Raiffeisenbank внедрил ИИ-агентов для 500 инженеров, но скорость не выросла. Почему

Raiffeisenbank провел анализ внедрения ИИ-инструментов в разработку и выявил парадокс: раздача LLM и агентов сотням инженеров не привела к системному ускорению, несмотря на локальный прирост производительности.

Локальное ускорение vs системная оптимизация

Проблема банка заключалась в том, что даже если один инженер или одна роль начинают работать быстрее с помощью ИИ, задача всё равно ждёт:

• Требований от продуктовой команды
• Проверки и ревью кода
• Регрессионного тестирования
• Согласований с соседними сервисами
• Решений от бизнес-экспертов

Таким образом, локальный прирост поглощается узкими местами в остальной системе.

Переход на Agentic Engineering

Вместо раздачи инструментов, Raiffeisenbank начал пересматривать весь процесс разработки как систему, где ИИ-агенты могут автоматизировать не отдельные шаги, а целые рабочие потоки. Это включает автоматизацию требований, тестирования, развёртывания и мониторинга.

Что это значит

История Raiffeisenbank показывает, что ИИ-инструменты работают лучше всего не как дополнение к существующим процессам, а как катализатор их переустройства. Просто дать инженерам мощные инструменты недостаточно — нужна переоценка всей системы разработки.