Трансформация AI SDLC

Флагманский кейс, около 100 человек, внедрение продолжается.

С чего началось

Мы начали с очевидного хода - и он провалился. Разработчикам выдали AI-агентов в расчёте на десятикратный рывок time-to-market. Получили обратное: кода стало больше, чем команда способна прочитать; общий контекст распался, качество просело, а документация безнадёжно отстала. Ровно в эту ловушку сегодня попадает большинство AI-внедрений.

Разворот

Решение оказалось контринтуитивным: код получает AI последним. Сначала AI приходит туда, где он усиливает, а не разрушает, - в подготовку фичи и планирование.

Конвейер, шаг за шагом:

1. 1Каждый груминг записывается и транскрибируется.
2. 2Агенты разбирают артефакты и дополняют общий контекст.
3. 3Ревью документации ускоряется: саммари, вычитка, кросс-проверка с источниками, проверка по ролям.
4. 4Задачи генерируются прямо из артефактов через MCP, skills и connectors - ручной работы почти не остаётся.
5. 5Архитектура создаётся и проверяется тут же: наброски с бумаги за секунды превращаются в диаграммы mermaid или PlantUML - с тестами и кросс-проверками.
6. 6Из тех же артефактов генерируются helm-чарты для эксплуатации.
7. 7Для QA генерируются тест-кейсы и автотесты по ним.
8. 8И только после всего этого - агентская разработка.

Почему сработало

Методическая основа - BMAD поверх внедрённых ранее DDD и docs-as-code:

• BMAD координирует агентов через артефакты - а у нас они уже жили в git и проходили командное ревью.
• DDD дал агентам однозначный язык: ubiquitous language сыграл роль project-context.
• Двухфазная схема BMAD - сначала Agentic Planning, потом Context-Engineered Development - совпала с моим решением подпускать AI к коду в последнюю очередь.
• Наш провалившийся первый заход - в точности тот сценарий отказа, против которого BMAD и спроектирован.

Сроки и масштаб

Исследования и пилоты на микрокомандах заняли четыре месяца; полный переход стрима - ещё три. Сегодня через трансформацию прошло около 100 человек, развёртывание продолжается - это живой процесс, а не законченный проект.

Результаты

• Квартальное планирование было двумя-тремя неделями аврала поверх текущей разработки - стало частью обычной работы: дорожная карта и скелеты фич за день работы delivery-менеджера и лидов с агентами.
• Скорость доставки: примерно вдвое выше на greenfield, на 60% - на brownfield.
• Переработки и инциденты почти исчезли.
• Прогнозы стали сбываться.
• Параллельно прорабатываются две-три гипотезы (рекорд - четыре) вместо одной.

Бизнесу больше не приходится выбирать, какой гипотезой пожертвовать, - он может взять все и получить готовое к продакшену решение без перепланирований и остановки спринтов.

Сквозная нить

Эта трансформация удалась потому, что фундамент был готов заранее: DDD, docs-as-code и ADR/RFC появились в turnaround процессинга и антифрода. А привычка к скорости старше любого AI - сквозной прототип ДБО за 10 недель в кейсе greenfield ДБО собран вообще без него.

© Dmitry Roytman