Технический контекст
Я внимательно посмотрел выводы DORA 2025 и зацепился не за очередной хайп вокруг AI, а за формулировку, которая бьёт точно в цель: ИИ работает как усилитель. Если команда уже собрана нормально, процессы не разваливаются, платформа живая, то AI добавляет скорости и пользы. Если внутри бардак, то бардак просто начинает ехать быстрее.
В отчёте ушли от старой плоской шкалы вроде elite или low performer и описали семь профилей команд. На практике самое интересное там происходит на контрасте между Harmonious High-Achievers и командами вроде Legacy Bottleneck или Survival Mode. У первых AI наращивает throughput, эффективность и value delivery. У вторых он увеличивает локальную продуктивность, но эти плюсы потом умирают в тестировании, релизах, безопасности и ручных согласованиях.
И вот это, честно, очень похоже на то, что я вижу в реальных проектах. Разработчику дали copilots, LLM, генерацию кода, а дальше код упирается в старый CI/CD, слабую платформенную команду, отсутствие нормальных guardrails и вечные зависания между отделами. В итоге кажется, что AI внедрили, а результата для бизнеса почти нет.
Из чисел тоже есть что взять. DORA пишет, что около 90% организаций уже имеют platform engineering capabilities, а 76% имеют выделенные платформенные команды. Но наличие платформы само по себе не спасает. Роль играет её качество: может ли она реально переводить индивидуальный выигрыш от AI в системный результат, а не просто выдавать ещё один слой бюрократии поверх Kubernetes.
Ещё один важный момент: AI сильнее всего поднимает индивидуальную эффективность. Это логично. Человек быстрее пишет, быстрее ищет, быстрее собирает черновики решений. Но friction и burnout сами по себе от этого не исчезают. Иногда становится даже веселее в плохом смысле: команда производит больше изменений, а нестабильность системы растёт.
Что это меняет для бизнеса и автоматизации
Для меня главный вывод очень приземлённый: массовое внедрение искусственного интеллекта нельзя планировать как закупку лицензий. Это архитектурная и организационная работа. Если команда живёт в режиме пожара, то новый AI-инструмент чаще всего просто добавит топлива.
Выигрывают те, у кого уже есть нормальные платформы, понятные контуры ответственности, измеримые delivery-метрики и вменяемые процессы изменений. Такие команды могут быстро превратить AI в реальные ИИ решения для бизнеса: ускорить разработку, саппорт, аналитику, внутренние knowledge-системы, агентные сценарии. У них AI не зависает на полпути между демкой и production.
Проигрывают компании, которые пытаются сделать ИИ автоматизацию поверх хрупкой операционки. Я такое видел не раз: хотят создать ИИ агента для поддержки или продаж, а внутри нет чистых данных, нет SLA, нет владельца процесса, нет даже единой логики обработки заявок. Агент в таком контуре не волшебник. Он очень быстро показывает все дыры, которые раньше просто были спрятаны в ручной работе.
Поэтому я бы читал DORA 2025 не как отчёт про инструменты, а как отчёт про зрелость систем. Если коротко: сначала вытаскиваем команду из Survival Mode, потом масштабируем AI. Иногда лучший первый шаг в AI-архитектуре не новый LLM, а пересборка workflow, нормальная observability, платформа для безопасных экспериментов и жёсткое упрощение ручных переходов между функциями.
Мы в Nahornyi AI Lab как раз с этим и работаем на практике. Не просто прикручиваем модель к интерфейсу, а смотрим, где AI реально даст рычаг, а где сначала нужна интеграция искусственного интеллекта с данными, процессами и платформой без иллюзий. Иначе можно отлично автоматизировать хаос. Такое тоже бывает. Только пользы от этого мало.
Этот разбор сделал я, Вадим Нагорный из Nahornyi AI Lab. Я занимаюсь AI-автоматизацией, кастомными агентами и архитектурой ИИ-решений в боевых процессах, где важен не вау-эффект, а рабочий результат. Если хотите обсудить ваш кейс, заказать ИИ автоматизацию, создать ИИ агента или собрать n8n-автоматизацию под задачу, пишите мне, разберём проект по-человечески.