Realizacja · Transformacja AI · B2B SaaS · 2025–2026
Zmienić organizację, żeby inwestycja w agentów AI się zwróciła.
Wiosną 2026 roku firma B2B SaaS z ok. 100 inżynierami postawiła sobie cel: z agentami AI dowozić dużo więcej i dużo szybciej. Założenie: najpierw musi zmienić się organizacja, bo inaczej inwestycja w agentów się nie zwróci. Prowadziłem tę zmianę od środka firmy. Oto co się zmieniło, co to dało i gdzie praca wciąż czeka.
- 34 → 16
- dni, mediana cycle time epika produktowego
- 55 → 37
- dni, najwolniejsza szósta część epików (85. percentyl)
- 43% → 78%
- epików produktowych mieści się w docelowych 30 dniach
- 2 → ≈52
- inżynierów AI-native na ok. 100, kwiecień → lipiec 2026
Punkt wyjścia
Praca czekała przy każdym przekazaniu.
Od komponentów do całego produktu
Śledziliśmy organizację na mapie Org Topologies: jaką część produktu ma jednostka (wiersze) względem tego, na ile jest cross-funkcyjna (kolumny).
- Połowa 2024 · Y2 / A2. Zespoły odpowiadają za komponenty. Praca czeka przy każdym przekazaniu między zespołami.
- 2025 · A2 → B2. Klaster odpowiada za proces biznesowy end to end. Praca czeka między rolami wewnątrz klastra.
- 2026 · B3. Pody 1–3 osób odpowiadają za obszar biznesowy end to end. Praca czeka poza podem.
- Dalej · C. Najważniejsze inicjatywy firmy na jakiś czas pożyczają pody.
Nasza droga na mapie Org Topologies
Co się zmieniło
Trzy ruchy, każdy strukturalny.
Każdy inżynier gotowy do roli DRI, czyli osoby bezpośrednio odpowiedzialnej za dany kawałek pracy. Nie po to, żeby każdy pracował sam, tylko żeby żaden pod nie zależał od jednej osoby.
12025 · Odpowiedzialność
Klaster odpowiada za proces biznesowy
- Pilotażowy klaster przejmuje cały proces biznesowy i dostaje od niego nazwę
- Jeden standard pracy: WIP limity, vertical slices, czas na code review, 3 Amigos
- Zespoły oceniają się względem standardowych praktyk uzgodnionych z leadershipem
- Eksperyment z Feature Leadem: jeden inżynier odpowiada za funkcję end to end
Potem praca czekała między rolami wewnątrz klastra: frontend, backend, QA.
22026 · Jednostka, role, DRI
Pody 1–3 osób, jedna rola inżynierska
Org design
- Zespoły 6–8 osób → pody 1–3 osób z agentami
- Frontend + backend + QA → jedna rola inżynierska
- Developerzy → product engineerowie; każdy inżynier gotowy do roli DRI
- DRI dołącza do każdego pomysłu, gdy tylko zaczyna się jego walidacja
Fundamenty
- Codebase podzielony na domeny z publicznymi interfejsami
- Kontekst dla agentów spisany dla każdej domeny
- Dwa miesiące capacity na fundamenty
- Rekrutacja otwarta na inżynierów z dowolnego stacku
Teraz praca czeka poza podem: projektowanie między domenami i bramka release'u.
32026 · Obsadzanie kluczowych inicjatyw
Kluczowe inicjatywy firmy obsadzane w pierwszej kolejności
- Jedna firmowa lista kluczowych inicjatyw, obsadzanych w pierwszej kolejności
- Najważniejsze inicjatywy ściągają pody z dowolnego miejsca w organizacji
- Pody dalej odpowiadają za swój obszar biznesowy; inicjatywy pożyczają je na jakiś czas
Mniej czekania w tej inicjatywie. Otwarte pytanie: kiedy pod wraca.
Co to dało
Praca produktowa przyspieszyła.
Cycle time epika produktowego, dni
Mierzyliśmy output, nie outcome. Celowo, na razie.
Jakość się utrzymała, a wolumen się podwoił
Nie na code review: czas na zmianę się nie zmienił, choć liczba zmian prawie się podwoiła.
Biegłość w AI
Połowa organizacji przeszła na AI-native. Niewiele zespołów orkiestruje.
Pody mogą same wejść na sześć szczebli. Dwa najwyższe wymagają platform, guardrails i adaptacji na poziomie całej firmy.
Inżynierowie AI-native (95%+ zmergowanej pracy z pomocą AI), na ok. 100
Cotygodniowy pomiar na podstawie zmergowanych zmian, kwiecień → lipiec 2026.
- T8 · Agenci na produkcjiPojedyncze osobyCała organizacja
- T7 · Operacje na flocie agentów Cała organizacja
- T6 · OrkiestracjaKilka zespołówDomena
- T5 · Checkpointy i utwardzanie Domena
- T4 · Pętla aż do skutkuWiększość z nasPod
- T3 · Zarządzanie kontekstem Domena
- T2 · Kształtowanie i cięcie pracyWszyscyPod
- T1 · Profesjonalny prompting Jedna osoba
Pasek = ilu z nas pracuje na tym szczeblu (nasz szacunek)Po prawej = kto odpowiada za szczebel
Efekty uboczne
Co jeszcze odblokowali agenci.
Poza wąskim lejkiem rekrutacyjnym
Mocni inżynierowie z dowolnego stacku. Krzywą uczenia się języka biorą na siebie agenci.
Inżynierowie z wieloma specjalizacjami
Jedna rola inżynierska w całym stacku. Luki wypełniają agenci.
Jakość przesuwa się w lewo
Inżynierowie odpowiadają za testy. AI przegląda specyfikacje i zmiany.
Inżynierowie w discovery
Inżynierowie dołączają do discovery dużo wcześniej, nie tylko do delivery. Może to zrobić każdy inżynier.
Szybkie prototypowanie
Klikalne prototypy w prawdziwym produkcie, zanim ktokolwiek zdecyduje, że to budujemy.
Wkład w inne domeny
W kodzie innej domeny łatwo się pracuje. Teraz czeka się na akceptację.
Najważniejsze wnioski
Narzędzia to umożliwiły. Opłaciło się dopiero zorganizowanie pracy wokół nich.
Gotowość: rozwijaj ownerów, nie tylko użytkowników AI
Myślenie produktowe to zadanie każdego, nie tylko byłych team leadów. Kto przejmie tę rolę, decyduje pod.
Bramki: wybieraj je świadomie i wracaj do nich
Każda obowiązkowa bramka to wybór. Daj jej ownera, widoczny czas obsługi i regularne pytanie „czy to nadal ma sens?”
Fundamenty: sprawdź, czy grunt jest gotowy na agentów
Domeny z jasnymi granicami, kontekst, który agenci potrafią przeczytać. Oceń to, zanim zaczniesz skalować agentów.
Więcej realizacji