Краткое содержание исследования
ИИ — это усилитель
В 2025 году центральный вопрос для технологических лидеров больше не в том, следует ли им внедрять ИИ, а в том, как извлечь из него ценность. Исследование DORA включает более 100 часов качественных данных и ответы почти 5 000 технических специалистов со всего мира. Это исследование выявляет критически важную истину: основная роль ИИ в разработке программного обеспечения заключается в том, чтобы быть усилителем. Он усиливает сильные стороны высокоэффективных организаций и дисфункции организаций, испытывающих трудности.
Наибольшая отдача от инвестиций в ИИ происходит не благодаря самим инструментам, а благодаря стратегическому фокусу на базовой организационной системе: качестве внутренней платформы, ясности рабочих процессов и согласованности команд. Без этой основы ИИ создаёт локализованные карманы продуктивности, которые часто теряются в последующем хаосе.
{{cta}}
Ключевые инсайты
Опираясь на качественные интервью и глобальный опрос, проведённый с 13 июня по 21 июля 2025 года, отчёт выделяет несколько ключевых выводов о том, как развивается разработка программного обеспечения с использованием ИИ:
Внедрение ИИ стало практически повсеместным. 90% участников опроса используют ИИ в работе, и более 80% считают, что он повысил их продуктивность. При этом 30% респондентов почти не доверяют коду, который генерирует ИИ, — это говорит о важности навыков проверки и валидации.
Исследование выделяет семь типов команд. Они варьируются от «гармоничных высокоэффективных команд» до команд, застрявших в «узком месте наследия» (legacy bottleneck). Эта типология помогает точечно улучшать процессы.
Управление потоками создания ценности (VSM) усиливает эффект от ИИ. VSM — это практики визуализации, анализа и улучшения потока работы от идеи до конечного клиента. При внедрении ИИ VSM работает как усилитель: локальные улучшения превращаются в ощутимый рост эффективности команд и продуктов.
Успешное внедрение ИИ требует больше, чем просто инструментов. Новая модель DORA AI Capabilities описывает семь базовых практик — от четкой политики ИИ до здоровой экосистемы данных и ориентации на пользователя. Эти практики доказано усиливают позитивное влияние ИИ на организационную эффективность.
ИИ ускоряет разработку, но повышает нестабильность. В отличие от прошлого года, ИИ теперь улучшает пропускную способность поставки ПО. Однако он всё ещё увеличивает нестабильность, что показывает: скорость растёт быстрее, чем зрелость процессов и архитектуры.
90% компаний внедряют платформенную инженерию. Высококачественная внутренняя платформа становится ключевой основой успешного внедрения ИИ.
Аналитика и рекомендации для технических лидеров
Успешное внедрение ИИ — это вопрос системы, а не инструментов
Наша новая модель DORA AI Capabilities показывает, что ценность ИИ раскрывается не за счёт самих инструментов, а благодаря технической и культурной среде, которая их окружает.
Мы выделили семь базовых возможностей — включая чёткую политику использования ИИ, здоровую экосистему данных, качественную внутреннюю платформу и ориентацию на пользователя. Эти элементы доказано усиливают позитивный эффект ИИ на производительность.
Относитесь к внедрению ИИ как к организационной трансформации.
Максимальный эффект приходит тогда, когда компания инвестирует в фундаментальные системы, которые усиливают пользу от ИИ: внутреннюю платформу, экосистему данных и ключевые инженерные практики команд.
Именно эти элементы являются необходимой основой для того, чтобы превратить потенциал ИИ в измеримое улучшение организационной эффективности.
Широкое использование ИИ — но с разумным скепсисом
Большинство разработчиков уже используют ИИ, чтобы работать быстрее, но одновременно относятся с осторожностью к качеству его результатов. Такой подход — «пользуемся, но обязательно проверяем» — говорит о зрелом этапе внедрения технологии.
Сейчас важно сместить фокус: не на том, чтобы просто «принять ИИ», а на том, как использовать его эффективно. Обучение сотрудников должно быть направлено на развитие критического мышления: как правильно формулировать запрос, как оценивать ответы модели и как проверять качество сгенерированного кода или контента, а не просто наращивать частоту использования ИИ.
Семь профилей командной эффективности
Простых метрик недостаточно, чтобы понять работу команды. Мы выделили семь различных профилей, каждый из которых сочетает собственный уровень эффективности, стабильности и благополучия. Такая модель дает более тонкое и точное понимание текущих проблем команд и помогает формировать индивидуальные траектории развития.
Используйте эти профили, чтобы оценивать состояние команды шире, чем это позволяют стандартные метрики поставки ПО.
Так вы сможете понять, например:
— команда показывает высокие результаты, но работает на грани выгорания,
— или наоборот — стабильна, но застряла в старых системах.
И уже на основе этого выбирать подходящие меры поддержки и развития.
Качественные платформы раскрывают ценность ИИ
Платформенная инженерия сегодня стала практически стандартом — её внедрили около 90% компаний. Наши данные показывают прямую связь между качеством внутренней платформы и способностью организации извлекать реальную пользу из ИИ.
Компании, которые относятся к своей платформе как к полноценному внутреннему продукту и целенаправленно улучшают опыт разработчиков, получают значительно более высокий эффект от внедрения ИИ.
Поэтому важно приоритизировать и финансировать развитие платформенной инженерии.
Плохой опыт разработчиков, разрозненные инструменты и неустойчивые процессы способны сильно ослабить результат даже самой продуманной AI-стратегии.
Системный взгляд помогает направить потенциал ИИ
Исследование этого года подтверждает: управление потоками создания ценности (VSM) обеспечивает целенаправленные улучшения и повышает эффективность как команд, так и продуктов.
VSM работает как множитель эффекта для инвестиций в ИИ.
Благодаря системному взгляду на процессы он помогает применять ИИ там, где это действительно важно, превращая локальные приросты продуктивности в серьезные организационные преимущества — вместо того чтобы усиливать хаос на следующих этапах работы.
Как использовать этот отчёт
В отчёте подробно представлены данные, лежащие в основе этих выводов, включая новую модель DORA AI Capabilities, которая определяет ключевые практики, усиливающие пользу от ИИ.
Хотя каждая организация уникальна, результаты исследования дают удобный ориентир для формирования стратегии и управления командами. Используйте эти материалы, чтобы выдвигать гипотезы, проводить эксперименты и измерять результаты — так вы сможете определить, что именно обеспечивает наилучшую эффективность в вашем контексте.
{{cta}}
Предисловие
Многие считают, что цель науки — объяснять как можно больше наблюдаемых явлений с помощью как можно меньшего числа принципов, подтверждать наши глубинные интуиции и открывать неожиданные инсайты. Уже больше десяти лет именно этим занимается исследовательская программа DORA.
Мы действительно рады тому, что исследования этого года позволяют нам лучше понять, как использовать ИИ для улучшения разработки программного обеспечения.
Джин Ким
Исследователь, разработчик методологий (Vibe Coder), соавтор книг Vibe Coding, The Phoenix Project, The DevOps Handbook, Accelerate.
В 2013 году мне посчастливилось работать вместе с доктором Николь Форсгрен и Джезом Хамблом над исследованием State of DevOps. Эта работа стала основой группы DevOps Research and Assessment — DORA, которая вошла в состав Google Cloud в 2018 году.
Сегодня многим сложно поверить, что всего десять лет назад развертывание программного обеспечения было опасным и чрезвычайно сложным процессом. Оно требовало тщательного планирования и многочисленных согласований, а сами релизы включали сотни рискованных и подверженных ошибкам ручных шагов. Даже при всей подготовке и аккуратности развёртывания всё равно часто приводили к хаосу и сбоям. Именно поэтому мы осмеливались проводить их лишь раз в год.
Многие считают, что задача науки — объяснять как можно больше наблюдаемых явлений через минимальное число принципов, подтверждая интуитивные представления и открывая неожиданные инсайты. На протяжении более десяти лет именно это и делает исследовательская программа DORA.
И меня искренне вдохновляет, что исследования этого года позволяют лучше понять, как мы можем использовать ИИ для улучшения разработки программного обеспечения.
В 2013 году исследование State of DevOps показало, что многократные ежедневные релизы — это не безумие. Наоборот, надёжность напрямую связана с частыми и небольшими деплойментами. Еще более вдохновляющим было то, что для этого не нужно быть стартапом из Кремниевой долины.
Необходимы лишь три вещи:
- зрелые технические практики (автоматизированные сборки, автоматические тесты, автоматические деплойменты, продвинутое наблюдение за производством),
- архитектура, обеспечивающая независимость действий (возможность разрабатывать, тестировать и выпускать ценность автономно, с минимальными затратами на координацию),
- и культура непрерывного обучения.
Сейчас, спустя 12 лет, технологическое сообщество снова сталкивается с удивительной новой технологией — искусственным интеллектом. И, как и десять лет назад, мы снова задаем тот же вопрос: помогает ли эта новая технология действительно улучшать разработку и повышать эффективность организаций?
В 2024 году DORA выпустила знаковый отчёт, в котором впервые системно измерила влияние ИИ на показатели поставки ПО. Для многих результаты оказались неожиданными. Данные показали, что чем активнее команды использовали ИИ, тем хуже становилась стабильность и пропускная способность разработки — те самые параметры, которые индустрия весь предыдущий десяток лет стремилась улучшить.
Я сам наблюдал и переживал ситуации, когда использование ИИ приводило к серьезным проблемам — от тихого удаления тестов до очевидно сломанной функциональности и даже удаления данных в продакшене. Но я также видел, как ИИ способен кардинально улучшать результаты.
Именно поэтому прошлогодний отчёт я начал называть «аномалией DORA 2024» — таинственным явлением, которое нужно объяснить.
Эту убежденность укрепила работа, которую я вёл в течение года со Стивом Йегги — легендой Amazon и Google с 20-летним опытом.
Он подробно описал, как одно письмо основателя Amazon Джеффа Безоса запустило трансформацию компании из монолита в тысячи микросервисов.
Этот переход позволил Amazon выполнять 136 000 деплойментов в день ещё в 2015 году — достижение, которое много лет вдохновляло исследования DORA.
Вместе со Стивом мы написали книгу Vibe Coding. В ней мы определяем «vibe coding» как способ разработки, при котором вы не пишете код вручную, а получаете его из итеративного диалога с ИИ.
Мы описываем, как vibe coding изменил нашу жизнь:
— мы стали быстрее создавать то, что хотим,
— браться за более амбициозные проекты,
— работать автономнее,
— получать больше удовольствия,
— исследовать значительно больше идей и вариантов.
При этом мы оба видели и негативную сторону vibe coding — удалённые тесты, сбои, потерянные репозитории кода. Но мы пришли к выводу, что причина в другом: инженерные инстинкты, которые десятилетиями отлично работали, оказались недостаточны в новой реальности.
Представьте, что максимальная скорость, с которой вы передвигались, — это 6 км/ч пешком.
А теперь вам предлагают сразу поехать на машине со скоростью 80 км/ч.
Без подготовки авария неизбежна.
Так и с ИИ: когда он резко ускоряет разработку, наши системы управления — то есть мы сами — тоже должны ускориться.
Другими словами, десятилетие исследований DORA показывает, что инженерные практики всей индустрии должны эволюционировать.
Нам нужно:
- Более быстрые обратные связи — быстрее, чем когда-либо, чтобы не отставать от скорости, с которой ИИ генерирует код.
- Архитектуры, дающие автономию — способность разрабатывать, тестировать и развертывать независимо от других.
- Культура обучения — особенно учитывая уникальность работы ИИ и темпы его развития.
В Vibe Coding мы включили несколько кейсов, которые показывают, какие принципы и практики становятся особенно важными в эпоху ИИ и почему:
Быстрые циклы обратной связи и архитектура ПО
Фернандо Корнаго, глобальный вице-президент по цифровым продуктам и e-commerce-технологиям в Adidas, руководит почти тысячей разработчиков.
Во время пилота по использованию генеративного ИИ они обнаружили, что команды, работающие в слабо связанных архитектурах и обладающие быстрыми циклами обратной связи, получали рост продуктивности на 20–30%.
Эти улучшения измерялись по увеличению числа коммитов, pull-request’ов и общей скорости поставки фич.
Кроме того, такие команды показали рост “Happy Time” на 50% — то есть больше времени тратили на реальное программирование и меньше на административные задачи.
Для сравнения: команды, у которых обратная связь была медленной из-за плотной зависимости от ERP-систем, почти не получили никакой выгоды от ИИ.
Культура обучения
Нам также понравился кейс от Бруно Пассоса, руководителя продуктового направления Developer Experience в Booking.com, где работает более 3 000 разработчиков.
В ходе экспериментов с генеративным ИИ они столкнулись с тем, что вовлеченность разработчиков в vibe coding и использование инструментов-ассистентов сильно различалась.
Команда Бруно быстро поняла, что не хватает одного ключевого элемента — обучения.
Когда разработчиков научили давать ассистенту более точные инструкции и предоставлять более качественный контекст, они достигли до 30% роста количества merge-запросов, а также заметного повышения удовлетворенности работой.
Оба этих кейса показывают важную вещь:
- ИИ усиливает и сильные, и слабые стороны инженерных практик.
- Индивидуальные разработчики, команды и целые группы команд с сильной инженерной культурой получают выдающиеся преимущества от ИИ.
Те же, у кого таких практик нет, скорее всего столкнутся с серьезными проблемами — именно на это указывала «аномалия DORA 2024».
Я благодарен и считаю большой честью возможность сотрудничать с командой DORA в Google, а также с расширенной группой экспертов и исследователей, чьи достижения я глубоко уважаю, в работе над исследованием этого года.
Больше всего меня вдохновляет масштаб исследования 2025 года. Почти 5 000 участников позволяют провести настолько глубокое изучение практик, что мы вполне можем ожидать свои “Эврика!”-моменты — такие же, какие были десять лет назад. Я уверен, что в ближайшие месяцы мы увидим новые серьезные прорывы.
Некоторые выводы уже вошли в этот отчёт, но множество новых и захватывающих инсайтов еще формируются, и я с нетерпением жду возможности поделиться ими в ближайшие месяцы и годы.
Я выражаю искреннюю благодарность всей команде DORA и всем, кто помог сделать это масштабное исследование возможным.
Читайте вторую часть исследования, посвященную эффективности поставки программного обеспечения. Этот раздел дает практическое понимание того, как измерять скорость, стабильность и качество доставки продукта, и почему эти показатели критически важны для развития команд.
{{cta}}
