AI сделал команду быстрее. Но продукт выходит так же медленно
Компании массово внедряют AI-инструменты в разработку. Отчеты показывают рост продуктивности. А клиенты получают новые фичи с той же скоростью, что и раньше. Разбираю, почему так происходит и что с этим делать.
Красивые отчеты, старый продукт
Тех лид показывает дашборды: задач закрывается больше, кода пишется больше, активность команды выросла. На бумаге всё выглядит отлично.
Потом вы открываете продукт - и там та же версия, что была месяц назад. Клиент ждет фичу, которую "почти доделали" три недели назад. А вечером перед важным демо основатель сам проверяет, не сломалось ли что-нибудь.
CircleCI проанализировал 28 миллионов сборок за 2025-2026 год. Throughput вырос на 59%. При этом успешность мержей упала до 70.8% - худший результат за пять лет. Три из десяти попыток выкатить код в продакшен ломают сборку.
Faros AI изучил 10,000 разработчиков: команды с AI делают на 21% больше задач и мержат на 98% больше pull request-ов. Но время проверки кода выросло на 91%.
Код пишется быстрее. Проверяется медленнее. До пользователя доходит так же.
Почему AI ускоряет не то место
Написание кода - это 15-20% пути фичи от идеи до пользователя. Остальное - согласование требований, проверка качества, тестирование, деплой, исправление того, что сломалось.
AI превратил 2 дня написания кода в 2 часа. А 2 недели вокруг него остались нетронутыми.
Представьте шоссе, где узкое место - съезд. Вы расширили одну полосу. Машин стало больше. Пробка стала длиннее. Именно это происходит в командах разработки.
Теперь кода больше, а проверять его некому. Очередь на ревью растет. Люди переключаются между задачами. Баги множатся. То, что должно было ускорить команду, создало пробку в другом месте.
Парадокс продуктивности - мы здесь уже были
Экономист Роберт Солоу сказал в 1987 году: "Компьютеры видны повсюду, кроме статистики продуктивности." Тогда компании массово покупали компьютеры, а измеримый рост продуктивности не появлялся годами.
Fortune опубликовал опрос 6,000 CEO и CFO из США, Великобритании, Германии и Австралии. Почти 90% сказали: AI не повлиял на продуктивность их компании за последние три года. При этом корпоративные инвестиции в AI превысили 250 миллиардов долларов.
История повторяется. Новая технология ускоряет один этап, а узкое место просто переезжает.
Что делать вместо покупки ещё одного инструмента
Команды, которые реально ускорились с AI, начинали не с генерации кода. Они начинали с вопроса: где фича застревает после того, как код написан?
Три вопроса, которые покажут реальную картину:
- Сколько дней проходит от "код готов" до "клиент это видит"? Если больше одного дня - bottleneck не в написании кода
- Как часто вы выкатываете обновления? Если реже раза в неделю - никакой AI не поможет, пока деплой остается событием
- Сколько задач сейчас "в работе" одновременно? Если больше, чем людей в команде - у вас проблема с очередями, а не со скоростью кодинга
Прежде чем тратить бюджет на ещё один AI-инструмент - найдите место, где фичи застревают. И почините его первым.
Вместо итога
AI-инструменты работают. Код действительно пишется быстрее. Но быстрее писать код и быстрее доставлять продукт - это два разных навыка. Первый - про инструменты. Второй - про процесс.
Если между "код готов" и "клиент это видит" проходят дни - вы ускоряете не то место.
А что у вас? Внедрили AI-инструменты в команду - и скорость поставки реально выросла, или только отчеты стали красивее?