Planning Poker в эпоху ИИ: почему ручная оценка задач остается незаменимой

Скорость кода обогнала скорость оценки

ИИ уже глубоко интегрирован в работу разработчиков, тестировщиков и продактов. Модели объясняют сложный код, генерируют тесты, превращают сырые идеи в структурированные пользовательские истории. Казалось бы, оценка сложности задач должна стать полностью автоматизированной: загрузил описание в нейросеть – получил точную оценку. Однако на практике планирование спринта (рабочего цикла команды на 1-2 недели) остается ритуалом, где команда садится за стол для дискуссии. Даже если каждую задачу предварительно пропустили через нейросеть.

Сервисы вроде PlanITPoker демонстрируют потенциал автоматизации: они создают виртуальные комнаты для Agile-команд, импортируют задачи из Jira через CSV/XML, поддерживают онлайн-голосование. Но новички часто сталкиваются с проблемой: без понимания механики Planning Poker дальнейшее обсуждение теряет смысл. Этот метод не сдает позиции, и тому есть веские причины.

Почему подготовка ускорилась, а оценка – нет

Разработчик за минуту получает от нейросети разбор незнакомого модуля. Аналитик превращает сырые требования в десяток уточняющих вопросов. Продакт создает черновик пользовательских историй за вечер, что раньше занимало целый день. С подготовкой бэклога (списка задач) нейросеть справляется превосходно.

Но оценка сложности – это не только описание задачи. Это комплексный контекст: состояние кода, уровень технического долга, загрузка команды, уязвимости архитектуры, внешние зависимости, опыт прошлых спринтов. Эти данные редко попадают в карточку задачи и почти никогда – в промпт для нейросети.

В результате подготовка задач ускорилась в разы, а само планирование как процесс практически исчезло. Командам приходится поддерживать два разных темпа одновременно.

За что голосуют четверо за одну задачу

Рассмотрим реальный пример. Задача: «Подключить новый платежный шлюз». Команда поднимает карты Planning Poker.

• Разработчик ставит 13 очков. Он помнит историю обвала таймаутов в этом модуле.
• Тестировщик ставит 5: предыдущий шлюз подключали по аналогичному сценарию.
• Аналитик ставит 8: документация партнера размыта, требуются уточнения.
• Продакт ставит 3: в его видении задача выглядит простой.

При открытии карт оказывается: никто не ошибся – они оценивали разные аспекты одной задачи. Нейросеть этого «не помнит». Для нее каждая задача начинается с чистого листа и выглядит чище, чем в реальности. Она предупредит об отсутствии сценария ошибки или о чрезмерном размере задачи, но не учтет ретроспективу команды.

Planning Poker: голосование с открытыми картами

Механика проста: участники получают задачу, уточняют детали, независимо выбирают оценку на картах. Одновременное открытие выявляет расхождения. Если оценки совпадают – задача понятна команде. Если кто-то поставил минимальное значение, а кто-то максимальное – это сигнал о скрытом риске.

Далее следует обсуждение. Команда сравнивает взгляды на одну задачу: цель – не угадать «правильную» цифру, а выявить неопределенности. Без этого структура спор сводится к мнению самого громкого участника.

В распределенных командах формат особенно ценен. Устное обсуждение по видеосвязи часто превращается в монолог доминирующего участника. Независимое голосование выравнивает дискуссию и вовлекает всех.

Где нейросеть полезна до встречи

Оптимальный сценарий с ИИ начинается на этапе подготовки бэклога. Нейросеть снимает рутину: приводит описания к единой структуре, предлагает уточняющие вопросы, разбивает крупные задачи, ищет зависимости, готовит черновики критериев приемки, отмечает расплывчатые формулировки.

Практический пример: задача «Добавить персональные рекомендации в интерфейс». Бизнесу понятно, разработке – нет. Какие данные использовать? Где отображать рекомендации? Как измерять качество? Что делать при недостатке данных? Нейросеть превращает этот текст в 10 конкретных вопросов за 2 минуты, экономя час встречи.

Но дальнейшая обработка требует участия живых экспертов.

Почему финальная цифра остается за командой

ИИ и Planning Poker дополняют друг друга. Один готовит материал, второй проверяет его реалистичность.

Представим: нейросеть разбила большую задачу на 4 части. Команда оценивает каждую:

• Две части оказываются простыми.
• Третья зависит от внешнего сервиса, недавно изменившего API.
• Четвертая требует модификации старого кода с высоким риском.

Если команда слепо примет ИИ-декомпозицию, риск выйдет из-под контроля. Сила человеческой оценки – в спорах. Расхождение в карточках часто вскрывает скрытую сложность лучше любого описания.

Один спринт от начала до планирования

Типичная неделя подготовки:

1. Понедельник: Продакт собирает задачи для спринта. Нейросеть приводит карточки к структуре: цель, сценарий, критерии приемки. Модель отмечает расплывчатые формулировки типа «сделать удобный интерфейс».
2. Вторник: Команда анализирует карточки. Разработчик оставляет комментарии: «зависимость от устаревшей библиотеки», «требуется аудит безопасности». Тестировщик отмечает отсутствие сценария ошибки.
3. Среда: Планирование спринта. Команда оценивает задачи по очереди. Совпадения обрабатываются быстро, расхождения – в споре. Разработчик объясняет, почему задача сложнее, чем кажется аналитику; тестировщик добавляет сценарий, который забыли описать.

ИИ сэкономил час на подготовке, команда – два часа на встрече. Оценка получена честно.

Что взять в следующий спринт

ИИ меняет подход к планированию, но не отменяет его. Он эффективен на этапе подготовки: декомпозиция, критерии, поиск пробелов. Оценку сложности по-прежнему выполняют люди, знающие код и реалии команды.

Особый случай – задачи по машинному обучению, аналитике данных и интеграциям. Качество модели, поведение на реальных данных, сюрпризы внешних сервисов выясняются только в процессе работы. Здесь используют временной бокс: например, «2 дня на сравнение 3 подходов». ИИ помогает сформулировать гипотезы, но сроки определяет команда.

Главная ловушка – иллюзия ясности. Когда задача аккуратно расписана нейросетью, легко принять ее за понятную. Planning Poker эту иллюзию разрушает. Согласие в карточках подтверждает понимание, расхождение – сигнал к обсуждению скрытых рисков.

Идеальный результат достигается, когда нейросети усиливают Agile-практики, а не заменяют их. ИИ готовит почву для планирования, команда превращает подготовку в реалистичный план.