Поделюсь опытом внедрения единого сквозного процесса Spec-Driven Development в работу аналитиков, разработчиков и QA на крупном проекте — это фронтенд- и бэкенд-монолиты с большой историей и набор микросервисов вокруг них. Процесс работает в продакшене уже несколько месяцев.
Расскажу, как мы решали проблемы взаимодействия внутри команды и с бизнесом, общего контекста, формата требований (от use case до Gherkin) и кастомизации воркфлоу под корнер-кейсы процессов.

Разберём продукт созданный от корки до корки при помощи вайбкодинга в нескольких ИИ системах (начиная от Figma, заканчивая Cursor). Покажу качество и скорость которой удалось добиться. Подсвечу риски.
Это веб-проект. Создана система управления роумингом крупного оператора связи (проект ЗОКИИ — значимый объект критической информационной инфраструктуры). Включены все уровни: фронт-енд, бэк-енд, БД, контейнеры.

Разберём, в каких случаях автоматизация процессов с помощью AI действительно помогает командам разработки и тестирования, а где ожидания пока не совпадают с реальностью.
Покажем, как можно автоматизировать подготовку тестовой документации и с какими ограничениями сталкиваются команды на практике.
Рассмотрим подход к автоматической генерации E2E-тестов на Playwright + TypeScript с использованием больших языковых моделей.
Обсудим, как качество и структура промптов влияют на итоговый код, стабильность тестов и количество ручных доработок.
Сравним популярные LLM с точки зрения задач тестовой автоматизации: качества генерации, предсказуемости и удобства в реальной работе.
Покажем, как использовать Playwright MCP в сценариях генерации и поддержки тестов.
Поделимся подходами к измерению эффективности AI-инструментов и покажем реальные примеры сокращения времени на написание и поддержку тестов.
Разберём удачные и неудачные практические кейсы: что действительно сработало в production-процессах, а что пришлось пересматривать или отказаться использовать.

Поговорим про то, как ИИ активно входит в жизнь команды разработки, обсудим триггеры, которые заставляют разработчиков сопротивляться переменам. Ответим на главный вопрос, который мне задают на всех конференциях разные люди от СТО до разработчиков: «Андрей, почему люди так сопротивляются агентской разработке с ИИ?».
На реальных примерах и моей менеджерской истории обсудим эти вопросы. И глазами инженера посмотрим на происходящее, чтобы понять, что с этим делать.

Мы разберём одну задачу: но для начала создадим 2 скилла (обычный и который будет вас опрашивать и потом на основании ваших ответов решать задачу). Покажу, как подключить MCP для Atlassian и как можно задавать задания без чтения данных по API напрямую.
А затем в realtime: проанализируем связку из нескольких страниц в Confluence; сопоставим с требованием в задачке из Jira; оформим план работ; отдадим выполнение работ нашим скиллам; сверим уже с вами вместе, что получилось на выходе.
В чём будет заключаться работа: проанализировать разные источники данных в рамках задачи; найти в них противоречия; составить набор вопросов для разработки и аналитика, чтобы разрешить противоречия, и оформим это в отдельную страницу Confluence; протестируем задачку по плану от ИИ; оформим репорт о проведённой работе и зафиксируем свой результат комментарием к задаче в Jira.
У ребят будет возможность наблюдать за работой. Желательно, чтобы группа была небольшой. И, разумеется, воркшоп нельзя снимать.