После внедрения AI разработка сначала может замедлиться — и это нормально
Google DORA описывает J-кривую внедрения ИИ в разработке: обучение, проверка кода и перестройка pipeline сначала снижают скорость. Как измерять эффект.
Три кадра: команда включает AI-инструменты и ждёт взлёта; график неожиданно ныряет вниз; через время процесс перестраивается и линия идёт вверх. Именно так выглядит J-кривая внедрения ИИ, о которой пишет Google DORA.
Причины приземлённые. Людям нужно освоить новый способ работы. Объём кода растёт — вместе с ним появляется «налог на проверку». Тестирование и согласование изменений не успевают за генерацией. Поэтому первые недели могут выглядеть как провал, хотя команда просто перестраивает pipeline.
Опасны обе крайности: выключить пилот из-за краткого спада или объявить успех по числу подсказок и строк кода. Нужна исходная точка и связь между скоростью, качеством, возвратами, инцидентами и устойчивостью релизов.
Как поможет DevScore
DevScore показывает динамику разработки до и после внедрения AI-инструментов на общих метриках. Видно, где ускорилась поставка, где выросла нагрузка на ревью и какой эффект дошёл до релиза. Это превращает спор о пользе ИИ в наблюдаемый эксперимент.
Источник: Google Cloud и DORA — как измерять ROI AI-разработки, июнь 2026.