Технічний контекст
Я уважно подивився на висновки DORA 2025 і зачепився не за черговий хайп навколо AI, а за формулювання, що б'є точно в ціль: ШІ працює як підсилювач. Якщо команда вже зібрана нормально, процеси не розвалюються, платформа жива, то AI додає швидкості та користі. Якщо всередині безлад, то цей безлад просто починає рухатися швидше.
У звіті відійшли від старої пласкої шкали на кшталт elite чи low performer і описали сім профілів команд. На практиці найцікавіше там відбувається на контрасті між Harmonious High-Achievers та командами типу Legacy Bottleneck або Survival Mode. У перших AI нарощує throughput, ефективність і value delivery. У других він збільшує локальну продуктивність, але ці плюси потім вмирають у тестуванні, релізах, безпеці та ручних узгодженнях.
І ось це, чесно, дуже схоже на те, що я бачу в реальних проєктах. Розробнику дали copilots, LLM, генерацію коду, а далі код впирається в старий CI/CD, слабку платформену команду, відсутність нормальних guardrails і вічні зависання між відділами. У підсумку здається, що AI впровадили, а результату для бізнесу майже немає.
З чисел теж є що взяти. DORA пише, що близько 90% організацій уже мають platform engineering capabilities, а 76% мають виділені платформні команди. Але наявність платформи сама по собі не рятує. Роль відіграє її якість: чи може вона реально переводити індивідуальний виграш від AI в системний результат, а не просто видавати ще один шар бюрократії поверх Kubernetes.
Ще один важливий момент: AI найсильніше піднімає індивідуальну ефективність. Це логічно. Людина швидше пише, швидше шукає, швидше збирає чернетки рішень. Але friction і burnout самі по собі від цього не зникають. Іноді стає навіть веселіше в поганому сенсі: команда виробляє більше змін, а нестабільність системи зростає.
Що це змінює для бізнесу та автоматизації
Для мене головний висновок дуже приземлений: масове впровадження штучного інтелекту не можна планувати як закупівлю ліцензій. Це архітектурна та організаційна робота. Якщо команда живе в режимі пожежі, то новий AI-інструмент найчастіше просто додасть палива.
Виграють ті, у кого вже є нормальні платформи, зрозумілі контури відповідальності, вимірювані delivery-метрики та адекватні процеси змін. Такі команди можуть швидко перетворити AI на реальні ШІ-рішення для бізнесу: прискорити розробку, сапорт, аналітику, внутрішні knowledge-системи, агентні сценарії. У них AI не зависає на півдорозі між демкою та production.
Програють компанії, які намагаються зробити ШІ-автоматизацію поверх крихкої операційної системи. Я таке бачив не раз: хочуть створити ШІ-агента для підтримки чи продажів, а всередині немає чистих даних, немає SLA, немає власника процесу, немає навіть єдиної логіки обробки заявок. Агент у такому контурі не чарівник. Він дуже швидко показує всі діри, які раніше просто були сховані в ручній роботі.
Тому я б читав DORA 2025 не як звіт про інструменти, а як звіт про зрілість систем. Якщо коротко: спочатку витягуємо команду з Survival Mode, потім масштабуємо AI. Іноді найкращий перший крок в AI-архітектурі — не новий LLM, а перезбірка workflow, нормальна observability, платформа для безпечних експериментів і жорстке спрощення ручних переходів між функціями.
Ми в Nahornyi AI Lab якраз із цим і працюємо на практиці. Не просто прикручуємо модель до інтерфейсу, а дивимося, де AI реально дасть важіль, а де спочатку потрібна інтеграція штучного інтелекту з даними, процесами та платформою без ілюзій. Інакше можна чудово автоматизувати хаос. Таке теж буває. Тільки користі від цього мало.
Цей розбір зробив я, Вадим Нагорний з Nahornyi AI Lab. Я займаюся ШІ-автоматизацією, кастомними агентами та архітектурою ШІ-рішень у бойових процесах, де важливий не вау-ефект, а робочий результат. Якщо хочете обговорити ваш кейс, замовити ШІ-автоматизацію, створити ШІ-агента або зібрати n8n-автоматизацію під задачу, пишіть мені, розберемо проєкт по-людськи.