AI против Agile: что изменилось за последние два года

Почему Scrum не исчез, но многие привычные процессы уже никогда не будут прежними.

За последние два года искусственный интеллект ^[1] стал частью повседневной работы практически любой продуктовой команды. Если сначала AI чаще использовали для написания кода, то теперь искусственный интеллект стал отличным помощником при создании документации, анализе данных, подготовке требований и выполнении десятков других задач. Постепенно стало очевидно, что меняются не только отдельные инструменты, используемые при создании цифровых продуктов, но и сами рабочие процессы. Не стал исключением и Agile. Его принципы остались прежними, но многие привычные практики сегодня выглядят немного иначе.

Agile не устарел

Начну с главного – я не считаю, что AI отменяет Agile или делает его менее актуальным. Его ключевые ценности остаются неизменными:

• работающий продукт важнее объемной документации;

• взаимодействие людей важнее процессов;

• быстрая обратная связь важнее долгосрочных планов.

Но способы достижения этих целей постепенно меняются. Многие процессы, которые раньше занимали часы, сегодня выполняются за минуты. Команды стали меньше времени тратить на подготовку информации и больше на обсуждение решений и поиск оптимальных подходов.

За последние два года AI стал частью моей ежедневной работы в продуктовой команде. Ниже привожу изменения в Agile-процессах, которые, на мой взгляд, оказались наиболее заметными.

1. Подготовка к Scrum-встречам стала занимать меньше времени

Раньше подготовка к планированию спринта, подведению его итогов или ретроспективе часто начиналась с ручного сбора информации. Нужно было посмотреть статус задач, перечитать комментарии, вспомнить открытые вопросы, собрать статистику и подготовить структуру встречи.

Сегодня значительную часть этой работы можно поручить AI:

• собрать информацию по задачам из Jira или другого трекера;

• найти блокеры и риски;

• показать изменения с прошлого спринта;

• предложить логичную структуру обсуждения.

В результате менеджер приходит на встречу уже с готовой картиной происходящего и может сосредоточиться с командой не на уточнении информации, а на принятии решений.

2. User Stories больше не начинаются с пустого листа

Еще недавно на то, чтобы написать User Stories и Acceptance Criteria для крупной фичи, можно было потратить полдня.

Теперь AI способен подготовить первый вариант за минуты.

Как и со всеми задачами, выполненными AI, результат нужно проверять. Важно не копировать его бездумно, а использовать как отправную точку для дальнейшей работы. Освободившееся время можно потратить на обсуждение сложных сценариев, пользовательского опыта ^[2] и бизнес-логики, а не на написание шаблонных формулировок.

3. Протоколы встреч больше не нужно писать вручную

Каждая Scrum-команда регулярно проводит встречи: Daily Scrum, Sprint Planning, Sprint Review, Backlog Refinement, обсуждения с Product Owner и заинтересованными сторонами.

Раньше после каждой встречи кто-то должен был вручную составить протокол, зафиксировать договоренности и разослать их участникам.

Сегодня AI способен автоматически:

• расшифровать разговор;

• выделить ключевые решения;

• составить список Action Items;

• определить ответственных;

• сформировать краткое резюме встречи.

Это особенно полезно, когда встречи длятся час или больше. Вся команда может полностью сосредоточиться на разговоре, не отвлекаясь на записи.

4. Sprint Planning стало более осознанным

Во время планирования спринта AI помогает не только оценить объем работы, но и лучше понять структуру будущей реализации.

Он способен:

• предложить декомпозицию крупных задач;

• определить логичный порядок реализации;

• подсветить зависимости между задачами;

• обратить внимание ^[3] на потенциальные риски;

• показать, какие задачи можно выполнять параллельно.

Конечно, финальное решение всегда остается за командой. Но AI позволяет быстрее увидеть общую картину и избежать ситуаций, когда критические зависимости обнаруживаются уже в середине спринта.

При этом появляется еще один важный вопрос, которого раньше не было: какие задачи действительно требуют участия человека, а какие можно полностью или частично делегировать AI?

Например, подготовку документации, анализ конкурентов или написание Release Notes сегодня можно выполнить значительно быстрее, освободив время команды для более сложных инженерных и продуктовых задач.

5. Документация перестает быть узким местом

Одна из частых причин технического долга — документацию откладывали «на потом».

AI значительно снижает стоимость этой работы и увеличивает скорость ее выполнения. Черновики PRD, описания API, Release Notes, пользовательские инструкции и внутренняя документация появляются практически мгновенно. В результате документация обновляется чаще и перестает быть обузой.

6. Анализ спринта становится эффективнее

После завершения спринта менеджер обычно анализирует, что получилось хорошо, а что можно улучшить. При выполнении данной задачи AI способен обработать большой объем данных и показать то, что сложно иногда заметить менеджеру и команде вручную.

Например, AI помогает определить:

• какие задачи чаще всего переносились между спринтами;

• где регулярно возникают блокеры;

• какие типы задач занимают больше времени, чем ожидалось;

• где оценки систематически отличаются от фактических трудозатрат;

• какие причины чаще всего приводят к задержкам.

Такой анализ помогает обсуждать не отдельные случаи, а повторяющиеся закономерности и принимать решения на основе данных.

7. Ретроспектива получила новый источник данных

Раньше ретроспектива строилась в основном на ощущениях команды.

• что прошло хорошо?

• что было плохо?

• что можно улучшить?

Теперь AI может заранее проанализировать:

• историю задач;

• комментарии;

• причины переносов;

• повторяющиеся блокеры;

• отзывы пользователей после релиза.

Это делает обсуждение менее субъективным и помогает больше опираться на факты.

Что AI пока не меняет

Есть вещи, которые за последние два года почти не изменились. По-прежнему невозможно делегировать модели:

• ответственность за решение;

• понимание контекста бизнеса;

• переговоры с заинтересованными сторонами;

• разрешение конфликтов внутри команды;

• выбор стратегического направления продукта.

Именно в этих аспектах роль менеджера становится еще важнее.

На мой взгляд, на данном этапе главный эффект AI заключается в том, что он ускорил Agile практики. Многие процессы, которые раньше занимали часы, теперь занимают минуты.

Но скорость сама по себе не создает хороший продукт. Как и раньше, успех зависит от того, насколько хорошо команда понимает своих пользователей и умеет принимать правильные решения. AI помогает быстрее прийти к этим решениям, но пока все еще не может принять их вместо нас.