28 lipca 2026Zaktualizowano Fathy Shalaby14 min czytania
Iluzja szybkości produktu: szybsze wypuszczanie to jeszcze nie postęp
AI skróciło czas budowy funkcji, ale nie czas potrzebny na decyzję, co budować, ani na ustalenie, czy to zadziałało. Framework Trzech Zegarów pokazuje, dokąd przesunęło się twoje wąskie gardło.
Udostępnij
Ten artykuł został przetłumaczony z języka angielskiego. Przeczytaj oryginał
Product velocity to tempo, w jakim zespół zamienia pomysły w zwalidowane rezultaty, a nie tempo, w jakim wypuszcza kod. AI skróciło czas budowania u wielu zespołów, ale nie czas potrzebny na decyzję, co budować, ani na ustalenie, czy to zadziałało. Mierz wszystkie trzy: Zegar Decyzji, Zegar Budowy i Zegar Walidacji. Inaczej szybszy zegar budowy będzie wyglądał jak postęp, choć nim nie jest.
Najważniejsze wnioski
Więcej wyników to nie więcej postępu. W zespołach o dużej adopcji AI programiści zmergowali o 98% więcej pull requestów, ale czas code review wzrósł o 91%, a zyski zniknęły na poziomie firmy (Faros AI, 2025).
Nawet przyspieszenie budowy jest nierówne. Jedno badanie kontrolowane wykazało zadanie wykonane o 55,8% szybciej z AI; inne wykazało, że doświadczeni programiści byli o 19% wolniejsi we własnych repozytoriach, choć sądzili, że są o 20% szybsi (METR, 2025).
Metryki dostarczania kończą się na produkcji. Change lead time z DORA biegnie od commita do wdrożenia (DORA). Nic nie mówi o decydowaniu ani walidowaniu.
Większość wypuszczonej pracy się nie opłaca. Około jedna trzecia pomysłów testowanych w Microsofcie poprawiła metrykę, na którą celowała (Kohavi et al., 2009), a 80% funkcji w przeciętnym produkcie jest używanych rzadko lub wcale (Pendo, 2019).
Wydaj oszczędności z budowy na wolne zegary: więcej discovery przed zobowiązaniem się i twarda weryfikacja rezultatu po premierze.
Czym jest iluzja szybkości produktu?
Zespoły produktowe wypuszczają więcej niż kiedykolwiek. Liczba pull requestów rośnie, a wykresy sprintów pną się w górę i w prawo. A jednak wiele zespołów zadaje sobie to samo uporczywe pytanie: skoro budujemy tak dużo szybciej, dlaczego nie czujemy, że poruszamy się szybciej?
Ta luka ma nazwę. Faros AI nazwało ją paradoksem produktywności AI po przeanalizowaniu telemetrii ponad 10 000 programistów z 1255 zespołów: programiści w zespołach o dużej adopcji ukończyli o 21% więcej zadań i zmergowali o 98% więcej pull requestów, ale jakikolwiek związek między adopcją AI a wynikami zniknął na poziomie firmy ().
Iluzja szybkości produktu to wersja tego samego efektu w product managemencie. AI przyspieszyło jedną część cyklu produktowego. Pozostałe dwie zostawiło tam, gdzie były. Ponieważ szybka część jest najbardziej widoczna (commity, PR-y, wypuszczone funkcje), łatwo pomylić „budujemy szybciej” z „poruszamy się szybciej”. To różne twierdzenia, a ich mieszanie po cichu szkodzi roadmapom.
Percepcja pogarsza sprawę. 52% programistów twierdzi, że narzędzia AI pozytywnie wpłynęły na ich produktywność (Stack Overflow, 2025), a ponad 80% respondentów DORA 2025 uważa, że AI zwiększyło ich produktywność (Google Cloud, 2025). Ale w randomizowanym badaniu METR z 2025 roku 16 doświadczonych programistów open source spodziewało się, że AI przyspieszy ich o 24%, z AI potrzebowali o 19% więcej czasu, a potem nadal wierzyli, że AI przyspieszyło ich o 20% (METR, 2025). Jeśli ludzie źle oceniają własne tempo budowania, dashboard aktywności buildów jest jeszcze słabszym wskaźnikiem ogólnego postępu. Szerszy obraz 2026 roku – co stało się tanie, a co nie – znajdziesz w budowanie stało się tanie: dane na 2026.
Dlaczego metryka velocity przestała mówić prawdę?
Większość zespołów produktowych nadal raportuje velocity jako jedną liczbę: story pointy na sprint, wypuszczone funkcje na kwartał albo cycle time od ticketu do wdrożenia. Przez dekadę był to rozsądny zamiennik, bo czas budowy był dominującym kosztem. Jeśli budowa zajmowała większość czasu między „mamy pomysł” a „pomysł jest na produkcji”, metryka śledząca budowę śledziła większość tego, co się liczyło.
Ta proporcja się zmieniła. W zespole, który dobrze korzysta z programowania wspomaganego AI, czas budowy dobrze opisanej funkcji może skurczyć się do niewielkiej części cyklu. Ale czas poświęcany na ustalenie, czy funkcję warto było budować, i na sprawdzenie, czy zadziałała, się nie skrócił. Te fazy blokują rzeczy, których AI nie dotyka: uzgodnienia między interesariuszami, dostępność klientów do badań i dni realnego użycia potrzebne, zanim sygnał stanie się wiarygodny.
Metryki inżynierskie nigdy nie miały obejmować tych faz. DORA, program badawczy Google Cloud poświęcony dostarczaniu oprogramowania, śledzi teraz pięć metryk: change lead time, częstotliwość wdrożeń, czas przywracania po nieudanym wdrożeniu, change fail rate i deployment rework rate. Change lead time mierzy się od commita do wdrożenia na produkcję (DORA). Sama DORA ostrzega przed „jedną metryką, która rządzi wszystkimi” i przed zamienianiem metryk w cele, powołując się na prawo Goodharta.
Zatem jedna liczba velocity opisuje dziś najszybciej poruszającą się część cyklu i milczy o reszcie. Zespoły wyglądają produktywnie na dashboardzie, a stoją w miejscu na rynku. Dlatego „wypuściliśmy w tym kwartale o 40% więcej funkcji” i „aktywacja nie ruszyła się od dwóch kwartałów” mogą stać w jednej prezentacji dla zarządu i nikt tego nie połączy.
Czym są Trzy Zegary product velocity?
Rozwiązaniem nie jest lepsza metryka velocity. Trzeba wycofać jedną liczbę i zastąpić ją trzema, bo pomysł po drodze do tworzenia wartości przechodzi przez trzy odrębne zegary, a każdy z nich chodzi z bardzo różną prędkością.
1. Zegar Decyzji
Czas od „zauważyliśmy problem lub okazję” do „zobowiązaliśmy się zbudować konkretne rozwiązanie”. Obejmuje ujęcie problemu, zestawienie go ze wszystkim, co rywalizuje o roadmapę, i doprowadzenie do tego, by osoby, które muszą się zgodzić, naprawdę się zgodziły.
AI potrafi streścić badania i napisać memo z opcjami. Nie podejmie za ciebie trade-offu i nie sprawi, że VP of Sales i Head of Engineering dojdą do porozumienia szybciej, niż chcą. Wąskim gardłem nigdy nie było pozyskiwanie informacji. Były nim uzgodnienia.
2. Zegar Budowy
Czas od zobowiązania do uruchomienia funkcji. To zegar, który AI zmieniło najbardziej, choć mniej równomiernie, niż sugerują dema dostawców:
W kontrolowanym eksperymencie z 2023 roku programiści z AI jako pair programmerem zaimplementowali serwer HTTP o 55,8% szybciej niż grupa kontrolna (Peng et al., 2023).
W badaniu uzupełniającym METR z 57 programistami i ponad 800 zadaniami szacowany efekt nadal był spowolnieniem dla programistów powracających (-18%, przedział ufności od -38% do +9%) i w przybliżeniu neutralny dla nowych (-4%, od -15% do +9%). METR zastrzega, że rzeczywiste przyspieszenie może być wyższe, ponieważ część programistów i zadań wypadła z projektu badania (METR, 2026).
Raport DORA z 2024 roku powiązał rosnącą adopcję AI z szacowanym spadkiem przepustowości dostarczania o 1,5% i stabilności dostarczania o 7,2% (Google Cloud, 2024). W 2025 roku zależność z przepustowością stała się dodatnia, ale stabilność nadal była dotknięta negatywnie (Google Cloud, 2025).
Wzorzec: pisanie kodu stało się szybsze; review, integracja i stabilizacja nie dotrzymały kroku. Faros stwierdziło, że czas review pull requestów wzrósł o 91% w zespołach o dużej adopcji, a ludzka akceptacja stała się nowym wąskim gardłem. Jeśli prowadzisz inżynierów przez ten okres, mierz rezultaty, nie linie kodu. Pułapką jest traktowanie Zegara Budowy jako zastępnika całego cyklu. To jedno koło zębate w systemie trzech kół, a przyspieszenie jednego nie przyspiesza łańcucha.
3. Zegar Walidacji
Czas od „funkcja jest na produkcji” do „wiemy z rozsądną pewnością, czy zadziałała”. Zależy od tego, ilu użytkowników musi dotknąć funkcji, zanim pojawi się sygnał, jak długo zmiana zachowania się ujawnia (zmiana cennika może pokazać prawdziwy efekt dopiero przy następnym odnowieniu, a nie przy następnym logowaniu) i czy zespół faktycznie zamyka pętlę, zamiast iść dalej.
AI nie skompresowało tego zegara, a w niektórych organizacjach pogorszyło sprawę: szybsze wypuszczanie piętrzy więcej niezwalidowanych funkcji na produkcji, a każda z nich dodaje szumu do kolejnego pomiaru. Podstawowy wskaźnik jest otrzeźwiający. W Microsofcie tylko około jedna trzecia pomysłów poprawiła metrykę, którą miała poprawić; około jedna trzecia ją pogorszyła, a jedna trzecia nie zmieniła niczego (Kohavi et al., 2009).
Zegar
Start
Koniec
Co go hamuje
Dotychczasowy wpływ AI
Decyzji
Zauważony problem lub okazja
Zobowiązany zakład z metryką sukcesu
Uzgodnienia, dowody, trade-offy
Szybsze badania i szkice; uzgodnienia bez zmian
Budowy
Zakład zatwierdzony
Funkcja na produkcji
Kodowanie, review, integracja, stabilność
Często szybsze pisanie; review i stabilność nie nadążają
Walidacji
Funkcja na produkcji
Znany rezultat (zadziałało, bez zmian lub zaszkodziło)
Wolumen użycia, opóźnienie zmiany zachowania, konsekwencja w sprawdzaniu
W większości bez zmian; więcej niezwalidowanych premier
Dlaczego ta iluzja jest kosztowna, a nie tylko myląca?
Zespół, który śledzi tylko Zegar Budowy, popełnia wciąż ten sam kosztowny błąd: wyciąga do przodu pracę, którą tanio zbudować, ale która nie przeszła Zegara Decyzji, bo „możemy po prostu spróbować, teraz to szybkie”. Ten odruch wygląda na zwinność. W praktyce zespoły wypuszczające najszybciej często najgłębiej zakopują swój Zegar Walidacji: więcej wypuszczonej powierzchni na kwartał, przy tej samej liczbie osób, które mogą sprawdzić, czy cokolwiek z tego ruszyło metrykę.
To mechanizm stojący za dobrze udokumentowanym wzorcem użycia. Analiza zanonimizowanych danych o użyciu przeprowadzona przez Pendo wykazała, że 80% funkcji w przeciętnym produkcie programistycznym jest używanych rzadko lub wcale, podczas gdy 12% funkcji generuje 80% dziennego wolumenu użycia (Pendo, 2019). Tańsze budowanie tego nie naprawia. Może to pogorszyć, bo łatwiej wypuszczać poza punkt, w którym zasłużyłeś na prawo do budowania. Liczbę Pendo i jej ograniczenia rozbieramy w dlaczego 80% funkcji jest używanych rzadko lub wcale.
Jak mierzyć product velocity za pomocą Trzech Zegarów?
Na start nie potrzebujesz nowych narzędzi. Potrzebujesz trzech znaczników czasu na zakład i kwartalnego przeglądu.
Zdefiniuj, co jest zakładem. Każda pozycja roadmapy na tyle duża, by mieć metrykę sukcesu. Drobne poprawki zostają poza tym.
Zapisz trzy daty dla każdego zakładu: kiedy problem po raz pierwszy zarejestrowano, kiedy zespół się zobowiązał (z zapisaną metryką sukcesu) i kiedy rezultat oceniono jako zadziałało, bez zmian lub zaszkodziło.
Daty wdrożeń weź z danych o dostarczaniu. Jeśli już śledzisz metryki DORA, Zegar Budowy to z grubsza czas od zobowiązania do wdrożenia, który obejmuje change lead time.
Raportuj mediany, nie średnie. Jeden zablokowany zakład nie powinien przesłaniać dziewięciu szybkich, ani odwrotnie.
Raportuj czas od pomysłu do zwalidowanego rezultatu obok „wypuszczonych funkcji”, wraz z odsetkiem wypuszczonych zakładów, które doczekały się werdyktu.
Przeglądaj co kwartał. Jeśli Zegar Budowy się skraca, a pozostałe dwa stoją w miejscu, twoje wąskie gardło się przesunęło, a proces za nim nie nadążył.
Kwartalny raport Trzech Zegarów (skopiuj)
Metryka
Ten kwartał
Poprzedni kwartał
Zatwierdzone zakłady
Mediana Zegara Decyzji (dni)
Mediana Zegara Budowy (dni)
Mediana Zegara Walidacji (dni)
Mediana od pomysłu do zwalidowanego rezultatu (dni)
Jak to wygląda na prawdziwych liczbach? Przykład krok po kroku
Przykład ilustracyjny. Załóżmy, że 7-osobowy zespół produktowy zobowiązuje się w kwartale do 8 zakładów. Mediany wychodzą tak:
Zegar Decyzji: 21 dni (od zarejestrowania problemu do zatwierdzonego zakładu)
Zegar Budowy: 4 dni (rok wcześniej 15 dni, przed wdrożeniem narzędzi AI do kodowania)
Zegar Walidacji: 45 dni, ale tylko 3 z 8 wypuszczonych zakładów w ogóle doczekały się werdyktu
Czas od pomysłu do zwalidowanego rezultatu to 70 dni, z czego budowa to mniej niż 6%. Rok wcześniej, przy tych samych czasach decyzji i walidacji, było to 81 dni. Zespół „budował prawie cztery razy szybciej” i posuwał się od początku do końca o około 14% szybciej, a pięć zakładów z tego kwartału nie ma werdyktu, więc nikt nie wie, czy pomogły.
Rozwiązaniem nie jest szybsza budowa. Skrócenie Zegara Walidacji z 45 do 30 dni przez zdefiniowanie metryki i daty sprawdzenia przed premierą oraz doprowadzenie wszystkich 8 zakładów do werdyktu zrobiłoby więcej dla realnego product velocity niż jakiekolwiek dalsze przyspieszenie kodowania.
Jak stosować Trzy Zegary w praktyce?
Framework zasługuje na swoje miejsce tylko wtedy, gdy zmienia to, co się mierzy i o czym rozmawia w planowaniu. Konkretyzują to trzy ruchy.
Raportuj wszystkie trzy zegary, nie jeden. Obok „wypuszczonych funkcji” śledź medianę Zegara Decyzji (od pomysłu do zatwierdzonego zakładu) i medianę Zegara Walidacji (od premiery do zweryfikowanego rezultatu) za kwartał. Jeśli Zegar Budowy dalej się skraca, a pozostałe dwa stoją w miejscu, to nie jest zysk produktywności, który warto świętować. To sygnał, że twoje wąskie gardło się przesunęło.
Oszczędności z Zegara Budowy świadomie wydaj na Zegar Decyzji. Jeśli funkcja, która kiedyś wymagała trzech tygodni budowy, teraz zajmuje trzy dni, nie wypuszczaj jej po prostu wcześniej. Wykorzystaj ten czas na prawdziwe discovery: garść rozmów z klientami, mały test prototypu, pre-mortem z zespołem, zanim zobowiążesz się do pełnej budowy. Sens szybszego budowania nie polega na wcześniejszym wypuszczaniu. Chodzi o to, by przy tym samym całkowitym czasie cyklu móc sobie pozwolić na więcej walidacji przed zobowiązaniem. Learning velocity opisuje, jak przyspieszyć tę pętlę.
Zrób z domknięcia Zegara Walidacji bramkę wydania, a nie zadanie na później. Najłatwiej rozdąć Zegar Walidacji, traktując „sprawdzenie, czy zadziałało” jako opcjonalne sprzątanie, które konkuruje z pracą budowlaną następnego sprintu i zwykle przegrywa. Zdefiniuj metrykę i datę jej sprawdzenia, zanim funkcja wyjdzie, i wpisz to sprawdzenie do roadmapy z taką samą widocznością jak ticket budowy. Zakład, którego rezultat nigdy nie zostaje sprawdzony, nie jest informacją. To po prostu więcej wypuszczonej powierzchni o nieznanym zwrocie.
Jakie błędy popełniają zespoły, mierząc product velocity?
Świętowanie liczby PR-ów. Więcej zmergowanych PR-ów przy review dłuższych o 91% to kolejka, nie postęp.
Używanie metryk DORA jako metryk produktowych. Mierzą kondycję dostarczania. Zachowaj je, ale nie pozwól, by odpowiadały na pytanie „czy budujemy właściwe rzeczy?”.
Zamienianie zegarów w cele. Ostrzeżenie DORA o prawie Goodharta dotyczy też tego. Zespół naciskany, by skrócić Zegar Decyzji, pominie discovery.
Liczenie premier jako rezultatów. Funkcja nie jest skończona, gdy zostanie wypuszczona; jest skończona, gdy wiesz, czy zadziałała.
Ignorowanie wyników bez zmian. W Microsofcie około jedna trzecia pomysłów nic nie zmieniła. „Bez zmian” to odpowiedź: przestań inwestować albo usuń funkcję.
Trzy Zegary pasują najlepiej do zespołów wypuszczających zakłady produktowe z mierzalnymi rezultatami. Przy czystym utrzymaniu, infrastrukturze lub pracy związanej ze zgodnością same metryki dostarczania mogą wystarczyć. A jeśli twój zespół tonie w niezwalidowanych premierach, sygnały ostrzegawcze z zatrzymaj fabrykę funkcji wydadzą ci się znajome.
Gdzie pasuje Specky
Specky utrzymuje wolne zegary w zasięgu wzroku. Każda decyzja trafia do Decision Log wraz z dowodami od klientów, PRD zawierają cytaty w tekście do tych dowodów, a po premierze Specky sprawdza, czy zakład zadziałał względem metryki, którą ustawiłeś. Ponieważ wszystko żyje w jednym Product Graph, Zegar Decyzji i Zegar Walidacji przestają chodzić niewidocznie w czyjejś głowie.
Najczęściej zadawane pytania
Czym jest product velocity?
Product velocity to to, jak szybko zespół zamienia pomysły w zwalidowane rezultaty: od zauważenia problemu, przez zobowiązanie się do rozwiązania i jego wypuszczenie, po wiedzę, czy zadziałało. Różni się od engineering velocity, która mierzy, jak szybko kod przechodzi od commita na produkcję. Zespół może zwiększyć engineering velocity, podczas gdy product velocity stoi w miejscu.
Jak mierzyć product velocity?
Zapisz trzy daty dla każdego zakładu z roadmapy: kiedy zarejestrowano problem, kiedy zespół się zobowiązał z metryką sukcesu i kiedy oceniono rezultat. Co kwartał raportuj mediany Zegara Decyzji, Budowy i Walidacji, a także łączny czas od pomysłu do zwalidowanego rezultatu i odsetek wypuszczonych zakładów, które doczekały się werdyktu.
Czy AI przyspiesza zespoły programistyczne?
W pisaniu kodu często tak; od początku do końca dowody są mieszane. Jedno badanie kontrolowane zmierzyło zadanie o 55,8% szybsze, a METR stwierdził, że doświadczeni programiści byli o 19% wolniejsi we własnych repozytoriach. Faros zaobserwowało o 98% więcej zmergowanych pull requestów w zespołach o dużej adopcji, ale review dłuższe o 91% i brak zysku na poziomie firmy. DORA 2025 nadal wiąże AI z niższą stabilnością.
Czym jest paradoks produktywności AI?
To luka między zyskami indywidualnymi a organizacyjnymi z AI. Faros AI ukuło ten termin w 2025 roku po stwierdzeniu, że programiści w zespołach intensywnie używających AI ukończyli o 21% więcej zadań i zmergowali o 98% więcej pull requestów, podczas gdy związek z wynikami zniknął na poziomie firmy. Wąskie gardło przesunęło się na review, integrację i decyzję, co budować.
Czy metryki DORA wystarczą do mierzenia wyników zespołu produktowego?
Nie. Pięć metryk DORA, w tym change lead time od commita do produkcji i change fail rate, mierzy kondycję dostarczania oprogramowania. Nie obejmują decydowania, co budować, ani sprawdzania, czy zadziałało. Użyj ich dla Zegara Budowy i dodaj pomiary Zegara Decyzji i Walidacji dla reszty.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing