top of page
logo_scrum_ua_white.png

Що як Agile був домашнім завданням, а AI — справжній іспит?

13 січ. 2025 р.
Читати 6 хв
Що як Agile був домашнім завданням, а AI — справжній іспит?

Це стислий виклад ідей із книжки 10X ORG Олексія Кривицького, Роланда Флемма (Roland Flemm) і Крейга Лармана (Craig Larman). Вона про те, що стається, коли AI зустрічає організаційну структуру, і чому зазвичай перемагає структура.


Agile можна було зімітувати…

Багато хто так і зробив. Можна було перейменувати проєктних менеджерів на Скрам-майстрів, статус-зустрічі на стендапи, а віхи на спринти. Можна було купити ліцензії SAFe, сертифікувати 200 людей, повісити в коридорі Kanban-дошку і назвати все це трансформацією.


І це працювало, у тому сенсі, що ніхто вас не викрив. Рада директорів бачила презентацію, консультанти отримували гроші, команди проводили ретро. Усі грали свої ролі. Театр змін (change theater), якщо грати його добре, може тривати десятиліття.


Ваш Скрам-майстер сказав би, що це нормально. «Agile — це прикметник, — сказав би він. — Важливо, щоб цього року ми були гнучкішими, ніж торік». І це звучало розумно, бо повільні зміни були прийнятними. Ринок рухався в темпі, де поступових покращень ніби вистачало. І ніхто не вів публічного табло, як швидко постачають ваші конкуренти.


Але з повільними змінами є одна річ: у більшості організацій вони прикривали відсутність будь-яких змін. Мова стала кращою. Церемонії стали гладшими. А сама структура — хто що вирішує, хто чого вчиться, кому дозволено над чим працювати — лишилася точно там, де була.


З цим можна було жити. До сьогодні.


Тепер вас порівнюють зі 100X

AI-native стартапи будують цілі продукти з одним CEO і п’ятьма Mac Mini. Їм не потрібні ваша оргструктура, ваші цикли погоджень, ваші протоколи передачі робіт. Вони почали з чистого аркуша: без успадкованої структури і без історичної системи управління на плечах.


Відтепер вашу організацію порівнюватимуть з тим, що можуть вони. Не ви самі — рада директорів, інвестори, конкуренти, клієнти, які помічають, що хтось інший постачає за дні те, що ви — за квартали. У сто разів швидше, і це не метафора. Це розрив, який можна виміряти.


Тож ваше керівництво спитає, якщо ще не спитало: чому ми не можемо рухатися так само? І чому ми бачимо лише зростання витрат без видимої віддачі?


Відповідь незручна. Коли прийшов AI, ваша організація не почала з нуля. Вона вже йшла певним шляхом: система управління, структура команд, звички, накопичені роками. AI застав усе це на місці. І дуже ймовірно, що ваша організація рухається тією ж траєкторією, що й раніше, тільки тепер AI розсипаний по ній, як чарівний пил. Витрати ростуть, а віддача — не обов’язково.


З Agile можна було сховатися в театрі. Зімітувати трансформацію, пропустити складні частини, і ніхто не порівнював вас з організацією принципово іншого типу. З AI планка 100X публічна. Розрив видно, і імітація швидко стає дорогою.


Те, що вже відбувається

Ось що відрізняє цю хвилю від усіх попередніх технологічних хвиль: ваші розробники вже знають.


Увечері вони приходять додому, відкривають Claude чи Codex і за кілька годин будують те, на що їхній команді знадобилося б два спринти. Вони працюють у парі з AI-агентом і до півночі мають робочий прототип. А о дев’ятій ранку приходять в офіс і сідають у ту саму оргструктуру. Ті самі ланцюжки погоджень, ті самі вузькі межі ролей, створені для світу, де розробка програм була повільною.


Вони відчувають цей розрив щодня. І найкращі з них — ті, кого ви найбільше хочете втримати, — вже думають, де могли б працювати без цього тертя. Ви конкуруєте вже не лише з іншими роботодавцями. Ви конкуруєте з досвідом, який ваші люди мають удома, де вони вже працюють у десять разів швидше, ніж дозволяє ваша організація.


Це не теоретичний ризик. Це годинник утримання людей, який уже цокає.


Незручна частина

AI не просто пришвидшує роботу. Він відштовхує людей від вузької спеціалізації в бік оркестрації та бізнес-результатів.


Візьміть проєктувальника баз даних. У 10X ORG є цілий розділ «Nobody Needs 1,000X More Databases» («Нікому не потрібно в тисячу разів більше баз даних»), який розбирає цей приклад. Якщо AI дозволяє іншим людям робити значну частину цієї роботи, а самому проєктувальнику — виконати звичний обсяг за кілька днів замість місяця, питання стає очевидним: що організація робитиме з цією людиною? Робити більше того самого — не відповідь. Клієнтам не потрібно в тисячу разів більше баз даних. На те, що він робить, просто не буде достатнього попиту.


Те саме стосується UI-спеціалістів, бізнес-аналітиків, фронтенд-розробників і дедалі довшого списку ролей, які визначаються однією навичкою в заданих межах.


AI нікого не звільняє. Він просто робить так, що певні ролі легко не заповнювати знову. Першими йдуть люди з найвужчими мандатами і найменшими важелями для переговорів, і їх не замінюють. Це патерн витіснення: не за назвою посади, а за мандатом. У 10X ORG (розділ 3: Org Topologies™) ми називаємо це мандатом на обсяг навичок (Scope of Skills Mandate): скільки навичок має організаційний підрозділ і скільки з них йому дозволено застосовувати. Коли цей обсяг вузький, підрозділ залежить від передач робіт, координації та чужих календарів. AI робить вузькі підрозділи швидшими в тому, що вони роблять, але не дає їм нічого іншого робити.


І тут починається спадна віддача. Якщо того проєктувальника баз даних тримають на тій самій роботі — структурно зобов’язують і далі проєктувати бази даних, бо «це ж те, чим займаються проєктувальники баз даних», — пришвидшенню нікуди подітися. Проєктувальник за три дні закінчує те, що раніше забирало місяць. А далі сидить у системі, яка не має механізму, щоб використати вивільнену спроможність деінде. Локальний виграш не накопичується. Він розсіюється. Це динаміка 1X: швидші частини, та сама система, жодного глобального покращення.


Той самий патерн діє на рівні команд. Візьміть команду Search або команду Payments Integration. У 10X ORG це топологія постачання (Delivery Topology, розділ 3): підрозділи, які «швидко постачають покращення в обмеженій області, але від них не очікують і їх не проєктують для внеску в іншу, можливо, ціннішу роботу поза нею». Якщо AI зробить їх у десять чи сто разів швидшими в їхній обмеженій роботі, чи вистачить цінної роботи з пошуку чи платежів, щоб заповнити їхню спроможність? Майже напевно ні. Але якщо їх структурно зобов’язують і далі працювати над цим — бо «швидше, коли пошуком займається команда пошуку», — жодного виграшу на рівні системи не буде. Команда оптимізує локально, а організація стоїть на місці.


Це ефект Ferrari (Ferrari Effect) (10X ORG, розділ 2): швидші двигуни на заблокованій трасі не прибирають заторів. Як сказано в принципі 3 книжки, «мандати визначають максимальну складність, з якою може впоратися організація. Якщо мандати вузькі, організація може розв’язувати лише вузькі задачі, а все ширше перетворюється на залежності, координаційні зустрічі й відкладені рішення».


Мультинавчання (multi-learning) — коли люди й команди виходять за межі свого основного ремесла і набувають спроможностей у різних доменах — більше не гарний принцип для слайду. Це те, що принцип 8 10X ORG називає «Embed Multi-Learning» («Вбудуйте мультинавчання»): структурна вимога, а не навчальна ініціатива. Без нього AI дає вам локальний приріст ефективності, а не накопичувальний, на рівні всієї організації. Ви отримуєте 1X, а не 10X.


Те, про що вам не кажуть

Ось поворот: мультинавчання — не новина.


У 1986 році Такеучі (Takeuchi) і Нонака (Nonaka) опублікували в Harvard Business Review статтю «The New New Product Development Game», яка згодом надихнула Scrum. Вони вивчали Honda, NEC, Canon та інші компанії. Команди, які створювали проривні продукти, не складалися з вузьких спеціалістів. Це були команди мультинавчання: люди з глибиною, які також розвивали спроможності в різних доменах. Вони йшли за цінністю і вчилися, поки постачали.


Це було сорок років тому.


Більшість організацій це проігнорували або віддали данину лише на словах. Вони взяли частину про Scrum — церемонії, ролі, ритм — а мультинавчання залишили на столі. Надто складно, надто дорого, надто руйнівно для кар’єрних драбин і HR-політик, які винагороджують ріст в одній вузькій колії. Як сказано в 10X ORG: «навчання традиційно сприймали як витрату, яку треба мінімізувати, а не як спроможність, яку треба нарощувати».


Домашнє завдання Agile ніколи не було про стендапи і спринти. Воно було про побудову організацій, де люди можуть учитися, йти за цінністю і робити внесок поза межами своєї посадової інструкції. Компанії, які виконали це домашнє завдання — вбудували мультинавчання як структурний принцип, а не навчальну ініціативу, — знають, як впоратися з AI. У них уже є ці м’язи: ширші мандати, робота через межі, люди, яким дозволено і від яких очікують рости за межі нинішньої ролі.


Їм не треба панікувати. Їм треба прискорюватися.


Must-shaping

M-подібні люди. Не T-подібні — то була ввічлива версія. Кілька штрихів глибини, поєднаних здатністю вчитися через межі й робити внесок там, де є цінність. Це вже не опція. Це must-shaping.


AI демократизує знання та навички, і людям стає легше вийти за межі свого основного ремесла. Як пояснює Aiden — AI-персонаж у 10X ORG: «тьютори, копілоти й дослідницькі агенти роблять мультинавчання практичним за тижні й дні, а не роки. Ми входимо в нову еру сплощених кривих навчання».


Але організація має це дозволити. Традиційні HR-політики й кар’єрні шляхи досі винагороджують ріст в одній чітко визначеній колії, і ця система швидко застаріває. Технологія готова. Структурного дозволу немає.


Тож лідерам потрібне відчуття напрямку, і напрямок зрозумілий: розширюйте визначення експертизи. Дозвольте людям учитися, йти за цінністю і використовувати AI так, як це тільки зараз з’являється. Не замінювати людей AI, а підсилювати людський інтелект за допомогою AI. 10X ORG називає це рухом до адаптивної топології (Adaptive Topology): «мережі взаємозалежних підрозділів, де адаптація не потребує реорганізації — вона вбудована в те, як ці підрозділи працюють».


Організації, які виконали домашнє завдання Agile, знають цей напрямок. Вони роками йдуть ним, повільно. AI не змінює напрямку. Він прибирає виправдання, чому не рухатися швидше.


А ті, хто імітував? Вони ось-ось дізнаються, що на іспиті з AI оцінок із поблажкою не ставлять. Дані DORA 2026 вже це показують: окремі розробники швидші, а постачання на рівні команд стоїть на місці або погіршується.


Ідеї цього огляду взято з книжки 10X ORG, яка вже доступна. Якщо це вам відгукнулося, у книжці більше: принципи, реальні кейси і діагностична карта, щоб побачити, де насправді перебуває ваша організація.

Оригінальні публікації (англійською):

bottom of page