Правила больше не работают: нестандартные методы повышения эффективности команды в ИТ

Большинство компаний пытаются повысить эффективность команды через контроль, регламенты и штрафы. Результат — сотрудники имитируют деятельность, ошибки замалчиваются, а реальные проблемы уходят в тень. И руководители находят нестандартные подходы, где ошибки становятся топливом для обучения, бюрократия заменяется предсказуемостью, а каждый сотрудник — от разработчика до бухгалтера — включён в систему оптимизации.

Герои материала поделились своим опытом внедрения нестандартных методик в работу: как выстроить корпоративную культуру через разбор реальных провалов, почему каждому сотруднику полезно написать робота и как распределять задачи по психотипу.

ЧИТАЙТЕ В МАТЕРИАЛЕ:

Архитектура предсказуемости: как убрать бюрократию и дать командам автономию

Мы сознательно инвестировали не в контроль, а в предсказуемость системы. Ключевой инструмент — регулярные PI-планирования: раз в квартал команды синхронизируются по целям, зависимостям и ресурсам на уровне всей компании. Это позволяет резко сократить количество согласований в процессе — большинство решений принимается «на старте», а дальше команды двигаются автономно.

Вторая важная вещь — радикальное упрощение бюрократии. Мы убрали лишние слои согласований и оставили только те, которые реально влияют на бизнес-результат. В итоге скорость принятия решений выросла, а ответственность стала более персонализированной. По сути, мы повышаем эффективность не через давление на людей, а через архитектуру процессов: когда у команды есть ясный контекст, прозрачные приоритеты и минимум трения, она работает быстрее и точнее без дополнительных усилий.

Три кита: проектное планирование, единая точка входа и применение ИИ

В работе с техническими командами мы используем три нестандартных подхода. Первый — проектное планирование по стандарту PMBOK с «техническим бутстрапом». Традиционную схему мы дополняем этапом «инженерной пристрелки», когда главный инженер с командой еще до старта работ моделирует все технические зависимости. Такой подход на 30% сокращает количество переделок и позволяет гарантировать точные сроки.

Второй — единая техническая точка входа. Задачи исполнителям ставит не менеджер, а главный инженер проекта — специалист, глубоко владеющий предметной областью. Он разбивает сложную задачу на понятные инженерные блоки и формулирует четкие критерии приемки. Это исключает длинные цепочки уточнений и повышает предсказуемость результата.

Третий — автоматизация на базе искусственного интеллекта. Мы используем ИИ-инструменты, чтобы анализировать разделы документации, выполнять вычитку, проверять полноту данных, а также адаптировать и переносить информацию между разными типами документов с учетом необходимых изменений структуры. Это освобождает инженеров от рутинной бумажной работы и позволяет им сосредоточиться на содержательных задачах.

Корпоративный ИИ как инструмент повышения эффективности

Для повышения эффективности работы команды мы внедрили многоуровневую AI-платформу. На базовом уровне все сотрудники получают доступ к корпоративным моделям через интерфейс или API. Если этого недостаточно, команды могут создавать собственных AI-агентов или использовать готовые с подключением RAG по внутренним базам (Wiki, система управления задачами, GitLab, CMDB) и MCP.

Также выделили отдельное направление — централизованные AI-агенты в ключевых процессах: разработке, тестировании и системном анализе. Основные сценарии использования агентов: документирование API и данных, помощь в код-ревью, поиск инцидентов и исправление багов.

Эффект заметен уже сейчас — ускорился поиск и устранение ошибок. Важно, что все решения работают внутри компании: данные защищены, а команда тратит меньше времени на рутину. А регулярные практические воркшопы помогают поддерживать внедрение.

Изменение подхода: публичные обсуждения и детализация этапов

В нашей компании на результат сильно повлияли не новые инструменты, а изменение самого подхода к работе с задачами.

Неочевидно, но большой эффект дала публичность. Мы ввели кросскомандные демо: раз в две недели все показывают, что сделали, не только внутри разработки, а всей компании. Это убрало ситуации, когда задача формально закрыта, но не доведена до рабочего состояния. Появился фокус на конечном результате.

Еще один момент — детализация этапов задачи. Когда статусы слишком общие, создается ощущение движения, хотя задача может просто ждать. Мы разбили процесс на более точные этапы и начали отслеживать, где именно возникает задержка. Так стало понятно, где реальные узкие места.

И отдельно — требования к задачам на входе. Пока нет внятного сценария и ожидаемого результата, задача не берется в работу. Это резко сократило количество возвратов и «переделайте, мы не это имели в виду».

Вместо контроля результатов – проверка отклонений на каждом этапе

Вместо классического контроля «сколько продали» мы отслеживаем отклонения. Например, есть ли необработанные заявки, зависшие задачи или клиенты без ответа. Если таких отклонений нет — значит система работает нормально. Если появляются — сразу понятно, где проблема и что нужно исправить.

Второй подход — смотреть не только на итоговую выручку, а на всю воронку целиком. Мы считаем план и факт на каждом этапе: сколько заявок пришло, сколько дошло до сделки, где теряются клиенты. Это позволяет быстро увидеть слабое место, а не разбираться уже после провала.

Еще один рабочий инструмент — оценка звонков по понятным критериям. Мы не просто слушаем разговоры, а переводим их в цифры: задал ли менеджер нужные вопросы, понял ли задачу клиента, зафиксировал ли следующий шаг. Так становится видно, что именно влияет на результат и где поднять эффективность.

В итоге рост дает не увеличение количества действий, а понятный и управляемый процесс, где видно, что происходит на каждом этапе.

Управление через психотип, вместо равномерной загрузки

В небольших командах пентеста фактором эффективности становятся не только инструменты и техники, но и организация работы специалистов на основе глубокого понимания их личности, характера, талантов и способов мотивации. Я использую ряд практик, которые помогают сохранять продуктивность, глубину исследований, хороший климат в команде и мотивацию пентестеров.

Я придерживаюсь принципа «защищенного контура работы команды» - это значит, что постановка задач моим специалистам на 95% происходит через меня. На уровне топ-менеджмента или коллег могут быть просьбы, если у ребят есть свободное время, и я дам «зеленый свет». Дело не только в том, что «айтишники» - интроверты, и работа белых хакеров требует концентрации. Такой подход защищает экспертов от переключений на небольшие просьбы и позволяет сосредоточиться на проектах и поиске сложных уязвимостей.

Я стараюсь учитывать сильные стороны каждого специалиста. Я знаю, кто лучше работает с эксплуатацией уязвимостей, кто сильнее в анализе инфраструктуры и исследовательской работе, кто лучше продумывает социотехнические учения (фишинг и вишинг*), а кто готов их провести (да, мы такое тоже делаем). Например, глубокому интроверту обзвонить 50 сотрудников клиента с целью выманить пароль будет тяжелее, чем общительному коллеге. Благодаря этому задачи распределяются не только по загрузке, но и по компетенциям, что ускоряет выполнение проектов и сохраняет мотивацию.

Роботизация как тренажёр: почему каждый сотрудник должен написать своего бота?

Мы не хотим быть сапожником без сапог, поэтому, подход, который мы практикуем: каждый сотрудник компании, не только разработчики, но и маркетинг-менеджеры, аналитики, специалисты по продажам, HR и даже бухгалтер, по возможности должны иметь опыт работы над созданием программного робота. Наша платформа Sherpa RPA позволяет автоматизировать рутинные операции: перенос данных между системами, обработку документов, формирование отчетов и многое другое. Я прошу каждого сотрудника найти процесс, который отнимает у него много времени и сил, и автоматизировать его. Не у всех все получается, но в результате команда начинает мыслить категориями оптимизации и намного лучше понимает сам продукт.

Примерно то же самое происходит с другой нашей разработкой - Sherpa AI Server. Это платформа для развертывания больших языковых моделей внутри корпоративного контура, без передачи чувствительных данных во внешние ИИ. Мы развернули её внутри компании и открыли доступ для повседневных задач: подготовки документации, анализа данных, генерации идей. Поскольку всё работает локально и информация никуда не уходит, у людей получается лучше взаимодействовать с ИИ. Они спокойно загружают внутренние документы и клиентскую информацию, а значит, используют этот инструмент на порядок активнее, чем если бы работали с внешними сервисами. Для нас это и инструмент повышения производительности, и уникальная тестовая площадка. Мы получаем бесценный опыт, как реальные пользователи взаимодействуют с ИИ в рабочих условиях, и учитываем это при дальнейшем развитии платформы.

Как системный разбор ошибок меняет поведение команды

Если говорить про нестандартные методики, то мы применяем подход, который называем «ноль факапов». Он строится вокруг простой идеи: ошибки — это не случайность, а результат условий и все действия сотрудников должны строиться на поддержании и соблюдении условий нулевой терпимости к провалам, будь то сорванные сроки или потеря качества.

Подход родился не из теории, а из довольно болезненного опыта. Как и у любой компании у нас случались ситуации, которые стоили нам клиентов из-за цепочки мелких ошибок: разработчик вовремя не эскалировал проблему, менеджер сформировал ложные ожидания у клиента, коммуникация «застряла» между несколькими уровнями. По отдельности, возможно, в этом нет ничего критичного, но в совокупности это приводит к финансовым и репутационным потерям.

Сначала мы пытались решить это регламентами и автоматизацией: жестко прописывали правила, внедряли бизнес-процессы, ограничивали действия. Потом обучали: устраивали внутрикорпоративные тренинги, митапы с разборами проблемных ситуаций, украсили офис плакатами с центрирующими парадигмами Фридмана. Но это работало плохо. Люди не читали правила, и все равно действовали по-своему. Тогда мы поменяли сам подход: перестали учить как правильно и начали разбирать реальные ошибки и копить базу знаний. Например, типичная ситуация: разработчик добавляет к задаче дополнительную функциональность «из лучших побуждений», чтобы улучшить пользовательский опыт. В результате это приводит к цепочке доработок, затянутой приемке и конфликту с заказчиком. Формально он сделал «лучше», но по факту нарушил границы задачи и создал проблему. В менеджменте это давно изученный антипаттерн. Нужно было понять, как не позволять людям учиться каждый раз на собственных ошибках. В итоге мы собрали полноценную систему обучения: курс, построенный на реальных кейсах, с проверкой через вопросы. Финальный этап — разбор реальной ситуации, где нужно не просто знать правильный ответ, а показать понимание. Такой формат нельзя пройти формально: нужно продемонстрировать комплексное понимание причинно-следственных связей. И именно это меняет поведение команды. Люди начинают раньше задавать вопросы, корректно работать с ожиданиями и не допускать критических ошибок на уровне коммуникации.

Теперь у всех сотрудников общий понятийный аппарат. Через очень простую фразу мы теперь можем до них доносить сложные концепции. Через год после внедрения мы увидели ощутимый эффект, люди стали лучше следовать регламентам и соблюдать процессы, потому что они теперь понимают глобальный контекст, почему есть те или иные требования к работе. Не ставя перед собой такой цели первоначально, мы одним разом решили еще и сложный вопрос корпоративной культуры. Корпоративная культура для нас — это не совместные выезды на природу или какие-то другие мероприятия, направленные на сплочение коллектива, а прозрачная система координат, в которой любой сотрудник понимает за что его могут поощрить, а за что наказать.