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

Raiffeisenbank подвёл итоги второй части эксперимента по внедрению ИИ в инженерную организацию из 500 специалистов: локальное ускорение отдельных ролей через кодинг-агентов не изменило ключевые метрики Lead Time, Throughput и Defect Rate.

Почему копилоты не ускорили команду

Раздача кодинг-агентов инженерам сама по себе не меняет скорость системы — таков итог первой части эксперимента, которым Raiffeisenbank поделился в блоге на Habr. По словам авторов, можно нарастить MAU LLM (месячную аудиторию языковой модели), затем MAU API (число обращений через API), раздать людям кодинг-агентов — и всё равно не увидеть изменений в трёх инженерных метриках: Lead Time (время от идеи до результата), Throughput (пропускная способность процесса разработки) и Defect Rate (доля дефектов в выпущенном коде). Эти три метрики — стандартный индикатор здоровья инженерного процесса, и их неизменность после массового внедрения ИИ авторы блога называют главным итогом первой части эксперимента.

• Эксперимент охватывает инженерную организацию из 500 специалистов Raiffeisenbank
• Метрики, которые не изменились после внедрения ИИ: Lead Time, Throughput, Defect Rate
• Локальное ускорение упирается в требования, проверку, тестирование, согласования, соседние команды и бизнес-экспертов
• Следующий шаг компании — переход к направлению Agentic Engineering

Где теряется скорость на самом деле

Ускорение одного человека или одной роли не ускоряет систему целиком — задача всё равно проходит через все остальные этапы процесса, объясняют авторы блога Raiffeisenbank. Один сотрудник может начать делать свою часть работы быстрее, но результат по-прежнему ждёт очереди на проверку, тестирование, согласование или решение соседней команды. Авторы описывают это как проблему локальной оптимизации: ускорение одного звена конвейера не меняет общую пропускную способность, если узкое место находится в другом месте процесса — у ревьюеров, тестировщиков или согласующих подразделений.

«Один человек или одна роль могут начать делать свою часть быстрее, но

задача всё равно ждёт требований, проверки, тестирования, согласований, соседних команд или бизнес-эксперта», — говорится в блоге Raiffeisenbank на Habr.

Что дальше: Agentic Engineering

Raiffeisenbank не остановился на раздаче инструментов отдельным инженерам и решил пойти дальше — в направление, которое компания называет Agentic Engineering. В индустрии этот термин обычно описывает переход от точечных ИИ-помощников для одного разработчика к агентам, встроенным в процесс на уровне команд и этапов, а не только рабочего места отдельного человека. Что именно вкладывает в это понятие Raiffeisenbank и как будет решать проблему согласований и очередей между ролями, компания обещает раскрыть в продолжении серии статей на Habr — материал прямо называется второй частью истории о внедрении ИИ на 500 инженеров.

Что это значит

Кейс Raiffeisenbank показывает: раздача ИИ-инструментов инженерам поодиночке не ускоряет разработку, если узкие места остаются на стыках между ролями и командами — реальный эффект появляется только тогда, когда ускорение затрагивает процесс целиком, а не работу отдельного человека.