AI-плейбук для Head of Engineering — Copilot adoption + DORA

Після спостереження ~30 Head of Engineering, які rolled out AI-інструменти у компаніях 30-500 людей, мій висновок: провал майже ніколи не про tool. Він про активацію тижня 1 і про те, що ви міряєте на тижні 12.

Чому більшість engineering AI-rollouts глохнуть

Дефолтний патерн провалу: Procurement купує 200 Copilot seats. IT провіжнить. Менеджери надсилають Slack: "користуйтеся". За три тижні використання падає >80% — Microsoft 300k-rollout показав саме цю криву при недостатньому тренінгу. Та сама форма у SMB.

Фікс — не більше ліцензій і не довший календар. Це 5-годинна структурована активація плюс система вимірювань, що розрізняє "AI допомагає" від "AI генерує slop, який ревʼюер зʼїдає".

Definition: DORA — deployment frequency, lead time, change failure rate, MTTR. Чотири метрики, що відрізняють high-performing engineering організації.

90-денний engineering AI-плейбук (шість плеїв)

Tooling — Плей 1: Copilot activation week (5 годин структуровано)

Блокуйте 5 годин у тиждень 1 для кожного розробника. Година 1: жива демка на репо команди. Година 2: hands-on з 3 реальними тікетами. Година 3: shoulder-to-shoulder з чемпіоном на 1 PR-comment через Copilot Chat. Година 4: 1 unit test, який розробник уникав. Година 5: персональна snippets library. 5-годинний поріг — не довільний: BCG 2025 показав, що програми коротше ~5 годин не дають behavior change.

Activation week структура (на розробника):
H1: Live демка на репо (group)
H2: 3 реальні тікети, hands-on
H3: 1 PR comment, shoulder-to-shoulder з чемпіоном
H4: 1 unit test (з тих, що уникав)
H5: Snippets library + retrospective

Tooling — Плей 2: Cursor / IDE-agent для senior

Senior отримує менше від Copilot autocomplete і більше від agent-style IDE (Cursor, Cline, Aider). Інший плей, інша когорта. Не змушуйте senior використовувати Copilot як junior — дайте agentic tool і нехай ведуть spike-прототипи.

Tool tip (Course for Business): Наша 6-week program проводить engineering activation як Shoulder-to-Shoulder hot seats. Кожен інженер пара з чемпіоном 90 хвилин на власному backlog. Принцип — Augment, don't replace: Copilot пропонує, інженер вирішує; merge-кнопка — за людиною. Engineering команди вдаряють productivity dip день 8-10, і саме champion-led labs тиждень 2-3 витягують їх. course.aiadvisoryboard.me/business.

Review quality — Плей 3: AI-assisted PR review (advisory)

Налаштуйте Copilot чи аналог коментувати кожен PR структурованими findings: missing test coverage, complexity hotspots, security smells. Критично: AI-коменти — advisory. Людина-ревʼюер вирішує. Це ловить те, у чому AI good (формальні патерни) без потоку шуму.

Review quality — Плей 4: explicit "AI-generated code" policy

Інженери тегують PR 1-line нотаткою, коли AI згенерував >30% diff. Не для сорому — для аналітики. Ви хочете знати change-failure-rate AI-heavy PR vs human-only через 90 днів. Більшість команд не знаходять різниці. Ті, хто знаходять, зазвичай тягнуть це до недостатнього test coverage на AI-коді — це fixable training-проблема.

DORA — Плей 5: інструментуйте before/after, не vibes

Виберіть baseline тиждень до активації. Захопіть deployment frequency, lead time, change-failure-rate, MTTR. Знов на тижні 6 і 12. Якщо нема руху по lead time, але +15-25% на deployment frequency — це нормально: Copilot прискорює індивіда, але не лагодить system-level bottlenecks (review queues, deploy windows). Метрика, яку найважче рухати — найдіагностичніша.

DORA — Плей 6: guardrails change-failure-rate

Якщо CFR піднімається тиждень 4-6, причина майже завжди — недо-тестований AI-код, що мерджиться у productivity-dip. Фікс: затягнути test-coverage gates перед розслабленням ревʼю для AI PR. Тут більшість rollout-ів панікує і вимикає; чемпіони мають провести команди крізь dip.

Team scan (what AI champions report after week 1)

• 95%+ same-day activation при правильно проведеній 5-годинці.
• Junior повідомляють більший uplift, ніж senior (Harvard-BCG: +43% для junior vs +17% senior).
• 5-7 PR, які пішли б без Copilot, тепер ревʼюються з AI-assisted коментами.
• 1-2 senior просять Cursor/agent-tool ліцензії самі.
• Тиждень активації ловить 1-2 розробників, які відмовились — позначені для follow-up, не покарання.
• Test coverage на AI-tagged PR моніториться окремо вперше.
• Чемпіони ведуть 30-хв тижневу клініку; добровільна, але стабільно повна.
• Час очікування code-review падає, бо ревʼюер бачить AI-comment context на старті.
• 1 інженер тихо припиняє використовувати особистий ChatGPT для коду (санкціоноване швидше).
• Head of Engineering вперше має DORA baseline, якому довіряє.

Tool tip (Course for Business): Engineering-орги тримають AI Champions (1:15-20) ratio — для 100-інженерної команди це 5-7 чемпіонів через senior IC і engineering managers. Champion-модель — це міст з Atos-патерну "300 early Copilot licenses → 15 000 trained employees". Наша 6-week program збудована навколо цього. course.aiadvisoryboard.me/business.

Micro-case (що змінюється за 7-14 днів)

Типова 80-інженерна SaaS-команда: тиждень 1 — структурована 5-годинка по всіх 80; same-day activation ~95%. Тиждень 2 — AI-assisted PR comments увімкнені; PR review wait time падає ~25%. Тиждень 3 — AI-tag policy live; перший cut аналітики на тижні 6. Тиждень 6: deployment frequency +20%, lead time приблизно flat (review queue), CFR стабільний. Тиждень 12: lead time нарешті рухається, коли команда адресує review-queue bottleneck — окреме від AI, але AI це підняв на поверхню. Head of Engineering повідомляє IBM-патерн: ~1.5-2x повернення на tool spend за 90 днів, переважно у junior-продуктивності та редуцированому PR cycle time.

Note on this case: This example is illustrative — based on typical patterns we observe with companies of 30-500 employees, not a single named client. Specific numbers are rounded approximations of common ranges, not guarantees.

FAQ

Copilot, Cursor чи обидва?

Copilot для широкої команди; Cursor (чи інший agent IDE) для senior і spikes. Не примушуйте один tool. Stack-rank там, де кожен emp_strongest.

А open-source self-hosted моделі для коду?

Корисно при regulated workloads чи строгій data-residency. Performance reasonable, але операційний cost (GPU, on-call) переважно перекриває економію ліцензій для 30-500-людей. Default — commercial, якщо compliance не змушує інше.

Як працювати з 89%-past-the-dip retention?

Microsoft internal: 89% користувачів, що пройшли productivity dip, активні через 20 тижнів. Висновок: dip (день 8-15) — ваш ворог, не tool. Champion-led клініки тиждень 2-3 — як його пройти.

Чи буде Copilot шипити security-vulnerabilities?

Може — як junior. Мітигуйте AI-tag policy, test-coverage gates і SAST/SCA у CI. Сигнал change-failure-rate — ваш tripwire, не vibes.

Це перетинається з вашим daily-management продуктом?

Daily-management OS показує team-level патерни роботи (включно з engineering). Вище — що Head of Engineering робить у своїй функції. Обидва корисні, але CTA окремі.

Висновок

Head of Engineering, що провів структуровану активацію, advisory review tooling, AI-tag policy і DORA-інструментоване вимірювання — за 90 днів — побудував єдиний rollout, що компаундиться. Решта — RFP-театр.

Якщо хочете, щоб кожен інженер запустив свою першу AI-автоматизацію за 5 днів — забронюйте 30-хв дзвінок: course.aiadvisoryboard.me/business.