Обучаем команду работать с ИИ системно, передаём методологию и playbook, замеряем результат до и после.
AI-Driven Development, или AIDD, это способ работы, при котором ИИ встроен в каждый этап жизненного цикла разработки, а не используется отдельными разработчиками по собственному усмотрению. Методология описывает, где именно в SDLC применяется модель, по каким промптам, с какими проверками результата и по каким метрикам оценивается эффект.
Разница с покупкой лицензий в том, что лицензия даёт доступ к инструменту, а методология задаёт правила его использования. Инструмент без правил работает как поиск: каждый пользуется по-своему, результат зависит от конкретного человека, накопленный опыт никуда не сохраняется.
Фортех разворачивает AIDD за 10+ недель: очное обучение команды, совместная работа над вашим реальным бэклогом, замер результата и передача методологии в вашу собственность.
Каждый пишет как умеет. Качество ответов непредсказуемо, удачные находки остаются в личной переписке разработчика и не доходят до команды.
Code review и тестирование занимают 40–60% времени спринта. ИИ здесь почти не применяется, хотя именно эти задачи автоматизируются проще всего.
Написать ADR или README некогда. Через полгода команда тратит часы на восстановление контекста по решениям, которые сама же принимала.
Планирование, оценка и ретроспективы проводятся по старым регламентам, написанным до появления ИИ в работе команды.
Программа рассчитана на продуктовые и аутсорс-команды от 5 до 50 разработчиков, у которых уже есть выстроенный процесс разработки и постоянный бэклог. Нам есть с чем работать, когда в команде существуют спринты, ревью и хоть какое-то тестирование. Мы приходим менять то, что уже работает, а не строить процесс с нуля.
Не подойдёт, если:
Разбираем методологию AIDD, прокачиваем промпт-инжиниринг, учим применять ИИ в каждой точке SDLC: от написания кода до тест-кейсов и документации.
Наши эксперты работают плечом к плечу с вашей командой над реальными задачами из бэклога. Показываем на живых тикетах, а не на учебных примерах. Параллельно выделяем и растим внутренних чемпионов, которые после нашего ухода останутся носителями методологии.
После внедрения остаёмся с командой: поддерживаем, ревьюим результаты, фиксируем baseline и пост-метрики. Завершаем итоговой защитой проекта с KPI. Всё задокументировано и передано в вашу собственность.
Методологию AIDD передаёт команда, которая довела до продакшена 18 проектов с ИИ внутри. Обучение ведут инженеры с боевым опытом, а не тренеры, знакомые с темой по документации.
OpenAI
Qwen
RuBERT
Qdrant
pgvector
Dify
OpenRouter
YOLO
WhisperДля компаний, которым нельзя выгружать исходники в облачные сервисы, разворачиваем модели в вашем закрытом контуре. Код, документация и рабочие данные не покидают периметр.
Такой вариант обычно выбирают там, где действуют требования по КИИ, есть ограничения по 152-ФЗ или запрет службы безопасности на внешние ИИ-сервисы. Качество ответов у локально развёрнутых моделей ниже, чем у флагманских облачных, и это честно стоит учитывать при планировании KP
Методология целиком в вашей собственности: стандарты, регламенты, чек-листы.
Шаблоны под типовые задачи: код, тесты, ревью, документация, планирование.
Переписанные регламенты церемоний с учётом ИИ: планирование, оценка, ретроспектива, стендапы.
Стартовая позиция и пост-KPI с итоговой защитой.
Конфигурация локального развёртывания, если работали без передачи кода во внешние сервисы.
Два обученных сотрудника, которые ведут методологию дальше без нас
Способ организации разработки, при котором ИИ применяется на каждом этапе SDLC по описанным правилам: заданы промпты под типовые задачи, регламенты проверки результата и метрики оценки эффекта. В отличие от разрозненного использования ассистентов отдельными разработчиками, методология фиксирует практики на уровне команды и сохраняет их в playbook.
Лицензия даёт доступ к инструменту. Методология задаёт, кто, где и по каким правилам его применяет, и как измеряется результат. Команды с оплаченными подписками часто не показывают роста скорости именно потому, что каждый работает по-своему.
От 10 недель: 8–10 рабочих дней очного обучения, 6+ недель совместной работы над вашим бэклогом, 4+ недели сопровождения с замером результата.
Да. Разворачиваем модели в закрытом контуре заказчика, исходники не покидают периметр. Вариант выбирают компании с требованиями по КИИ и ограничениями службы безопасности.
AIDD Playbook, библиотека промптов под типовые задачи, переписанные регламенты Scrum-церемоний, отчёт по метрикам с итоговой защитой и два обученных сотрудника, способных развивать методологию дальше.
От 5 до 50 разработчиков с работающим процессом разработки и постоянным бэклогом. Для команд меньше трёх человек методология избыточна.
Первый этап требует 8–10 рабочих дней с отрывом от задач. Дальнейшие 6+ недель команда работает над собственным бэклогом, поэтому разработка не останавливается.
В облаке используем GPT-4o и GPT-4o mini, доступ к альтернативным моделям организуем через OpenRouter. В закрытом контуре разворачиваем Qwen, Whisper и векторные базы Qdrant или pgvector на инфраструктуре заказчика. Выбор конкретной модели зависит от требований безопасности и характера задач команды
