бизнес-эффект. Они перешли от单一 метрики ежедневного использования к четырем метрикам внедрения: проникновение ИИ, активные пользователи, W50+ и W80+, где последние две представляют долю сотрудников, использующих ИИ более чем на 50% и 80% рабочих дней в месяц. Банк не стремится автоматизировать всё, а нацелен на достижение Парето-оптимального состояния, где 80% задач выполняются агентами, давая 80% результатов. Они обнаружили, что написание кода больше не является главным узким местом; вместо этого важнее качество спецификаций, контекст, доступный агентам, интеграции и способность команды реструктурировать рабочие процессы. Они ввели прокси-метрики, такие как доля задач, выполняемых с помощью ИИ, и автономно выполняемых задач, чтобы отслеживать продвижение к автономной разработке, при этом продолжая отслеживать классические инженерные метрики, такие как показатель дефектности, время цикла, время выполнения и пропускную способность. Они заметили, что роли трансформируются: разработчики сходятся к роли инженера полного цикла или инженера продукта, а специалисты по данным — к роли инженера данных-продукта. В пилотном проекте мини-команда из двух разработчиков и бизнес-эксперта завершила интеграционный сервис за то же время, что и команда из пяти человек, сохранив качество и увеличив пропускную способность, но время выполнения осталось неизменным. Они подчеркивают, что технологическая подготовка имеет решающее значение, выделяя четыре столпа агентного инжиниринга, при этом контекст и интеграции являются наиболее обширными и фрагментированными уровнями. Они протестировали оркестратор BMAD, который выявил неожиданные результаты, включая то, что архитектура, спроектированная с учетом ограничений, часто работает лучше, чем попытки их устранить.