Все статьи
Команда с ИИ – AI-Native SAFe®
Дата: 13.08.2026
В AI-Native SAFe® (Scaled Agile Framework®) AI-Native Team или команда с ИИ (искусственным интеллектом) сочетает человеческую креативность с технологиями ИИ, чтобы доставлять максимальную ценность потребителю или бизнесу.
Продуктовые стримы, команды и роли в ИИ-организации, вебинар AI-Native SAFe Series 14.07.2026 (русская озвучка, 27 минут)
- ART с ИИ.
- Архитекторы ценности ИИ.
- Команда с ИИ.
Наша индустрия не уважает традиции, она уважает только инновации.
Содержание
Ключевые мысли:
- Команды с ИИ – кросс-функциональные команды, ориентированные на достижение бизнес-эффектов.
- Они соединяют человеческую креативность с ИИ, чтобы создавать клиенториентированные продукты, усиленные ИИ.
- Команды с ИИ опираются на четыре компетенции, — продакт, ИИ-разработчик, эксперт предметной области и ИИ – которые тесно взаимодействуют с целью создания измеряемой ценности для потребителя или бизнеса.
- Операционная модель команды с ИИ – поточно-ориентированная модель, опирающаяся на три вида активностей: Align (согласование), Sense (сбор данных), и Respond (реакция).
- Основа команд – человекоцентричная культура, во главе угла которой стоят ответственность, критическое мышление и максимальное вовлечение человека.
Команды с ИИ (ИИ-команды) формируются вокруг четырех основных компетенций, каждая из которых играет особую роль в достижении бизнес-эффектов:
- Продакт определяет видение и фокусирует команду на нуждах потребителя.
- ИИ-разработчик использует ИИ для генерации результатов и функциональных систем.
- Эксперт предметной области (эксперт ПО) дает специализированный контекст, обеспечивая соответствие решения конкретным потребностям организации.
- ИИ предоставляет данные и автоматизацию для анализа и принятия решений.
Команда с ИИ применяет поточно-ориентированный подход, опирающийся на три основные активности:
- Align (согласование) объединяют команду с целью принятия ключевых решений и поддержания общего направления.
- Sense (сбор данных) использует данные и обратную связь с целью мониторинга продуктов, рабочих процессов и пользовательского окружения.
- Respond (реакция) позволяет команде настраивать рабочие процессы для обеспечения более высокопроизводительного потока, основываясь на новых идеях.
Человекоцентричная культура по-прежнему является ключом к успеху. В командах наивысший приоритет получают такие задачи, как автоматизация решений и строгий контроль качества всех результатов. Передавая рутину ИИ, члены команды фокусируются на высокоценных задачах: решение проблем, тесное сотрудничество и инновации. Таким образом, мы можем гарантировать, что внедрение технологий усилит человеческую изобретательность.
Что такое команда с ИИ?
Команда с ИИ сочетает человеческую креативность с ИИ. Они создают клиентоориентированные, усиленные ИИ продукты, а также непрерывно улучшают рабочие процессы, задействованные в их поставке. Применяя подход Human-In-The-Loop (HITL, человек в контуре), члены команды оценивают результаты ИИ, чтобы гарантировать качество и избежать галлюцинаций. Чтобы управлять сложными производственными паттернами, люди концентрируют усилия на оркестрации рабочих процессов и применении критического мышления, в то время как ИИ предоставляет данные.
В больших организациях ИИ позволяет устранить ограничения на объем работ, выполняемых в единицу времени. Поскольку реализация больше не является узким местом, эффективность работы команды зависит от выбора правильной работы, повышения качества и создания инструментов для ускорения потока.
Команды с ИИ обычно имеют меньший размер: от трех до семи человек, усиленных ИИ. Этот подход не подразумевает сокращение сотрудников, но позволяет ART и организации достигать более широкого спектра эффектов и реализации стратегий, которые ранее были недоступны.
Все это требует внедрения нового подхода в работе, который бы мог балансировать автономность и поток, помогая командам с ИИ успешно сочетать согласованность и каденции, что в свою очередь гарантирует ART совместное достижение бизнес-эффектов, как показано на рисунке 1.
Эта статья описывает новый подход к работе, его отличия от предыдущих методов организации команд, и почему он идеально подходит к работе с ИИ. Кроме того, в статье говорится о том, какие типы поведения способствуют формированию человекоцентричной культуры. Также на рисунке 1 очевидно, что подход, ориентированный на достижение бизнес-эффекта, является центральным элементом на всех уровнях операционной модели SAFe с ИИ (AI-Native SAFe).
Компетенции команды с ИИ
- Продакт. Эта компетенция помогает определить: «Для чего?» — согласует действия команды с концепцией продукта и синтезирует обратную связь. Он помогает команде сосредоточиться на нуждах клиента, фокусируя тем самым работы и результаты ИИ на поставке измеряемой ценности.
Роли, которые обычно реализуют компетенцию продакта: владелец продукта (Product Owner), дизайнер продукта (Product Designer), бизнес-аналитик (Business Analyst), маркетолог продукта (Product Marketing) и т.п.
- ИИ-разработчик. Это та самая компетенция, которую обычно реализуют большинство членов команды. Проще говоря, они используют ИИ для генерации результатов, соответствующих согласованным бизнес-эффектам. ИИ-разработчики преобразуют замысел человека в функциональные системы. Они создают рабочие процессы, пишут промпты, создают ИИ-агентов, а также привносят стандарты качества, безопасности и этические стандарты во все результаты.
Роли, которые обычно реализуют компетенцию ИИ-разработки: инженер, разработчик контента, архитектор, дизайнер и т.п.
- Эксперт предметной области (Эксперт ПО). Компетенция эксперта предметной области обеспечивает специализированный контекст потребителя и бизнеса, который преобразует общие предложения ИИ в решения, соответствующие целям. Эта компетенция привносит специализированное знание в рабочие процессы ИИ и направляет ключевые решения по продукту.
Знание предметной области специфично для конкретного организационного контекста. К примеру, в отрасли здравоохранения экспертами могут быть практикующие врачи, а в страховой компании – финансисты, юристы или эксперты в области регулирования и т.д. Ранее упомянутые роли, такие как дизайнеры и инженеры, привносят свой собственный опыт в данной области, наряду со многими другими.
- ИИ. Компетенция ИИ возникает из ИИ-технологий, используемых в команде. Под патронажем человека ИИ выполняет множество задач по автоматизации рабочих процессов команды. Для ИИ необходимо предоставлять четкие инструкции, а также регулярно проводить обновления и улучшения. Команда должна использовать ИИ для непрерывного анализа и ценных выводов, используемых для принятия критических решений.
Важно отметить, что в ИИ-команде участники свободно перемещаются между компетенциями. Вот почему вместо жестко определенных ролей в организации ИИ-команды используются компетенции. Обычно поначалу члены команды более вовлечены в одну компетенцию, близкую к их основной роли в организации. Любое время, проведенное в ИИ-команде, быстро расширяет эти навыки, поскольку ИИ открывает возможности для личного роста.
Еще одно преимущество ИИ-команды, основанной на компетенциях вместо ролей — коллективная ответственность. Вся команда целиком несет ответственность за свой коллективный результат. Каждый член команды фокусируется на том, чтобы достичь наиболее важный бизнес-эффект.
Как работает команда с ИИ?
Если ART с ИИ опирается на каденции регулярных мероприятий, помогающих кросс-функциональным командам синхронизироваться и извлекать уроки из опыта, то команды с ИИ применяют подход, базирующийся на потоковой модели, — единственный, который позволяет по максимуму задействовать высокую скорость ИИ.
Баланс гибкости и структуры команды для эффективной работы достигается за счет того, что команда с ИИ взаимодействует по трем основным активностям: Align (согласование), Sense (сбор данных), и Respond (реакция) — как показано на рисунке 3.
Эти три активности гарантируют, что команда может успешно управлять своей работой и результатами, которые она создает.
- Align (согласование): активности согласования позволяют членам команды совместно вырабатывать ключевые решения и гарантируют, что все они как единое целое движутся к общим бизнес-эффектам.
- Sense (сбор данных): активности сбора данных призваны гарантировать, что команда воспринимает и анализирует обратную связь, а также использует всевозможные возможности извлечения опыта из различных источников и с различных точек зрения.
- Respond (реакция): активности реакции требуют от команды вносить необходимые изменения в свои рабочие процессы и создаваемые продукты.
Совместно эти три активности, повторяемые множество раз в некий промежуток времени, создают тот самый поток, необходимый для команды с ИИ, стремящейся к достижению высокой производительности. Важно, команды с ИИ не имеют заранее разработанных шаблонов мероприятий для реализации этих активностей. Каждая команда должна сама определить свои собственные шаблоны взаимодействия, опирающиеся на контекст ситуации, в которой они оперируют. Некоторые из взаимодействий могут возникать по потребности, другие имеют заранее определенное расписание.
Чтобы этот поток взаимодействия оставался экологичным и стабильным в распределенных, удаленных и находящихся на одной площадке членов команд, работающих в различных часовых поясах, необходимо составить четкий план коммуникаций для каждой команды. Это командное соглашение включает в себя также протоколы, описывающие, когда и в рамках каких мероприятий будут реализованы активности по согласованию (Align), сбору данных (Sense) и реагированию (Respond).
В следующих разделах вы найдете примеры активностей по согласованию (Align), сбору данных (Sense) и реагированию (Respond), и их применение в командах в своих ежедневных коммуникациях.
Активности согласования (Align)
Потребность в согласовании возникает немедленно, как только происходит существенный сдвиг или поворот в замысле (зачем?), спецификациях (что?) или контексте (где?). Это может происходить по причине решений, принимаемых вне команды или внутри нее, если команда принимает такое решение, основанное на обратной связи.
Кроме того, Align (согласование) может понадобиться, если член команды запрашивает помощь или инструкции относительно пути, которому команда собирается следовать, или по новым технологиям, которые команда собирается внедрять. Зачастую Align (согласование) может быть полезным, если члены команды работали изолированно некоторое время, и сейчас требуется их снова собрать вместе для интеграции отдельных кусков работы в общий результат, а также для понимания общего прогресса по работам. Проще говоря, Align (согласование) объединяет отдельных членов команды, чтобы далее они могли действовать, как единое целое.
Обычно Align (согласование) лучше всего организовать через комбинацию асинхронных коммуникационных каналов, как регулярных, так и проводимых по требованию. Главная идея здесь в том, чтобы не ждать регулярного запланированного мероприятия, чтобы провести некое согласование при работе с ИИ. Если кто-то из команды ощущает несогласованность, ему достаточно запросить встречу по согласованию, и она будет проведена для всей команды.
Такой подход создает регулярные возможности для проведения взаимных проверок (peer reviews) и промежуточных статусов (check-ins), когда члены команды сталкиваются с неточно поставленными задачами, изменениями в политиках или контексте, они договариваются о том, чтобы вернуть фокус и устранить неясности.
Активности по сбору данных (Sense)
Sense (сбор данных) должен стать непрерывной автоматизированной активностью, встроенной непосредственно в ежедневный рабочий процесс ИИ-команды. Команда должна использовать возможности ИИ синтезировать данные для непрерывного наблюдения за продуктом, инфраструктурой и пользовательской средой, а также активно обрабатывать обратную связь из различных источников:
- Клиентская обратная связь: наблюдение в режиме реального времени за пользовательским поведением, данными использования приложения и поступающими сигналами от клиентов, чтобы идентифицировать изменяющиеся пользовательские потребности.
- Эффективность модели: отслеживание результатов работы ИИ-агента, чтобы отметить отклонения системы, галлюцинации или логические аномалии.
- Контроль соответствия требованиям: отслеживание конвейера непрерывных инноваций и поставки с целью своевременного обнаружения приближения к пороговым значениям в части архитектуры, безопасности и конфиденциальных данных.
- Анализ рынка и конкурентов: сбор данных о внешних силах, релизах конкурентов или изменениях среды, которые ставят под сомнение основополагающие допущения команды.
- Внутренние рабочие процессы: анализ системных данных о времени цикла, пропускной способности и количестве дефектов для выявления узких мест в рабочих процессах.
Поскольку непрерывное отслеживание не означает выделение конкретного времени для сбора данных, обычно в ИИ-командах организуют мероприятия, специально предназначенные для сверки инсайтов, чтобы не упустить возможности обучения в круговороте повседневных задач. Более того, мероприятия, сочетающие в себе одновременно и сбор данных, и выработку решений как реакции на приобретаемые инсайты – часто применяемый подход.
Активности реакции (Respond)
Активности реагирования возникают, когда в результате проведения активностей по сбору данных выясняется, что главная гипотеза некорректна, несостоятельна, или появляется новая возможность, или данные указывают на то, что команда должна сменить курс. Вместо публикации недействительного или «выбракованного» плана, команда задействует критическое мышление, чтобы незамедлительно сменить свой план реализации.
В качестве примеров реагирования можно привести следующие:
- Смену фокуса, когда обратная связь говорит, что текущая фича или прототип не помогают команде достичь ключевых результатов.
- Редизайн системных интерфейсов, чтобы улучшить пользовательский опыт и доступность.
- Внедрение структурированных процессов в регулярные обновления системы, чтобы позволить ИИ улучшить прогнозирование и принятие решений.
- Обновление репозиториев выверенных данных после тщательного анализа и валидации качества, точности и релевантности данных, содержащихся в них.
- Корректировка весов ИИ путем присвоения относительной важности различным элементам или данным в системе.
Как упоминалось выше, сочетание активностей по сбору данных и реагированию с соответствующими мероприятиями, зачастую проводятся в течение одной недели. Кроме того, команды нередко используют общие репозитории для фиксации инсайтов и коллаборации, даже когда нет возможности соединить команды в одном месте.
Пример применения активностей Align (согласование), Sense (сбор данных) и Respond (Реакция) в команде с ИИ
| Понедельник | Вторник | Среда | Четверг | Пятница |
|---|---|---|---|---|
| Активность по согласованию (по требованию) | Фокус-день для членов команды | Плановая встреча по сбору данных и реагированию | Активность по реагированию (по требованию) | Плановая встреча по согласованию, сбору данных и реагированию |
Таблица 1. Пример рабочей недели команды с ИИ
Понедельник. В начале недели после обсуждения с продуктовым менеджментом команда понимает, что замысел значительно изменился из-за пересмотра видения продукта. Это изменение подтолкнуло команду незамедлительно собраться для согласования.
Вторник. Команда выделила этот день для активной работы. Пока не обнаружатся важные причины для проведения активностей по согласованию, сбору данных и реагированию, команды будут работать независимо или в малых группах. Важно помнить, что для поддержания баланса и стимуляции инноваций, крайне необходимо обеспечить пространство для креативного размышления, которое возможно только в нерабочее время, вдали от компьютера.
Среда. Команда запланировала встречу по сбору данных и реагированию. На этой встрече команда обсуждает новые ИИ-технологии, примеряют возможность использования их для своих задач, а также рассматривают метрики, применяемые в других командах. Важно: такие заранее запланированные, регулярные встречи, могут быть отменены, если в них нет больше необходимости.
Четверг. Один из членов команды инициирует внеплановую активность по реагированию. Проблема: обнаружено контекстное несоответствие, которое создает отклонения в общем ИИ-агенте – команде с некоторыми заинтересованными лицами необходимо принять решения по корректировке ситуации. После того как решение принято, его коммуницируют на все затронутые команды для согласования.
Пятница. Вторая из плановых встреч специально спроектирована, чтобы помочь командам подготовиться к предстоящим событиям и взаимодействиям на уровне ART, а также согласовать свои позиции по всей обратной связи, собранной за неделю. Такая встреча включает в себя все три активности: Align (согласование), Sense (сбор данных) и Respond (реакция).
В процессе работы команда также использует асинхронные каналы связи для поддержания согласованности в течение недели.
Кратко, команды с ИИ применяют в своей работе потоковую модель организации работ, как того требует скорость ИИ. Применяя подход, опирающийся на активности: Align (согласование), Sense (сбор данных) и Respond (реакция) — в качестве директивы, они определяют правильную для себя комбинацию взаимодействий и мероприятий, в том числе учитывающую часовые пояса и особые требования при работе с распределенными командами. Одни активности могут быть реализованы по требованию, в то время как другие будут запланированы заранее. Важно, рабочие процессы команд, созданные когда-то в начале, не высечены в камне, но могут меняться от недели к неделе вместе с тем, как команды неустанно продолжают оптимизировать свои подходы к работе и ведут работу по внесению изменений.
Если вы дочитали до этого места, значит, вам интересен полезный контент о современных методах управления. Чтобы узнавать про новые статьи, видео и бесплатные мероприятия, вступайте в сообщество SAFe® Russia.
Результаты, производимые командой с ИИ
Команда с ИИ может может использовать различные виды результатов, но минимальное рекомендованное количество таких видов – четыре. Поскольку это позволяет провести корректную приоритизацию по каждой ключевой категории: познание (прототипы), тестирование гипотез (эксперименты), технические инвестиции (энейблеры) и поставка ценности (фичи).
- Прототипы. Быстрое, низкобюджетное моделирование, используемое для оценки идей и подходов. С помощью прототипов производится валидация концепций, прежде чем перенести это на дорогостоящую инфраструктуру или произвести изменения в бизнес-операциях, и извлечь уроки из этого.
- Эксперименты. Тестирование технических или бизнес-гипотез с низким риском, например, на «песочницах» или ограниченном объеме (данных, клиентов и т.п.), чтобы получить обратную связь. Такие эксперименты позволяют командам подтвердить или опровергнуть предположения, которые в дальнейшем продиктуют будущие решения по содержанию работ, бюджету и техническим подходам.
- Энейблеры. Описывают работы, которые необходимо инвестировать в улучшение системы, архитектуры, выверенных данных или локальных рабочих процессов. Они внедряются, чтобы повысить эффективность и результативность продуктовой разработки или же создать прочный фундамент для будущего развития продукта.
- Фичи. Функциональные компоненты, поставляемые напрямую пользователю, которые увеличивают ценность, которую пользователи извлекают из продукта, находящегося в разработке, и создают измеряемую ценность для бизнеса.
Важно, рисунок 4 демонстрирует, как применение ИИ стимулирует ситуацию, в которой команда не ограничена количеством результатов, которые она может произвести в определенный промежуток времени. С этой целью команда с ИИ будет намеренно производить больше, чтобы исследовать множество различных опций. Кроме того, они будут часто проводить параллельные эксперименты и одновременно тестировать прототипы. Такой подход сработает только в том случае, если в команде есть железная дисциплина останавливать работы по тем направлениям, которые перестают приносить ценность. Такое «перепроизводство» вместе с регулярными усилиями по остановке работ, не приносящих ценности, и есть подход, который позволяет стимулировать инновации.
Бэклог, Канбан и дорожные карты команды
Команды с ИИ могут самостоятельно определять свой подход к управлению собственными работами. Это важный момент, потому как не существует единого подхода, который подошел бы всем, исходя из различий в работах, производимых в разных командах, а также необходимости регулярно корректировать рабочие процессы в каждой команде, чтобы совершенствоваться технологически.
Исходя из сказанного выше, существует несколько проверенных походов, которые команды могут использовать.
Бэклог команды. Командный бэклог зачастую используется, чтобы хранить полный список работ, которые могут понадобиться команде для развития продукта. Бэклог управляет дискуссиями о приоритетах, а также гарантирует, что команда сфокусирует свои усилия по согласованию на следующих наиболее важных элементах вместо того, чтобы отвлекаться на обсуждение будущих возможностей.
Канбан. Канбан часто определяют как доску Канбан, используемую для визуализации и управления потоком работ в команде. Это позволяет команде согласовывать все задачи, находящиеся в работе, и фокусирует команду на улучшении потока.
Дорожные карты команды. Дорожные карты позволяют запланировать достижение бизнес-эффектов, включая ключевые вехи и релизы. Это может быть особенно полезно для команды, помогая им сосредоточиться на конкретном объёме работы, необходимом в данный момент для достижения своих целей.
Влияние каденций ART на рабочий процесс команды
В условиях ускоренной разработки с применением ИИ каденции естественным образом создают паузы в работе команд, когда они могут собраться и коллективно поработать над извлечением уроков из совместной работы. Применение каденций служит механизмом, который позволяет избегать узких мест в обеспечении качества и согласовании при создании результатов, а также позволяет принимать важные решения о том, какую работу продолжать, а какую уже не стоит, поскольку она больше не ведет к совместным бизнес-эффектам.
Мероприятия ART подробно описаны в отдельных статьях, затронем их здесь кратко.
Согласование на планировании бизнес-эффектов PI и синхронизации ART
Команды должны согласовывать свои работы с бизнес-эффектами ART. Планирование бизнес-эффектов PI предоставляет командам место и время для обсуждения бизнес-эффектов, которые каждая из команд может взять себе в работу на ближайший интервал планирования (PI, Planning Interval), принимая во внимание обсуждаемые зависимости и ключевые вехи. Это мероприятие также позволяет обменяться успехами и идеями, возникшими во время работы в прошедшем PI, что в свою очередь позволяет ART улучшить общие рабочие процессы.
Кроме того, представители от каждой команды будут присутствовать на cинхронизациях ART каждую неделю. Это мероприятие предоставляет место и время для актуализации статуса по прогрессу достижения бизнес-эффектов, а также для обсуждения и совместного разрешения препятствий и сложностей, с которыми могут столкнуться команды.
Улучшение системы на Sense and Respond
На протяжении всего PI команды участвуют в регулярных мероприятиях ART по сбору данных и реакции. Обычно они соответствуют ритму итераций. Эти мероприятия зачастую отвечают на три основных вопроса:
- Каков прогресс по бизнес-эффектам, которые мы ожидаем?
- Как отреагировал клиент на результаты, которые мы ему поставили?
- Где мы можем улучшить наши общие рабочие процессы?
Как только эти вопросы и данные, их описывающие, будут обсуждены, можно принимать ключевые решения, чтобы помочь командам эффективно реагировать в предстоящих итерациях.
Как развивать человекоцентричную культуру ИИ?
Сохраняй ответственность
Используй ИИ с умом
Соблюдай качество и аутентичность
Балансируй ценность и затраты
Увеличивайте вовлеченность человека
Основная цель использования ИИ — устранить операционные трения и ручные повторяющиеся действия. Перекладывая рутинную компиляцию и административные задачи на ИИ-партнёров, команда сознательно реинвестирует возвращаемые за счет этого ресурсы. Они инвестируют свое время в разрешение ключевых проблем, глубокое коллективное обучение и непрерывный процесс развития инноваций, создавая тем самым ценность, которую могут создать только люди.
Если каждая команда с ИИ научится воплощать эти культурные нормы, то мы сможем гарантировать, что быстрое внедрение ИИ-технологий усилит, а не уменьшит уникальную ценность человеческой изобретательности.
