием отдавать внедрению минимум 30% времени.
Чемпионы добавили файлы контекста AGENTS.md, правила и сценарии, а агентов встроили в Slack, Jira, Linear и GitHub. В примере из Slack на баг тегнули goose, агент проверил код и дал три варианта починки, люди выбрали первый, бот открыл PR за пять минут. За три месяца доля AI кода выросла на 69%, заявленная экономия времени на 37%, а автоматических PR стало в 21 раз больше. Но когда код идёт потоком, у команд захлёбывается ревью (проверка кода перед слиянием).
В Figma Eyal Blum обходит это планированием вместо бесконечного чата. Инженер может неделю писать план с раздела «зачем», чтобы агент не уплывал от цели, и делить его на независимые шаги. Размер сверяют по правилу «чашки кофе»: если перед ревью хочется сходить за кофе, задачу режут мельче. План Blum дал около 20 PR по 10-100 строк: шесть недель работы уложились в неделю, примерно в пять раз быстрее с ревью. На новых фичах это чисто работает, но что происходит в огромных старых системах?
В Bloomberg (больше 9000 инженеров) эффект на прототипах и тестах появился сразу, а дальше просел. Lei Zhang рассказал, что агентам отдали рутину: массовые патчи (uplift agents) и разбор инцидентов по логам, метрикам и трассировкам. Патчи упёрлись в качество автотестов, а открытых PR и времени до слияния стало больше. В Booking.com (больше 3000 разработчиков) споткнулись на старте: раздали одну модель с жёсткими лимитами, и часть людей бросила инструмент. Перелом случился после снятия лимитов, выбора моделей и двухдневных воркшопов. Главный вывод года, по словам Passos: решает обучение.
Почему тормозят лучшие инженеры и два противоположных ответа
Даже после обучения сопротивление остаётся. Руководитель SourceCraft Security в Яндексе Андрей Кулешов в докладе о сопротивлении привёл замеры Андрея Попова по Яндексу: ИИ открывают 84% разработчиков, но ежедневно пишут с ним код лишь 36%. Частые жалобы: «я теряю интерес к программированию» и «я не хочу ревьюить нейрослоп» (мусорный код от ИИ). А в Figma заметили парадокс: медленнее всех агентов принимают лучшие инженеры.
Причина понятная. Они держат неписаный контекст, работают «мысленной изолентой» за агентами и выгорают в цикле «отправил промпт и ждёшь». Плюс инфляция текста: документы и письма стали в 3-4 раза длиннее и выходят в 2-3 раза чаще при том же смысле. Реагируют на это компании противоположно: одни берегут скептиков, другие увольняют.
В Figma скептикам отдают дорожную карту улучшений: они лучше видят дыры в тестах и сломанные инструменты. В PR и письмах договорились отделять короткое резюме человека от блока ИИ. Николай Шейко называет внешние настройки «магическим артефактом»: при первом сбое их бросают. Чтобы вытащить неявные правила, команда заполняла опросник и разбирала выгруженные сессии агента, а инструкции чинили сами разработчики. Шейко уверен, что консерваторы берегут компанию от энтузиастов вайбкодеров, поэтому сфокусировался на двух сильных инженерах.
Андрей Кулешов советует держать скептиков в менеджменте, чтобы не делать дорогие закупки из страха упустить выгоду. А в Bloomberg рядовые инженеры осваивают ИИ быстрее тимлидов и менеджеров: запустили воркшопы для руководителей и встроили ИИ в онбординг новичков, чтобы те подталкивали старших.
Другие не ждут. В Intercom (1400 человек) обновили описания ролей для инженеров, дизайнеров и продактов: по словам Scanlan, если не внедряешь ИИ, «не соответствуешь ожиданиям, точка». Выделили команду 2X и перевели всех на Claude Code. В «Вебпрактике» (около 150 человек) CTO Иван Поддубный собрал AI клуб из 15-20 энтузиастов и посадил их на день в парное программирование с каждым инженером на реальных задачах. Дошли до 95%, а 5% закрыли кадровыми решениями.
Диспетчеры, двадцать ботов и финал Block
Когда разработчик запускает сразу несколько агентов, скорость не растёт кратно: человек становится диспетчером. Николай Сенин в докладе о мультиагентной нагрузке говорит прямо: «каждая сессия требует переключения, вы постоянно скачете между ними». Сложное переключение съедает 10-15 минут, и главный рычаг здесь вероятность переделки: 30% возвратов растягивают работу в 1,5 раза, 90% в десять раз. «Токсичные задачи» с долгим ревью и возвратами занимают 15% потока, но съедают около половины времени. Добавлять агентов стоит при простое человека (обычно оптимум 3-4), а группировка задач по типу сжала симуляцию с 6 часов 38 минут примерно до 4,5 часов.
На масштабе компании разрозненные агенты рождают другой хаос. В Bloomberg 10 команд писали ботов для ревью и 20 команд агентов для инцидентов. Вместо запретов построили «проложенный путь»: общий шлюз к моделям, каталог MCP серверов (стандартных коннекторов к логам, метрикам и трекерам) и единую платформу запуска с безопасностью.
В «Вебпрактике» руководители на стратсессии нарисовали несовместимые схемы перехода и разные обвязки (harness, инфраструктура вокруг модели). Команду перевели на единый процесс SDD (Spec Driven Development, разработка от спецификации и критериев приёмки) на OpenSpec для аналитиков, разработчиков и тестировщиков; аналитиков на 10-летнем монолите вовлекли, дав спрашивать код через агента. В Intercom знания оформили в переиспользуемые skills (готовые сценарии для агента), а логи сессий выгружают в S3, чтобы видеть, какие навыки работают.
И здесь возвращаемся в Block. На четырёх-пяти параллельных агентах ноутбуки перестали тянуть нагрузку. Агентов перевели в изолированные облачные окружения, включили автоисправление ревью в Codex и собрали оркестратор Builder Bot с картой 25 000 репозиториев. Теперь агенты работали за всю разработку, а не только помогали с автодополнением. Но финал у Angie Jones вышел тяжёлым: после выхода на автономность прошли сокращения, и она спросила зал: «Это казалось мечтой, пока не превратилось в кошмар. Не привела ли помощь сотрудникам в лучшей работе их карьеры к их же увольнению?»