Агенты пишут больше кода, но задачи закрываются так же
Исследование 718 компаний показывает: ИИ-агенты увеличивают объём кода и нагрузку на ревью, но не ускоряют закрытие задач.

Главное, что ИИ меняет в работе менеджера, — становится больше задач с неопределённостью. Роль человека, который принимает задачу сверху, передаёт вниз и относит отчёт обратно, при агентах не нужна, а разбираться с неясными вводными всё равно приходится людям (разбор).
Умение ставить задачи здесь решает многое. При том же опыте и тех же инструментах один сотрудник отдаёт агенту половину рутины, а у другого всё буксует (заметка). Важно и поведение руководителя: если он сам работает по старой схеме, команда просто ждёт, пока он «перебесится» ИИ. Сэкономленное время само по себе результата не даёт: на новую полезную работу уходит только его часть.
Кроме ИИ, здесь есть заметки об управлении без привязки к технологиям: как формулировать цели, как избегать бесконечных совещаний, HR как конкурентное преимущество, пять книг о менеджменте. Василь Закиев преподаёт менеджмент и запуск стартапов в Университете Иннополис.
С собственниками и топ-менеджерами он работает лично. В менторстве по ИИ-трансформации компания переходит от хаотичных экспериментов с нейросетями к управляемой системе: находит процессы, выбирает пилоты, считает эффект и обучает людей.
Материалов по теме: 90
Исследование 718 компаний показывает: ИИ-агенты увеличивают объём кода и нагрузку на ревью, но не ускоряют закрытие задач.

По мере роста оплат основатель всё реже радуется отдельным поступлениям и планирует перейти от дневных результатов к ежемесячным отчётам.
Что такое workslop, почему ИИ-ответы без проверки снижают доверие в команде и как защищаться от такой пересылки.

Партнёры Y Combinator объясняют, как опыт помогает выбирать, что строить, и управлять командами ИИ-агентов.

Рынок продакт-менеджеров растёт, а компании всё чаще ищут небольшие команды универсальных продакт-инженеров.

ИИ ускоряет работу личного ассистента, но человеческое внимание и инжиниринг процесса остаются необходимыми.

ИИ меняет оценивание: письменную работу всё чаще нужно будет дополнять устной защитой понимания и источников.

Как оценивать первые результаты внедрения ИИ через вакансии и рутинные роли, которые больше не приходится закрывать.

Когда исполнение задач берут на себя агенты, ключевой работой менеджера становится превращение неопределённости в ясные цели.

Запрос на рефакторинг имеет смысл только вместе с конкретным планом изменений, а не как выражение тревожности или перфекционизма.

Полезные ИИ-скиллы лучше хранить в командной библиотеке с README, историей изменений и правилами безопасности.

Почему два человека с одинаковыми инструментами получают разный результат от ИИ и какой минимум контекста нужен для нормальной работы агента.

Первый большой замер показывает рост генерации кода с AI, но ревью, тестирование и инциденты становятся новым узким местом.

Почему перерасход бюджета на Claude Code в Uber может быть не проблемой инструмента, а следствием новой производительности.

Как люди перенимают сильные ходы у моделей и почему перенос навыков лучше работает там, где есть быстрая проверка результата.

Почему внедрение ИИ в компании зависит от поведения руководителя и личного примера первого лица.

Как распознать повторяемую рутину и разложить её на контекст, процедуру, прозрачность и human-in-the-loop для автоматизации агентом.
Почему при текущей скорости AI-инструментов продуктовые планы длиннее месяца часто показывают не стратегию, а бюрократию.
Почему выигранное с помощью ИИ время не превращается автоматически в полезную работу команды.
Опрос CEO показывает, как руководители передают мышление чат-ботам и почему это снижает самостоятельный анализ.
Почему внедрение ИИ часто оказывается поводом наконец навести порядок в бизнес-процессах, данных и софте.

ИИ позволяет соло-фаундерам браться за большие задачи, но требует мыслить как CEO и управлять агентами, а не только генерировать продукт.

Архетип сверхразумного советника помогает представить ИИ-инструмент, который строит дерево вероятностей для управленческих решений.

AI-native продукты превращают корпоративный софт в кастомный слой хранения, а взаимодействие с ним — в работу через агентов.

Встроенный в рабочие инструменты LLM-наставник может персонализировать обучение, опираясь на свежие знания компании и реальные задачи сотрудника.

YC предлагает проектировать AI-native бизнес с минимальным штатом, в котором агенты и автоматизация берут на себя масштабирование операций.
Внедрение ChatGPT Enterprise и опыт с Copilot показывают: эффект от ИИ в компаниях зависит от обучения, сценариев и сопровождения сотрудников.
AI-native компанию отличает не число промптов, а процессы и метрики, по которым ИИ можно встроить как обычного исполнителя.
Метод «швейцарского сыра» помогает уменьшить прокрастинацию, разбивая сложную задачу на небольшие выполнимые этапы.

При внедрении ИИ главным ограничением часто оказывается не технология, а ригидность человека и команды.
Поиск и все материалы раздела — в общей ленте.
КОНТАКТЫ
Напишите через форму на сайте или напрямую в Telegram. Быстро поймём, где ИИ может дать эффект, какой формат подойдёт руководителю или команде и с чего начать.
Менторская консультация
60 000 ₽