Внедрение
AI SDLC
За пять воркшопов ваша команда запустит общий процесс разработки с AI и пройдёт в нём три реальные задачи: от спецификации до pull request. Команда учится поддерживать и улучшать процесс самостоятельно.
Что мешает команде выпускать изменения быстрее
Разработчики используют AI, но время от постановки задачи до релиза не сокращается. Разбираем, где возникают задержки и что нужно изменить в процессе и инструментах команды.
Настройки остаются у отдельных людей
Каждый работает с AI по-своему. После ухода автора настроек команда не знает, как их исправить. На кикоффе участники сами собирают AI Harness, а поддержку закрепляют за владельцем внутри команды.
Бизнес и разработка по-разному понимают задачу
Продукт готовит требования с AI, но разработке всё ещё нужны уточнения. Вместе проектируем формат спецификации, по которой аналитик, разработчик и QA смогут работать над одной задачей.
Архитектура и безопасность подключаются слишком поздно
Замечания появляются, когда изменение уже готово. Архитекторы, безопасность и DevOps участвуют с первого воркшопа: их требования входят в правила и проверки каждой задачи.
Команда запускает AI SDLC на своих задачах
AI SDLC — процесс разработки, в котором команда определяет роли людей и AI, порядок работы и проверки результата. Его техническая основа — AI Harness: контекст проекта, спецификации, агенты и правила в репозитории команды. На воркшопах помогаем команде выстроить совместную работу с AI. Участники сами настраивают процесс и проверяют его на своих задачах, чтобы затем поддерживать и развивать без нас.
Общая спецификация
Продукт, аналитика, разработка и QA вместе определяют, что нужно знать о задаче до изменения кода и как принять результат.
Архитектура, безопасность и DevOps
Эти роли участвуют во всех воркшопах. Их требования входят в AI Harness и проверяются на каждой задаче.
Правила в репозитории команды
Агенты и правила хранятся в Markdown. Их можно использовать в Claude, Codex или OpenCode и адаптировать при смене модели.
Пять воркшопов по четыре часа
Работаем очно с командой на её коде и задачах. Между встречами читаем материалы в репозитории и готовим следующий воркшоп. Теория даётся короткими вставками по ходу работы.
- 01
Текущий и целевой процесс
Разбираем, как задачи проходят через команду, где уже используется AI и что мешает внедрению. Собираем общую картину в Miro и проектируем целевой процесс с ответственностью на стыках ролей. Короткая теория: разработка с AI.
Результат: Карта процесса, проблемы и согласованный порядок работы.
- 02
Спецификация и агенты
Договариваемся о формате спецификации для продукта, аналитики, разработки и QA. Составляем карту и карточки агентов. Участники собирают черновик AI Harness в своём репозитории.
Результат: Формат спецификации, карта агентов и первая версия AI Harness.
- 03
Три реальные задачи
Проводим три задачи из бэклога через спецификацию, код, проверку и pull request. Пока агент работает над одной, команда запускает следующую или проверяет предыдущую. Вмешательства людей записываются для разбора. Незавершённое доделываем до четвёртого воркшопа.
Результат: Три задачи прошли новый процесс; собраны ошибки и первые метрики для сравнения с исходными.
- 04
Разбор ошибок и улучшения
Проводим постмортем задач: где агент ошибся, какого контекста или правила не хватило, почему проверка пропустила дефект. Исправления вносим в спецификации, правила и агентов. Определяем обязательные проверки качества и ответственных за улучшения.
Результат: Изменения в AI Harness по итогам задач и порядок разбора следующих ошибок.
- 05
Качество и рабочее соглашение
Разбираем тестирование AI Harness, дежурство и метрики. Закрепляем ответственность за поддержку. Каждый участник подтверждает рабочее соглашение: как команда работает по AI SDLC, проверяет результат и обновляет общие правила.
Результат: Рабочее соглашение команды и владельцы поддержки AI Harness.
Через два месяца — итоговая встреча на два часа
Проверяем, что прижилось в повседневной работе и где команда столкнулась с трудностями. Пересматриваем рабочее соглашение и составляем план развития AI SDLC.
Подготовка за 1–2 недели до старта
Проводим 2–3 установочных интервью, фиксируем исходные метрики по трекеру задач. Со спонсором согласуем участников, включая архитектуру и безопасность.
Клиент организует доступы, мы помогаем с подключением агентов. К первому воркшопу участники должны работать с нужными системами.
Четыре доступа для работы
- AI-модели: доступ для каждого участника.
- Git: репозитории пилота в GitHub или GitLab.
- Трекер: проекты пилота в Jira, Яндекс Трекере или YouTrack.
- Документация: нужные разделы Confluence или другой вики.
Доступы к AI-моделям клиент приобретает для своих участников отдельно.
С чем команда продолжит работу
Общий процесс и опыт на своих задачах
- AI Harness в репозитории: контекст, формат спецификации, агенты и правила.
- Практика запуска агентов, проверки результата и улучшения AI Harness своими силами.
- Общая картина процесса и рабочее соглашение с распределённой ответственностью.
- Три реальные задачи, прошедшие через новый процесс, и первые метрики в сравнении с исходными.
Участники и ответственность
Вместе работают продукт, аналитика, разработка и QA. Архитектура, безопасность и DevOps участвуют с первого воркшопа и встраивают свои требования в процесс.
Мы ведём встречи и готовим работу между воркшопами. Команда собирает AI Harness, завершает задачи между встречами и выбирает внутреннего владельца поддержки.
Формат и стоимость
Пять очных воркшопов по 4 часа и итоговая встреча на 2 часа через два месяца. Календарь, состав участников и стоимость согласуем при подготовке. Доступы к AI-моделям оплачиваются отдельно.
Результат проверяем на работе команды
Сравниваем первые метрики с исходными и разбираем вмешательства людей в работу агентов. Через два месяца оцениваем, какие практики сохранились. Решения о выпуске изменений команда принимает по своим правилам проверки.
Обсудим вашу команду и задачи
Расскажите о проекте и текущей работе с AI. Обсудим задачи для кикоффа, состав участников, доступы и календарь воркшопов.