Джун с AI-агентом закрывает задачи быстрее, PR проходят ревью, метрики радуют. Но на первом серьёзном инциденте выясняется: разработчик плохо понимает устройство сервиса, над которым работал месяцами. Это не редкость: агент подсказывает синтаксис и шаблоны, но не формирует ментальную модель системы. Разберём, какие ошибки в онбординге приводят к такому результату и что делать, чтобы вырастить самостоятельного инженера.

Почему скорость не равна пониманию

AI-агент снижает порог входа в код: он предлагает готовые фрагменты, объясняет ошибки, генерирует тесты. Джун быстрее проходит путь от задачи до PR. Однако понимание архитектуры, потоков данных и причинно-следственных связей требует усилий: чтения кода, отладки, разбора инцидентов. Если агент закрывает пробелы, не заставляя думать, новичок привыкает к поверхностному решению. На инциденте, где нужно быстро локализовать проблему в незнакомой части системы, этого навыка не хватает.

Типичные ошибки руководителей при онбординге

  • Оценка только по выходу. Считают закрытые задачи и скорость ревью, не проверяя глубинное понимание.
  • Отсутствие разборов. Не проводят сессии, где джун объясняет свои решения и их влияние на систему.
  • AI-агент как единственный источник знаний. Не дают доступа к документации, дизайн-документам, историческим инцидентам.
  • Инциденты без участия джуна. Новичка не подключают к разбору, он не видит, как ищут причину.
  • Нет постепенного усложнения. Сразу дают задачи с агентом, минуя этап ручного анализа кода и отладки.

Что помогает вырастить самостоятельного инженера

Сначала — диагностика понимания. Попросите джуна нарисовать схему сервиса и объяснить, как задача, которую он закрыл, влияет на соседние компоненты. Если он затрудняется, это сигнал. Далее — регулярные разборы: раз в неделю 30 минут, где джун рассказывает, что сделал, почему выбрал такое решение и какие альтернативы рассматривал. Важно, чтобы он отвечал без подсказок агента.

Подключайте новичка к разбору инцидентов с первого месяца. Пусть сначала наблюдает, затем готовит таймлайн, а потом и предлагает гипотезы. Это учит системному мышлению. Ограничьте использование агента на этапе анализа: например, запретите генерировать код до того, как джун напишет план и объяснит его. Агент — инструмент, а не замена мышлению.

Практические шаги для руководителя

  • Введите «чек-лист понимания»: после каждой задачи джун отвечает на 3 вопроса о влиянии изменений на систему.
  • Проводите парное программирование без AI-агента: так вы видите, как новичок думает.
  • Дайте доступ к внутренней базе знаний и попросите джуна поддерживать её в актуальном состоянии по своей части.
  • Устройте симуляцию инцидента: например, сломанный тест или ошибка в логах — пусть джун найдёт причину.
  • Оценивайте не только скорость, но и качество объяснений: на ревью просите обосновать выбор решения.

AI-агент не враг, но он не должен становиться костылём. Задача онбординга — не ускорить закрытие задач любой ценой, а сформировать инженера, который понимает систему и может действовать самостоятельно, когда агент бессилен.