Как внедрить ИИ в разработку. Опыт Kolesa Group

По данным исследования KPMG Global tech report 2026, в котором участвовали 

2 500 технологических руководителей из 27 стран, 74% отметили, что ИИ уже приносит их компаниям пользу. Но лишь 24% руководителей компаний получают от него конкретный результат: экономию времени работы и скорость разработки. 

Все ждут кратного роста. Мы посчитали и получили другие цифры

Когда компания даёт разработчикам доступ к ИИ-инструментам, ожидания обычно одни: работа ускорится в разы. В Kolesa Group решили проверить это на данных, а не на ощущениях. 

За основу расчёта взяли привычную для компании структуру процесса — два больших этапа, Discovery и Delivery. 

На этапе Discovery выявляют пробл емы и возможности. Дальше идут два трека — UXR и аналитика: первый описывает как ведут себя пользователи и почему), второй — количество пользователей. На основе полученных данных идёт поиск и валидация решения, затем приоритизация и подготовка требований. Только после этого задача считается готовой к реализации.

Delivery — это ещё девять шагов: дизайн, UXR-проверка макетов, планирование разработки, сама разработка, код-ревью, тестирование и релиз. После разработки задача уходит на дизайн-ревью и возвращается в тестирование, а мобильные фичи после релиза проходят Store Review и доходят до пользователя.

Итого — пятнадцать этапов, и написание кода занимает из них лишь один. Именно поэтому ускорение разработки не является ускорением всего процесса.

Пилот вместо громких заявлений

Компания запустила пилотную группу из 50 человек, включающую мобильных и веб-разработчиков, и две недели собирала метрики. Первые полученные данные показали большой рост, но не хватало данных по фактическому использованию инструментов. 

При использовании ИИ-инструментов в команде Kolesa Group мы заметили, что часть сотрудников использует их недостаточно активно, чтобы погрузиться и получить эффект. А активные сотрудники, которые пользовались инструментами и потребляли больше токенов, получали результаты в своей работе быстрее.

Поэтому мы рассматривали внедрение KPI по токенам, но сознательно от неё отказались. Такая метрика не дает необходимого результата: люди начинают расходовать токены просто ради выполнения KPI, независимо от того, есть в этом польза или нет. В итоге можно получить большой расход токенов без реального роста эффективности. 

Такой подход — часть общей культуры Kolesa Group: компания принимает решения на данных и не масштабирует изменения, пока эффект не подтверждён метриками и конкретными результатами. 

Обмен опытом с рынком

Прежде чем масштабировать пилот, Kolesa Group поговорили с другими компаниями — от небольших продуктовых команд до крупных игроков (Amazon, Booking), которые встраивают ИИ в собственные продукты. Обсуждали инструменты, метрики, ограничения по безопасности и подходы к обучению команды.

Вывод получился неожиданно объединяющий: точечное внедрение ИИ на одном-двух этапах эффекта не даёт ни у кого. Работает только системный подход — на всех этапах разработки одновременно.

Системное внедрение

Пилот показал: считать эффект можно только на всём пути задачи, а не на одном её участке. Поэтому сейчас в Kolesa Group ИИ подключён не только к написанию кода, но и к аналитике, дизайну, тестированию и ревью — весь путь от постановки проблемы до релиза расписан по шагам. Эффект измеряют одной цифрой: сколько задач доехало до релиза за неделю. И сразу смотрят на качество — чтобы скорость не выросла за счёт багов и технического долга.

Отдельным этапом прошёл аудит информационной безопасности: команда определила, какие данные и репозитории можно открывать ИИ-инструментам и кто несёт ответственность за результат их работы. 

Что уже работает

• Онбординг новых разработчиков ускорился — выход на продуктивность занимает месяц-полтора вместо нескольких лет.
• Работа с легаси-кодом и рефакторинг стали проще: не нужен разработчик с многолетним опытом, чтобы разобраться в старой архитектуре.
• Юнит-тесты и тест-кейсы — их подготовка почти не требует времени.
• Документация: команда тестирует автоматическую сверку кода и документации — задачу, которую годами не удавалось системно закрыть.

Как мы делаем работу с ИИ эффективнее

Часть разработчиков, получив доступ к ИИ-инструментам, использовала их от силы на 5–10% — и была уверена, что работает с ними в полную силу. Доступ к инструменту сам по себе не даёт результата без обучения.

Поэтому отдел обучения Kolesa Group сделал видеокурс из 17 роликов — как использовать ИИ в ежедневных задачах, на реальных внутренних кейсах. Курс рассчитан на разработчиков и QA-инженеров: базовые видео по ИИ, работа с Claude Code и разбор юзкейсов. 

Спикеры курса — сами сотрудники. Каждый разбирает свой кейс: что удалось упростить или автоматизировать и сколько времени это сэкономило. Курс пополняется по мере того, как в командах появляются новые кейсы.