Raiffeisenbank a déployé des agents d'IA pour 500 ingénieurs, mais la vitesse n'a pas augmenté. Pourquoi

Raiffeisenbank a conclu la deuxième partie d'une expérience sur la mise en œuvre de l'IA dans une organisation d'ingénierie de 500 spécialistes : l'accélération locale des rôles individuels par le biais d'agents de codage n'a pas modifié les métriques clés telles que Lead Time, Throughput et Defect Rate.

Pourquoi les copilotes n'ont pas accéléré l'équipe

Distribuer des agents de codage aux ingénieurs seuls ne change pas la vitesse du système — telle est la conclusion de la première partie de l'expérience que Raiffeisenbank a partagée dans un blog sur Habr. Selon les auteurs, vous pouvez augmenter MAU LLM (utilisateurs actifs mensuels du modèle de langage), puis augmenter MAU API (nombre d'appels API), distribuer des agents de codage aux personnes — et toujours ne pas voir de changements dans trois métriques d'ingénierie : Lead Time (temps entre l'idée et le résultat), Throughput (débit du processus de développement), et Defect Rate (proportion de défauts dans le code publié). Ces trois métriques sont un indicateur standard de la santé d'un processus d'ingénierie, et leur invariabilité après la mise en œuvre massive de l'IA est ce que les auteurs du blog appellent la conclusion principale de la première partie de l'expérience.

• L'expérience couvre une organisation d'ingénierie de 500 spécialistes de Raiffeisenbank
• Métriques qui n'ont pas changé après la mise en œuvre de l'IA : Lead Time, Throughput, Defect Rate
• L'accélération locale se heurte aux exigences, examens, tests, approbations, équipes voisines et experts métier
• L'étape suivante de l'entreprise est la transition vers l'Ingénierie Agentic

Où la vitesse est réellement perdue

Accélérer une personne ou un rôle n'accélère pas l'ensemble du système — la tâche passe toujours par toutes les étapes restantes du processus, expliquent les auteurs du blog de Raiffeisenbank. Un employé peut commencer à faire sa partie plus vite, mais le résultat attend toujours l'examen, les tests, l'approbation ou la décision d'une équipe voisine. Les auteurs décrivent cela comme un problème d'optimisation locale : accélérer un maillon de la chaîne de montage ne change pas le débit global si le goulot d'étranglement se trouve ailleurs dans le processus — auprès des examinateurs, des testeurs ou des départements d'approbation.

"Une personne ou un rôle peuvent commencer à faire leur part plus

vite, mais la tâche attend toujours les exigences, l'examen, les tests, les approbations, les équipes voisines ou un expert métier", — déclare le blog de Raiffeisenbank sur Habr.

Que faire ensuite : Ingénierie Agentic

Raiffeisenbank ne s'est pas arrêté à la distribution d'outils aux ingénieurs individuels et a décidé d'aller plus loin — dans la direction que l'entreprise appelle Ingénierie Agentic. Dans l'industrie, ce terme décrit généralement la transition d'assistants d'IA ponctuels pour un développeur à des agents intégrés dans le processus au niveau des équipes et des étapes, et non seulement au niveau des postes individuels. Ce que Raiffeisenbank entend exactement par ce concept et comment il résoudra le problème des approbations et des files d'attente entre les rôles, l'entreprise promet de le révéler dans la continuation de la série d'articles sur Habr — le matériel est directement appelé la deuxième partie de l'histoire sur la mise en œuvre de l'IA sur 500 ingénieurs.

Que cela signifie

Le cas de Raiffeisenbank montre : distribuer des outils d'IA aux ingénieurs un par un n'accélère pas le développement si les goulots d'étranglement restent aux interfaces entre les rôles et les équipes — l'effet réel n'apparaît que lorsque l'accélération affecte l'ensemble du processus, non le travail d'une seule personne.