📊 AI & Team Summary — Aloha Browser

Сводные выводы по всем дашбордам · май 2026 · На основе данных ClickUp MCP API

Общий вердикт: AI-агенты работают — но данных всё ещё мало

По 4 из 6 команд зафиксирован положительный эффект от внедрения AI-агентов в январе–феврале 2026. Backend +70%, iOS dev +27%, Design +26%, Product Board +23% — команды сохранили или увеличили выпуск задач при сокращении состава. При этом Android и BD/Marketing не дают чистой картины из-за низкой заполняемости поля Dev AI Effectiveness и отсутствия 2025-baseline. Критический риск — 6 точек с минимальным составом, где потеря одного человека останавливает работу целого направления.

4/6
команд с
позитивным AI-сигналом
+70%
Backend
задач/чел/мес
+27%
iOS dev
задач/чел/мес
+26%
Design
задач/чел/мес
+23%
Product Board
задач/мес
6
команд с
bus-factor риском
35%
средняя заполн.
AI Effectiveness
1 · Влияние AI-инструментов на производительность
⚡Что AI уже дал командам
✓
Компенсация сокращений без потери output. Backend: 7→4 чел, задач/чел/мес +70%. iOS: потеря 1 разработчика — объём сохранён. Design: 5→3 чел, эффективность +26%.
✓
Ускорение рутинных задач. Release notes, документация, шаблоны кода, тест-кейсы — выполняются за минуты вместо часов. PM-нагрузка на Sizemov удерживается несмотря на декрет Zhukova.
✓
Структурная зрелость. BD & Marketing ввели спринты и трекинг задач именно с января 2026 — одновременно с AI. Систематизация работы — косвенный AI-эффект.
!
Android — сигнал слабый. Заполняемость Dev AI Effectiveness ~35%. Команда либо не использует AI активно, либо не фиксирует. Без данных вывод невозможен.
i
Корреляция: заполняемость поля = рост производительности. Backend (80% fill) → +70%. Android (35%) → результат неизвестен. Фиксация применения AI критична для аналитики.
⚠️Ограничения и риски AI
!
AI не устраняет bus-factor. Если единственный разработчик заболел — AI-инструменты не помогут. Минимальный состав команды по-прежнему критичен.
!
Рост output ≠ рост качества. Скорость закрытия задач выросла, но Rejection Rate и Production Defects требуют отдельного мониторинга — AI может ускорить и ошибки.
✕
Зависимость от конкретных людей с AI. Balashov (Backend) несёт ~65% задач + активно использует AI. Его уход — двойной удар: потеря человека и потеря AI-экспертизы.
!
Смена стека vs AI-эффект. Backend в 2026 — полностью новая команда (PHP → новый стек). Часть роста производительности может объясняться сменой технологий, а не AI.
i
Aloha AI — 1 человек. Sasha Baych единственный Data Scientist при стратегическом фокусе на AI-продукты. Критический риск для AI-направления в целом.
📈Заполняемость Dev AI Effectiveness vs рост производительности
🔢Прирост производительности по командам (задач/чел/мес)
2 · Как строить планирование с AI-агентами
🧮Проблема: стандартные методы эстимации сломались
❌ Как было (до AI)
Story Points — относительная оценка сложности.
Velocity = стабильный показатель команды.
Спринт-планирование: взяли исторический velocity → расставили задачи. Работало, когда скорость выполнения была предсказуема и однородна.
⚠ Что изменил AI
Одна задача на 3 story points может выполняться за 20 минут или за 2 дня в зависимости от того, «подходит» ли она для AI. Velocity перестал быть стабильным. Разброс увеличился в 3–5 раз. Сравнивать людей с AI и без — некорректно.
✓ Что работает сейчас
Outcome-based планирование: планировать результат (фича выпущена, метрика достигнута), а не количество задач. Задачи — инструмент, не цель.
AI-коэффициент: при планировании спринта умножать ёмкость на 1.3–1.5 для команд с высоким AI-adoption.
💡 Синхронизация бизнеса и команд
Бизнес видит результаты (релиз, Revenue, DAU), команды работают в задачах. С AI разрыв растёт: задача закрывается быстрее, но бизнес-метрика может не меняться. Нужны совместные OKR на уровне продуктовых целей, а не тасков.
→
Ввести "AI-difficulty" как атрибут задачи — разделить задачи на «AI-подходящие» и «требует человека». Это даст реалистичный capacity plan для спринта.
→
Переход на недельные Check-in вместо двухнедельных спринтов — при высокой скорости AI-команд двухнедельный горизонт слишком длинный, накапливается неопределённость.
→
Бизнес должен давать контекст, не задачи. «Нам нужно поднять Conversion Rate на 5%» → PM + AI формирует гипотезы и задачи сам. Бизнес не должен писать ТЗ в Story Points.
!
Не планировать «в долг». Если AI ускорил выполнение — не стоит немедленно загружать освободившееся время новыми задачами. Нужен буфер на AI-экспериментирование и качество.
3 · Кадровые риски по командам
🚨Текущие риски (май 2026)
Команда Разраб. Всего Риск Проблема
iOS 2 6 Критично Subbotkin + Palagichev. Уход любого = -50% dev capacity
Backend 2 4 Критично Balashov ~65% нагрузки. Уход = потеря AI-экспертизы + лидерства
Aloha AI 1 1 Критично Baych — единственный Data Scientist в стратегическом AI-направлении
Product Mgmt — 1 Критично Zamorov один на iOS+Android+Desktop+VPN+AI
Project Mgmt — 1 До 26.06 Zhukova в декрете → возвращается 26 июня 2026
Design — 3 Под давл. Tselentis + Koshel + Bashinskaya. Нужен +1 Product Designer
Android 4 7 Норма Стабильная команда, рисков нет
Desktop 2 3 Малая Lee + Semyonova + Glushkov. Новая команда, данных мало
🎯Приоритет найма
1
iOS Developer Только 2 разработчика на весь iOS-продукт. Критический bus-factor. Найм не терпит отлагательства.
2
Backend Developer Balashov несёт 65% задач при команде из 2 человек. Нужен Middle/Senior для распределения нагрузки.
3
AI Engineer / ML Engineer 1 человек в Aloha AI при стратегическом фокусе на AI-продукты — несовместимо с амбициями.
4
Product Manager Zamorov один на весь продукт. AI помогает, но 1 PM = узкое место для роста.
5
Product Designer Design команда 3 человека при растущем продукте (новые платформы: Desktop, AI). Нужен +1.
6
Content / Growth Manager Маркетинг execution лежит на CMO + ASO Manager. Нужен исполнитель контента и аналитики роста.
4 · Дополнительные выводы
📋Качество данных
✕
Dev AI Effectiveness не обязательное поле — заполняется ~35–80% в зависимости от команды. Без полных данных нельзя оценить AI-эффект по Android.
✕
BD & Marketing нет данных за 2025 — Space создан в январе 2026. Корректное сравнение до/после AI невозможно.
!
iOS/Android задачи не пагинированы до конца — 300+ задач/период. Данные — оценка снизу.
→
Сделать поле Dev AI Effectiveness обязательным для всех закрываемых задач во всех командах.
🗓Что проверить в конце 2026
26 июня 2026
Zhukova возвращается. Снять нагрузку с Sizemov, пересмотреть распределение задач.
сентябрь 2026
Промежуточный ревью AI-эффекта. Android Q3: поле обязательное — первые чистые данные. Сравнить с Q1.
декабрь 2026
Полный годовой анализ. 12 мес. данных 2026 vs 12 мес. 2025. Статистически значимое сравнение по всем командам.
Q1 2027
ROI решение. На основе полного года принять решение по расширению / оптимизации AI-инструментов и команд.
💡Стратегические рекомендации
✓
Зафиксировать AI-практики Backend как эталон. 80% fill rate + документирование применения = основа для масштабирования на другие команды.
✓
AI-онбординг для новых сотрудников. При найме iOS dev / Backend dev / AI Engineer — сразу включать AI-инструменты в onboarding, не ждать «когда разберётся».
→
Ввести AI Champion в каждой команде — человек, отвечающий за best practices AI-применения, обучение коллег и заполнение метрик.
!
Desktop команда — под наблюдение. Новая команда (3 чел) без исторических данных. Установить AI-трекинг с первого дня.
★
Главный вывод: AI не заменяет людей — он увеличивает ценность каждого человека. Именно поэтому bus-factor при малых командах стал ещё опаснее.

На основе данных: ClickUp MCP API · Productivity vs AI · Dev AI Effectiveness · Team Metrics · Management Productivity · май 2026