The post has been translated automatically. Original language: Russian
ChatGPT is often perceived as a tool that helps you write code faster.
But in Agile, the main value does not appear at the time of writing the next function. It occurs earlier — when the team clarifies the task, compares options, discovers limitations, and verifies its own understanding of the product.
Therefore, ChatGPT can be not just a code generator, but a new participant in the Agile cycle.:
discussion → hypothesis → implementation → verification → feedback → new understanding
Agile starts with clarifying the task
A requirement is rarely fully prepared.
For example, the task of "connecting AI to the Helpdesk knowledge base" immediately raises questions:
- what knowledge is considered reliable;
- do I need to show the sources;
- what should I do if there is no response?;
- how to account for access rights;
- who confirms the new knowledge;
- when the request needs to be submitted to the expert.
ChatGPT helps to formulate such questions before starting implementation. It does not replace an expert, but it makes hidden assumptions visible.
AI helps to compare and verify solutions
In complex development, there are usually several options.:
- centralized or distributed architecture;
- synchronous or asynchronous exchange;
- universal or specialized module;
- a quick temporary solution or a more sustainable approach.
ChatGPT can suggest options, show their advantages and risks, find borderline cases and possible consequences.
After choosing a solution, AI can be used as a critical interlocutor.:
- does the decision contradict the requirements;
- which components will it affect;
- what can break;
- what tests will be required;
- does it create a new technical debt?
This turns AI into a feedback participant, not just a performer.
Then the AI can move on to the implementation
When the decision is made, ChatGPT is able to:
- write a prototype;
- create code and tests;
- prepare migration;
- update interfaces;
- explain the implementation;
- offer error handling.
At the same time, the person remains a navigator. It verifies architecture, terminology, security, and compliance with the product concept.
Sometimes a person writes code and the AI checks it. Sometimes a person formulates a solution, and the AI implements it. Roles can change in much the same way as in pair programming.
The main problem: ChatGPT does not know the specific product
ChatGPT has a broad knowledge of programming, but it doesn't know automatically.:
- why did the team choose this particular architecture?;
- which solutions have already been rejected;
- what are the fundamental limitations?;
- what does the term mean within a specific project?;
- where the standard rule cannot be applied;
- which knowledge has already been confirmed by an expert.
Therefore, AI can offer a technically reasonable solution that contradicts the internal logic of the product.
On a small project, the context can be passed in prompta every time. This stops working on a complex system.
When the context cannot be kept in mind
For example, we are simultaneously developing:
- Memora8 — 32-bit processor architecture;
- Reganta microOS — a micro-operating system;
- Sekura JS is a system programming language.
A single-level decision may affect the memory architecture, the kernel, the streaming model, system modules, the language, and the compiler.
It is difficult to keep all the connections even for the author of the system. The AI sees even less — only the context of the current dialog.
Therefore, both the person and the ChatGPT need not just documentation, but an up-to-date product theory.
Why are there not enough documents?
Documents may become outdated, contradict each other, and confuse:
- hypotheses;
- old solutions;
- current rules;
- interim discussions.
The AI can find a suitable fragment, but it does not always understand whether it is relevant and confirmed.
Reliable operation requires a managed layer of proven expertise.
Sekura Noda as a layer between expert and AI
In Sekura Noda, the expert captures small units of knowledge:
- definitions;
- rules;
- limitations;
- decisions;
- methods;
- exceptions;
- reasons for rejecting alternatives.
Knowledge can be tested, accepted, rejected, interconnected, and provided to specific people or AI tools.
The expertise is stored separately from the specific language model and remains readable by humans.
The owner determines for himself:
- what is considered correct;
- what knowledge is confirmed;
- who can access them;
- where can they be applied;
- what knowledge should the AI's answer be based on?
How the Agile cycle is changing
Without guided expertise, the job often looks like this:
task → long prompt → AI response → fix → new prompt
Corrections remain inside one dialog, and in the next one the context has to be explained anew.
With Sekura Noda, the cycle becomes different.:
intention → verified expertise → discussion with ChatGPT → implementation → verification → new knowledge → updating the canon
Each iteration develops not only the product, but also the system of expertise.
The Expert Advisor is no longer a bottleneck
Usually an expert over and over again:
- answers the same questions;
- explains the already known;
- checks the work of employees;
- clarifies tasks for AI;
- corrects incorrect interpretations.
The more valuable his knowledge is, the more everything depends on his personal involvement.
Sekura Noda allows you to capture knowledge once and use it in different scenarios.:
- programming;
- Helpdesk;
- analytics;
- learning;
- consultations;
- the work of AI agents.
AI applies the expertise that has already been accumulated, and a person gets more time to create a new one.
The person remains in charge
ChatGPT can discuss, compare, implement, and verify.
But the man remains:
- setting goals;
- choosing a direction;
- confirmation of knowledge;
- assessment of the consequences;
- responsibility for the result.
It turns out to be a system of three elements:
An expert creates knowledge and makes decisions.ChatGPT helps you analyze and get the job done.Sekura Noda retains and develops proven expertise.
The natural development of Agile
Agile has shortened the path from an idea to a working product.
ChatGPT shortens the path from a question to intelligent feedback.
Sekura Noda narrows the gap in understanding between the expert, the team and the AI.
Together they create a new cycle.:
the expert formulates the intention → AI uses proven knowledge → the result appears → the expert verifies it → new understanding replenishes the expertise system
This is not a rejection of Agile, but a development of its basic principles.:
- short feedback;
- continuous cooperation;
- testing ideas with practice;
- willingness to change;
- developing a common understanding.
ChatGPT becomes a new member of the Agile team not when it just writes code, but when it works with the unique expertise of a particular person or organization.
Sekura Noda helps experts use AI to accumulate, refine, and monetize their unique expertise.
ChatGPT часто воспринимают как инструмент, который помогает быстрее писать код.
Но в Agile основная ценность появляется не в момент написания очередной функции. Она возникает раньше — когда команда уточняет задачу, сравнивает варианты, обнаруживает ограничения и проверяет собственное понимание продукта.
Поэтому ChatGPT может быть не просто генератором кода, а новым участником Agile-цикла:
обсуждение → гипотеза → реализация → проверка → обратная связь → новое понимание
Agile начинается с уточнения задачи
Требование редко бывает полностью готовым.
Например, задача «подключить AI к базе знаний Helpdesk» сразу вызывает вопросы:
- какие знания считаются достоверными;
- нужно ли показывать источники;
- что делать, если ответа нет;
- как учитывать права доступа;
- кто подтверждает новые знания;
- когда запрос нужно передать эксперту.
ChatGPT помогает сформулировать такие вопросы до начала реализации. Он не заменяет эксперта, но делает скрытые предположения заметными.
AI помогает сравнивать и проверять решения
В сложной разработке обычно существует несколько вариантов:
- централизованная или распределённая архитектура;
- синхронный или асинхронный обмен;
- универсальный или специализированный модуль;
- быстрое временное решение или более устойчивый подход.
ChatGPT может предложить варианты, показать их преимущества и риски, найти граничные случаи и возможные последствия.
После выбора решения AI можно использовать как критического собеседника:
- не противоречит ли решение требованиям;
- какие компоненты оно затронет;
- что может сломаться;
- какие тесты потребуются;
- не создаёт ли оно новый технический долг.
Это превращает AI в участника обратной связи, а не только в исполнителя.
Затем AI может перейти к реализации
Когда решение принято, ChatGPT способен:
- написать прототип;
- создать код и тесты;
- подготовить миграцию;
- обновить интерфейсы;
- объяснить реализацию;
- предложить обработку ошибок.
Человек при этом остаётся навигатором. Он проверяет архитектуру, терминологию, безопасность и соответствие замыслу продукта.
Иногда человек пишет код, а AI проверяет. Иногда человек формулирует решение, а AI реализует. Роли могут меняться почти так же, как в парном программировании.
Главная проблема: ChatGPT не знает конкретный продукт
ChatGPT обладает широкими знаниями о программировании, но не знает автоматически:
- почему команда выбрала именно эту архитектуру;
- какие решения уже были отвергнуты;
- какие ограничения принципиальны;
- что означает термин внутри конкретного проекта;
- где стандартное правило применять нельзя;
- какое знание уже подтверждено экспертом.
Поэтому AI может предложить технически разумное решение, которое противоречит внутренней логике продукта.
На небольшом проекте контекст можно каждый раз передавать в промпте. На сложной системе это перестаёт работать.
Когда контекст невозможно удерживать в голове
Например, мы одновременно развиваем:
- Memora8 — 32-битную процессорную архитектуру;
- Reganta microOS — микрооперационную систему;
- Sekura JS — язык системного программирования.
Решение на одном уровне может затронуть архитектуру памяти, ядро, потоковую модель, системные модули, язык и компилятор.
Удерживать все связи сложно даже автору системы. AI видит ещё меньше — только контекст текущего диалога.
Поэтому и человеку, и ChatGPT нужна не просто документация, а актуальная теория продукта.
Почему документов недостаточно
Документы могут устаревать, противоречить друг другу и смешивать:
- гипотезы;
- старые решения;
- действующие правила;
- промежуточные обсуждения.
AI может найти подходящий фрагмент, но не всегда понимает, является ли он актуальным и подтверждённым.
Для надёжной работы нужен управляемый слой проверенной экспертизы.
Sekura Noda как слой между экспертом и AI
В Sekura Noda эксперт фиксирует небольшие единицы знания:
- определения;
- правила;
- ограничения;
- решения;
- методы;
- исключения;
- причины отказа от альтернатив.
Знания можно проверять, принимать, отклонять, связывать между собой и предоставлять конкретным людям или AI-инструментам.
Экспертиза хранится отдельно от конкретной языковой модели и остаётся читаемой человеком.
Владелец сам определяет:
- что считается правильным;
- какие знания подтверждены;
- кому они доступны;
- где их можно применять;
- на каких знаниях должен основываться ответ AI.
Как меняется Agile-цикл
Без управляемой экспертизы работа часто выглядит так:
задача → длинный промпт → ответ AI → исправление → новый промпт
Исправления остаются внутри одного диалога, а в следующем контекст приходится объяснять заново.
С Sekura Noda цикл становится другим:
намерение → проверенная экспертиза → обсуждение с ChatGPT → реализация → проверка → новое знание → обновление канона
Каждая итерация развивает не только продукт, но и систему экспертизы.
Эксперт перестаёт быть узким местом
Обычно эксперт снова и снова:
- отвечает на одинаковые вопросы;
- объясняет уже известное;
- проверяет работу сотрудников;
- уточняет задания для AI;
- исправляет неверные интерпретации.
Чем ценнее его знания, тем сильнее все зависят от его личного участия.
Sekura Noda позволяет зафиксировать знание один раз и использовать его в разных сценариях:
- программировании;
- Helpdesk;
- аналитике;
- обучении;
- консультациях;
- работе AI-агентов.
ИИ применяет уже накопленную экспертизу, а человек получает больше времени на создание новой.
Человек остаётся главным
ChatGPT может обсуждать, сравнивать, реализовывать и проверять.
Но за человеком остаются:
- постановка цели;
- выбор направления;
- подтверждение знаний;
- оценка последствий;
- ответственность за результат.
Получается система из трёх элементов:
Эксперт создаёт знания и принимает решения.ChatGPT помогает анализировать и выполнять работу.Sekura Noda сохраняет и развивает проверенную экспертизу.
Естественное развитие Agile
Agile сократил путь от идеи до работающего продукта.
ChatGPT сокращает путь от вопроса до интеллектуальной обратной связи.
Sekura Noda сокращает разрыв в понимании между экспертом, командой и AI.
Вместе они создают новый цикл:
эксперт формулирует намерение → AI использует проверенные знания → появляется результат → эксперт проверяет его → новое понимание пополняет систему экспертизы
Это не отказ от Agile, а развитие его основных принципов:
- короткая обратная связь;
- постоянное сотрудничество;
- проверка идей практикой;
- готовность к изменениям;
- развитие общего понимания.
ChatGPT становится новым участником Agile-команды не тогда, когда просто пишет код, а тогда, когда работает с уникальной экспертизой конкретного человека или организации.
Sekura Noda помогает экспертам использовать ИИ для накопления, совершенствования и монетизации своей уникальной экспертизы.
Share
