DORA 2026 о ROI ИИ в разработке: 88% видят отдачу, но трансформация редка. Почему ИИ — усилитель зрелости платформы, а не источник ROI. Разбор Андрея Путина.
Google и команда DORA выпустили исследование 2026 года «The ROI of AI-assisted Software Development» (dora.dev/ai). Вывод неудобен для всех, кто выдал команде ИИ-ассистентов и ждёт удвоения скорости: возврат на инвестиции в ИИ определяет система вокруг ассистента — интеграции, процессы, зрелость инженерной платформы. Сам ассистент эту систему не создаёт. ИИ работает как усилитель: он множит ту отдачу, которая в компании уже заложена.
DORA много лет меряет software delivery performance через два семейства метрик: throughput (как часто и быстро команда поставляет изменения) и instability (как часто эти изменения ломают прод и сколько занимает восстановление). В отчёте 2026 года DORA связывает эти метрики с ROI: устойчивость и скорость поставки — основа, по которой можно прогнозировать отдачу от ИИ.
Логика прямая. ИИ ускоряет производство кода, и если контур поставки уже выдерживает высокий throughput при низкой нестабильности, ускорение доходит до бизнес-результата.
Если контур слабый, ускоренный код упирается в то же бутылочное горлышко, только очередь перед ним растёт быстрее.
Отдельно DORA описывает J-кривую внедрения: на старте команды проходят через провал продуктивности и период адаптации.
Авторы просят руководителей читать этот провал как фазу обучения, а не как провал инструмента. Команды, которые проходят адаптацию осознанно, выходят на отдачу. Команды, которые пугаются провала и сворачивают внедрение, теряют вложенное.
По данным Google Cloud, 78% руководителей сообщают о возврате инвестиций хотя бы от одного сценария генеративного ИИ, и 88% организаций, внедряющих ИИ, уже видят положительную отдачу.
При этом структурная трансформация остаётся редкой: многие предприятия фиксируют маржинальный или плоский прирост продуктивности.
Исследование MIT NANDA, на которое ссылается DORA, описывает этот разрыв жёстче. Там, где официальные корпоративные платформы не дают сотрудникам ежедневного прироста, появляется «теневой ИИ»: люди берут неофициальные приложения, чтобы закрыть свою работу.
По факту отдача утекает мимо корпоративного контура и мимо отчётности. DORA сводит причину к одной формулировке: дело в организационном дизайне, а не в самой модели.
DORA называет ИИ усилителем внутри системы.
Усилитель не создаёт сигнал — он поднимает тот, что есть.
Зрелая инженерная платформа с отлаженным деплоем превращает ускорение в выручку.
Контур с техдолгом и ручными релизами под тем же усилителем даёт изолированные карманы продуктивности: они тонут в downstream-хаосе и до бизнес-метрики не доезжают.
Разберём механику на одном проходе.
Разработчик с ассистентом пишет код вдвое быстрее.
Дальше этот код неделю ждёт ревью, падает на интеграции с легаси, ломает данные в трёх системах, которые никто не синхронизировал.
Поток поставки на выходе остался прежним.
Бизнес платит за результат в проде, и именно там, на ревью, тестах, интеграциях и эксплуатации, теперь стоит очередь.
Капитал смотрит на эти же данные под разными углами, и каждая позиция описывает свой тип компании. a16z видит структурный сдвиг: ИИ-агенты становятся новым слоем стека, английский превращается в язык программирования, барьер входа в код падает. Sequoia в лице
Кана задаёт «вопрос на 600 миллиардов долларов»: разрыв между capex на GPU и реальной выручкой огромен, способность строить модели не равна способности монетизировать, а временной лаг между вложением и отдачей рынок недооценивает.
Аналитики JP Morgan и Goldman Sachs в своих обзорах требуют мерить пилоты по факту изменения метрик, а не по обещаниям вендора.
Андрей Карпати, который и ввёл термин «vibe coding», формулирует прямо: автономность ИИ переоценена, сегодняшний ассистент — толковый стажёр, которому нужен надзор взрослого инженера.
Эти позиции не спорят друг с другом — они описывают разные компании.
Сильная инженерная культура получит сдвиг по сценарию a16z.
Слабая получит лаг по сценарию Sequoia и спишет бюджет раньше, чем поймёт, что покупала инструмент, когда проблема была в фундаменте.
Полезная метрика для решения о вложении — time to use.
Она показывает, как быстро инструмент даёт результат в реальной работе, а не в демо.
Ум модели и эффектность презентации к TTU отношения не имеют.
Дорога от демо до прода, который держит нагрузку и не течёт данными, проходит через инженерию и зрелый процесс.
Простой на вид результат стоит дорогой работы под капотом, и эту работу ИИ за команду не делает.
DORA раскладывает ROI на драйверы ценности: рост продуктивности разработчиков, улучшение developer experience и улучшение user experience.
Каждый драйвер упирается в инженерную систему.
Продуктивность превращается в выручку только тогда, когда ускоренный поток изменений проходит через надёжный деплой. Developer experience растёт, когда у инженера есть данные, доступ и обратная связь под рукой. User experience меняется, когда изменение реально доезжает до пользователя без регресса.
Надзор за самим ИИ авторы выносят отдельно: наибольший возврат теряется там, где у моделей нет контроля и границ.
Фундамент, который DORA называет
ом ROI, складывается из конкретных вещей. В проектах KT.Team мы собираем именно их, до того как сверху появляется ассистент.
Интеграционный контур на Apache Kafka, Datareon или Talend ESB превращает зоопарк систем в предсказуемый поток событий.
Без него ускоренный код быстрее упрётся в рассинхрон между ERP, складом и витриной.
Доступ ассистента должен контролироваться. MCP как протокол подключения инструментов вместе с LLM & Security Gateway дают модели руки внутри систем — с аудитом, лимитами и без утечки данных в чужие веса.
Это прямой ответ на «теневой ИИ»: когда официальный контур удобен и безопасен, сотруднику незачем уходить в неофициальные приложения.
Ответ должен опираться на ваши факты. RAG поверх Elasticsearch заставляет модель отвечать по вашему каталогу и регламентам вместо догадок.
Каталог должен быть чистым. PIM на Pimcore или Akeneo даёт ту ясность данных, без которой ИИ-обогащение карточек, генерация фасетов и нормализация таксономии работают на мусоре. В наших проектах автогенерация фасетов и копирайт карточек дают эффект, потому что под ними лежит управляемая товарная модель.
DORA не ограничивается тезисами и даёт финансовую модель: базлайн до внедрения, учёт провала продуктивности на старте, прогноз срока выхода на отдачу и привязка к метрикам поставки.
Авторы выложили рабочий калькулятор на dora.dev/ai/roi/calculator.
Практический смысл модели простой: считать отдачу нужно от своей текущей зрелости, а не от обещаний вендора.
Компания с высоким throughput и низкой нестабильностью получит короткий срок окупаемости.
Компания с обратными показателями сначала платит за фундамент.
DORA 2026 подтвердила то, что видно на любом внедрении: ИИ не чинит сломанный процесс, он озвучивает его громче. Компания со зрелой платформой и отлаженной поставкой превратит ассистентов в выручку за квартал. Компания с техдолгом получит дорогой генератор технического долга. Решение, куда направить первый бюджет, простое: сначала фундамент, потом усилитель. В обратном порядке компания оплачивает более быстрый путь в инцидент-рум и увольнения за «ИИ, который ничего не сдвинул».
DORA, «The ROI of AI-assisted Software Development», Google LLC, 2026 — dora.dev/ai. ROI-калькулятор: dora.dev/ai/roi/calculator. Лицензия оригинала: CC BY-NC-SA 4.0. Рыночные оценки приведены по публичным материалам a16z, Sequoia (David Cahn), JP Morgan, Goldman Sachs и Andrej Karpathy.
Контакты
