Источник
OpenAI's head of platform engineering on the next 12-24 months of AI
Разбор выпуска Lenny's Podcast с Sherwin Wu про agentic SDLC, управление AI-агентами и инженерные изменения на горизонте 12-24 месяцев.
Источник
OpenAI's head of platform engineering on the next 12-24 months of AI
Разбор выпуска Lenny's Podcast с Sherwin Wu про agentic SDLC, управление AI-агентами и инженерные изменения на горизонте 12-24 месяцев.
OpenAI's head of platform engineering on the next 12-24 months of AI
Интервью Sherwin Wu о том, как меняется роль инженера в эпоху AI-агентов: от ручного кодинга к управлению параллельными агентными потоками, AI-предревью PR и пересборке SDLC-метрик на уровне команды и платформы.
Формат
Интервью / подкаст
Дата выпуска
12 февраля 2026
Гость
Sherwin Wu (OpenAI)
Фокус
Agentic SDLC и Platform Engineering
Кто участвовал
Sherwin Wu
Руководитель платформенной инженерии для OpenAI API / Developer Platform. В разговоре фокусируется на практиках AI-native разработки, операционной модели engineering-команд и горизонте изменений на 12-24 месяца.
Lenny Rachitsky
Ведущий Lenny's Podcast. Интервью построено вокруг измеримых сигналов adoption AI: скорость ревью, throughput PR, организационные барьеры внедрения и роль лидеров.
Ключевые тезисы выпуска
Adoption
AI становится default-инструментом разработки
В выпуске отдельно отмечается высокий ежедневный уровень использования Codex и смещение фокуса инженеров от ручного написания кода к работе с агентами.
Throughput
Power-users создают больше PR
Разница в output между теми, кто системно освоил агентный workflow, и остальными инженерами растет и становится заметной на уровне команд.
Parallelism
Инженер управляет 10-20 параллельными потоками
Ключевая компетенция смещается к декомпозиции задач, контексту и оркестрации нескольких агентных тредов одновременно.
Review
AI-предревью ускоряет цикл PR
Практика prereview через Codex до human review снижает время чтения PR и помогает быстрее отсечь очевидные проблемы.
Architecture
"Models eat scaffolding"
Временные прослойки вокруг моделей (агентные фреймворки, обвязки, костыли) могут быстро устаревать, поэтому их важно проектировать как удаляемые.
Org Change
Внедрение AI - это социотехническая задача
Top-down приказ без bottom-up принятия часто дает слабый эффект. Рабочий путь - tiger team и короткие циклы проверяемых экспериментов.
Практический playbook на 12-24 месяца
- Перейти от одиночной работы к параллельным микро-задачам с агентами.
- Сделать AI-предревью обязательным шагом до human review для каждого PR.
- Держать quality-gates: тесты, линтеры, типизацию, security-checks.
- Пересобрать метрики: cycle time + defect rate + стоимость сопровождения.
- Запустить tiger team для масштабирования рабочих паттернов внутри компании.
- Проектировать AI-обвязки как временные компоненты с планом удаления.
Ограничения и риски
- Рост числа PR и скорость ревью не гарантируют рост продуктового импакта без контроля качества.
- Агентный параллелизм увеличивает когнитивную нагрузку и требует дисциплины в контексте задач.
- Часть scaffolding-слоев все равно нужна для security, compliance и воспроизводимости.
- Практики AI-native компаний не всегда переносятся в enterprise-контекст без адаптации процессов.