Две проблемы с метриками внедрения AI

Первая проблема: токены стали KPI.

Разговаривал с инженером из крупного вендора по кибербезопасности.

Их технической директор на встрече команды публично хвалит тех, кто «сжёг» больше всего токенов за неделю. Возможно, он думает, что создаёт культуру AI-adoption.

Хотя очевидно, что это приводит только к сжиганию денег – сотрудники начнут «гонять» лишнюю работу в Claude Code. Метрика будет расти, CTO будет доволен. Anthropic тоже.

Delivery и качество, при этом, никак не изменятся в лучшую сторону.

Вторая проблема: метрика внедрения становится персональным KPI инженера.

Часть сотрудников не понимает, зачем это нужно. Часть настроена скептически, ведь «вон, у Amazon качество из-за AI просело». В отдельных случаях доходит до саботажа.

Уволить несогласных и неготовых – опция, которая всегда есть.

Однако, на мой взгляд, задача решается через создание позитивного опыта использования агентов у инженеров. Если работать с AI проще, чем без него, то скептики меняют позицию сами благодаря примерам и рекомендациям коллег.

В таком подходе метрики AI-adoption становятся метриками руководителя и команды внедрения – рабочей группы, которая разрабатывает лучшие практики.

Что тогда измерять?

На уровне борда и C-level:

На уровне команды внедрения:

Какими метриками измеряете AI-внедрение вы?

Подписывайтесь на Telegram Архитектура управления · Владимир Семенюк.