«Агенти — виконавці, люди — супервайзори»: як United Tech перебудувала роботу команд з AI
Зранку я відкриваю IDE, де пишу код, і майже вся моя робота далі відбувається там, через Claude. Задачу з Jira разом з усім контекстом мені підтягує агент. Поки я над нею думаю, інший агент розбирає мій Slack: на рутинні питання колег пропонує варіанти відповідей, а я переглядаю і надсилаю. У перевантажені дні він може піти на мітинг замість мене (колеги знають, що на зв'язку агент) і потім підсвічує, де справді потрібне моє рішення.
Я Head of Data Science & AI в United Tech і вже понад 11 років займаюся машинним навчанням. Але так сьогодні працюю не тільки я: AI користуються 98% людей у компанії, від маркетингу до рекрутингу, і дедалі більше роботи збирається в одному вікні.
Поки на ринку йде суперечка про те, кого AI замінить першим, у нас він нікого не замінив. Людина піднялася на рівень вище: рутину роблять агенти, а вона володіє процесом. І ми далі наймаємо, бо беклог ідей у нас завжди був довшим, ніж ми встигали реалізувати.
Окремі люди та команди вже працюють помітно швидше, і тепер наше завдання в тому, щоб у такому ж темпі рухалася вся компанія. Що саме автоматизувати, ми довірили вирішувати тим, хто працює в процесі, тому одні вже прискорилися, а інші тільки починають. Наступна зона росту для нас — синхронізація між відділами.
П'ять вкладок і одне рішення
Ще на початку 2026 року AI у нас жив так само, як у багатьох компаніях. Хтось працював з ним щодня, хтось відкривав раз на тиждень, а дехто не пробував зовсім. Не було єдиного інструмента, і щоб виконати задачу, доводилося перемикатися між багатьма програмами й збирати контекст по шматочках: задача в Jira, макет у Figma, обговорення в Slack, документація в Confluence. За даними статті Harvard Business Review, у командах трьох великих компаній люди перемикаються між застосунками майже 1200 разів на день.
У стратегії на 2026 рік ми записали: «Частину рутинного створення артефактів поступово беруть на себе AI-агенти, а роль людини зміщується в бік супервізії, критичного мислення та прийняття рішень. Агенти — виконавці, люди — супервайзори».
Тож почали з того, щоб у всіх було однаково: один інструмент, доступи через компанію і курси Anthropic для кожного, від розробників до HR. Чутливі дані в загальний сервіс не потрапляють, а правила, погоджені з юристами, ми звели в коротку пам'ятку для кожного. Паролі й ключі не передаємо ніколи, назви продуктів замінюємо умовними, а персональні дані даємо лише знеособлено.
Далі агента треба було навчити ходити туди, де люди насправді працюють. Для цього є MCP — своєрідний міст між агентом і конкретною системою. Ми першими підключили Jira і Slack, згодом Confluence, GitLab, Figma і рекламні кабінети.
Коли ми робили EVP-дослідження, колеги назвали ініціативу знизу однією з головних рис нашої культури. Під час трансформації я зрозумів, що це так і є. Тепер ідеї йдуть від спеціалістів до лідів, ті пріоритезують їх у команді, а до мене доходить лише те, що не вирішити на рівні департаменту. Такі запити ми оцінюємо за системою RICE: скільки людей це зачепить, наскільки змінить їхню роботу, наскільки ми впевнені в ефекті і скільки зусиль піде на розробку та підтримку.
Підписуйтеся на наші соцмережі
При цьому справжня користь з'являється, коли команда працює в спільному проєкті: задачі, документи й рішення лежать в одному місці, і агент кожного учасника бачить ту саму картину. Для remote-first компанії, як наша, це особливо важливо.
Одне вікно на практиці: кейси команд
Жодне з рішень нижче ми не спускали згори. Об'єднує їх одне: агент бачить увесь потрібний контекст в одному місці, тож людині більше не треба збирати його по шматочках.
Розробка
Наш iOS-розробник Олександр раніше переносив дизайн-макет у код вручну. Тепер новий екран починається з одного запиту з посиланнями на макет, специфікацію та API-контракт: агент сам підтягує дизайн, пише код за правилами проєкту і перевіряє збірку. Ці правила Олександр один раз описав у репозиторії, і тепер ними користується вся команда. Тому під час редизайну застосунку майже на 300 тисяч рядків коду кілька агентів працювали паралельно з однаковим розумінням задачі, і нову дизайн-систему зібрали приблизно за три тижні. За цей час 45% модулів перевели на сучасні підходи, а вагу асетів зменшили на 64%. Складнощі теж є: у великих ітераціях агенти втрачають контекст, тому QA вони поки не замінюють.
«Я оцінюю цей підхід на 8 з 10: він вже працює, але ще є що покращувати», — каже Олександр.
Рекрутинг
Усю потрібну інформацію рекрутери тримають в одному спільному проєкті, і агент працює з нею напряму.
Зворотний зв'язок з кандидатом. Після прескріну рекрутер записує свій висновок і враження від зустрічі, а агент допомагає оформити їх у лист. Оцінку дає рекрутер, а агент бере на себе формулювання, тож кожен фідбек спирається на нотатки саме про цього кандидата. Замість 10–15 хвилин це займає 2–3, і здебільшого кандидат отримує відповідь ще в день інтерв'ю.
Start Day Planner. Раніше рекрутер вручну звіряв календар онбордингу, логістику техніки й завантаження HR. Тепер агент сам бачить календар, ліміти команди й дні відпочинку колег і за 2–3 хвилини показує вільні дати на місяць уперед.
Маркетинг
Агент підключений до рекламних кабінетів і зберігає правила аналізу команди між сесіями. Тож Едуард, User Acquisition Manager, отримує аналітику й звіти TikTok-кампаній за одним запитом, і кожен звіт враховує спільний контекст. Команда Ярослава, User Acquisition Manager, пішла далі й запакувала роботу в готові сценарії: скіл відбирає креативи, заливає їх у Google Ads і фіксує запуск, а дослідження аудиторії скоротилося з днів до годин. Будь-хто в команді може запустити той самий процес з тією ж якістю.
Від виконавця до власника процесу
На наших трансформаційних мітингах я часто чую: «AI знову нагалюцинував». Найчастіше за цим стоїть технічна причина: модель галюцинує через контекст. Або агенту дали забагато зайвої інформації без чіткої задачі, або не дали потрібного, і він добудовує прогалини сам.
Є й інша сторона, людська. AI змінює саму роль, і відпустити звичне уявлення про свою цінність непросто. Цінність зміщується з «вмію написати код» на «знаю, що треба побудувати і навіщо це бізнесу». Тому ми даємо людям можливість володіти процесом від початку до кінця, а не виконувати один крок у чужому.
Результат уже видно: задач закривається більше, а багів у проді за квартал стало на 70% менше порівняно з Q1 2026 завдяки додатковим тестам, автоматичним перевіркам та рев'ю з боку агента. Тепер працюємо над синхронізацією: агенти працюють асинхронно, а процеси між людьми поки ні. Саме ці місця показали нам, куди спрямувати наступні AI-ініціативи: їх теж можна прискорити, просто їм потрібно більше уваги.
Чотири кроки до одного вікна та висновок
Не починайте з питання «який AI-інструмент купити?». Інструмент відповідає на питання «як», а спершу треба розібратися «навіщо»: який бізнес-результат вам потрібен і де вузьке місце. Далі я рухався б у такому порядку:
-
1
Один інструмент і доступи через компанію. Без цього не буде ні спільного контексту, ні безпеки.
-
2
Інтеграції там, де найбільше перемикань. Спершу шукайте готовий MCP, інакше загрузнете в підтримці.
-
3
Спільний контекст. Спільний проєкт команди і спільні скіли дають більше, ніж одне вікно для однієї людини.
-
4
Навчання і точка відліку. Курси для всіх ролей і заміри регулярних задач ще до старту.
Якби мене запитали, що я зробив би інакше, я відповів би коротко: усе те саме, тільки на рік раніше. Почніть хоча б з однієї команди й одного процесу, а далі масштабуйте.