თიბისი Atlassian-ის მთავარ სცენაზე – რა გამოცდილება გააზიარა ტექგუნდმა საერთაშორისო კონფერენციაზე

თიბისი რომ საქართველოში ერთ-ერთი უდიდესი ტექკომპანიაა, ეს უკვე ყველასთვისაა ცნობილი, თუმცა დიდი ხანია, საერთაშორისო ასპარეზზეც იმკვიდრებს ადგილს და არაერთ გლობალურ ღონისძიებაში მონაწილეობს, რომელთა შორისაც არის Team ’26 Europe, Atlassian-ის მთავარი კონფერენცია. მისი მიზანი გუნდური მუშაობის განვითარება, თანამედროვე ტექნოლოგიური შესაძლებლობების გაცნობა და AI-ს პრაქტიკული გამოყენების შესახებ ცოდნის გაზიარებაა.

წლევანდელი თემა იყო ადამიანებისა და ხელოვნური ინტელექტის თანამშრომლობა და AI-აგენტების ბიზნესპროცესებში ინტეგრაცია, სადაც თიბისის წარმომადგენლებმა, გიგა შუბითიძემ, SDLC მმართველობის ლიდერმა და გიორგი ციცქიშვილმა, ტექნოლოგიური სერვისების მმართველობის ლიდერმა, საკუთარი გამოცდილება გააზიარეს. სესიის თემა იყო: “Agents at Scale: TBC Bank’s AI-First Transformation“. გუნდი ამას დიდ აღიარებად თვლის, რადგან Atlassian Team ’26-ის მთავარ სცენაზე გამოსვლა მხოლოდ იმის დასტური კი არაა, რომ თიბისი ტექნოლოგიურ ტრენდებს უწყობს ფეხს, არამედ იმისაც, რომ თავადაც ქმნის საუკეთესო პრაქტიკას.

როგორი იყო Atlassian-ის კონფერენციაზე მონაწილეობა ქართველი ტექპროფესიონალებისთვის და თიბისის რომელ მიღწევებზე იყო იქ საუბარი, თავად მონაწილეები – გიგა შუბითიძე და გიორგი ციცქიშვილი გვესაუბრებიან:

Atlassian-ის Team ’26 Europe-ზე თიბისის AI-ტრანსფორმაციის გამოცდილება გააზიარეთ. როგორ გადადის ბანკი AI-ს ცალკეული ამოცანებისთვის გამოყენებიდან AI-ზე ორიენტირებულ სამუშაო პროცესებზე და რას ცვლის ეს პროგრამული უზრუნველყოფის შექმნის სრულ ციკლში (SDLC)?

2026 წლის განმავლობაში მნიშვნელოვანი ნაბიჯები გადავდგით AI First-მიდგომების დანერგვით, რაც მოიცავდა აგენტური AI-ს განვითარებას პროგრამული უზრუნველყოფის შემუშავების სხვადასხვა არეებში: დაწყებული სისტემის ანალიზით, გაგრძელებული გადაწყვეტილების დიზაინით, დეველოპმენტით, ტექსტირებით თუ პროგრამული უზრუნველყოფის დანერგვა და მონიტორინგით.

ამ მიდგომით, კონკრეტულ სამუშაოზე პასუხისმგებელი კვლავ ადამიანი რჩება, რომელსაც შესაბამისი სპეციალიზაციის AI-აგენტები ეხმარებიან. გუნდის წევრი ამოცანას აგენტს გადასცემს, წარმართავს მის მუშაობას, ამოწმებს შედეგს და აძლევს უკუკავშირს. ასე გუნდს ნაკლები დრო ეხარჯება, ახალი ფუნქციონალი მომხმარებელს უფრო სწრაფად მიეწოდება და სერვისებიც სტაბილურობაც შენარჩუნებულია, თუმცა კრიტიკულ გადაწყვეტილებებს მაინც ადამიანი იღებს.

თიბისის ტექნოლოგიურ ეკოსისტემაში 150 Agile გუნდი 450 სისტემასა და ასობით ციფრულ საბანკო სერვისს უჭერს მხარს. პრაქტიკაში როგორ გადახვედით ექსპერიმენტებიდან პროგრამული უზრუნველყოფის შექმნის პროცესში AI-აგენტების სისტემურ გამოყენებაზე?

AI-ტრანსფორმაციას სტრატეგიული მიზნის სახე ქონდა შესაბამისი მმართველობითი მაკოორდინირებელი რგოლით და მიმართულებების მიხედვით ფოკუსირებული ინიციატივებით. ამ პროცესის მხარდასაჭერად შევქმენით ჩამოვაყალიბეთ AI-ს კვლევისა და განვითარების გუნდი, რომლის სამუშაო ჯგუფები სამ მიმართულებაზე მუშაობენ: აგენტური AI-ს განვითარება ანალიზსა და დიზაინში, პროგრამული უზრუნველყოფის შემუშავებასა და ტესტირებაში.

თითოეული მიმართულებით შევქმენით თიბისისთვის სპეციფიკური ცოდნით აღჭურვილი სპეციალიზებული აგენტები, შესაბამისი ინსტრუქციებით, უნარებით, კონტექსტითა და მოქმედების არეალით. დანერგვა ეტაპობრივად მიმდინარეობდა: ჯერ აგენტებს შეზღუდულ ამოცანებზე და საპილოტო გუნდებში ვცდიდით, შემდეგ კი, მათ გამოყენებას უფრო მეტ გუნდში ვაფართოებდით.

ფოკუსირებულ ინიციატივებთან ერთან განსაკუთრებული ყურადღება დავუთმეთ თანამშრომლების სწავლასა და ჩართულობას. “Prompt & Pizza-ს” არაფორმალურ შეხვედრებზე თანამშრომლები AI-სა და ჩვენს აგენტებს პრაქტიკაში ეცნობოდნენ. “AI Champions” პროგრამა გუნდებში AI-ს შესაძლებლობების შესახებ ცნობიერების ამაღლებას ემსახურებოდა, ხოლო AI-ჰაკათონები ექსპერიმენტებისა და ერთობლივი სწავლის შესაძლებლობას ქმნიდა. “AI Leadership Meetups-ზე” ლიდერები განიხილავდნენ თიბისის AI-ხედვას, მის პასუხისმგებლობიან დანერგვასა და საკუთარ როლს ტრანსფორმაციაში. ამგვარად, ტექნოლოგიის დანერგვას თან ახლდა ადამიანების მომზადება მისი ყოველდღიურ საქმიანობაში გამოსაყენებლად.

სესიაზე განხილული იყო Atlassian-ის Rovo-სა და მესამე მხარის AI-აგენტების თანამშრომლობა. როგორ იყენებთ ან გეგმავთ ამ შესაძლებლობების გამოყენებას და რა უპირატესობას ქმნის სპეციალიზებული აგენტების თანამშრომლობა?

ჩვენთვის Rovo ერთმანეთთან დაკავშირებული AI-აგენტების უფრო ფართო ეკოსისტემის ნაწილია. თიბისიში ვიყენებთ წინასწარ დამტკიცებულ AI-პლატფორმებს: ერთი პლატფორმა ყველა ამოცანისა და როლის სპეციფიკას ვერ ფარავს, ხოლო ზედმეტად ბევრის მხარდაჭერა მართვას ართულებს.

სხვადასხვა პლატფორმაზე მომუშავე ჩვენი აგენტების უმეტესობას Rovo-სთან მუშაობაც შეუძლია. MCP სერვერების საშუალებით ისინი ერთმანეთს უზიარებენ საჭირო ინფორმაციას და იყენებენ ერთმანეთის შესაძლებლობებს, თიბისის ინსტრუქციებისა და მკაფიოდ განსაზღვრული მოქმედების ფარგლების დაცვით. ეს პროგრამული უზრუნველყოფის შექმნის ეტაპებს ერთმანეთთან აკავშირებს: თითოეულ ამოცანას შესაბამისი სპეციალიზაციის აგენტი ასრულებს, გუნდებს კი, ნაკლები დრო ეხარჯებათ ინფორმაციის მოძიებასა და ერთი და იმავე კონტექსტის განმეორებით ახსნაზე.

როგორ აფასებთ AI-აგენტების გავლენას და რა შედეგს ელოდებით პროდუქტიულობის მხრივ?

AI-ს შემოტანით რამოდენიმე მიმართულების შედეგები უკვე დავინახეთ. ესაა პროგრამული უზრუნველყოფის მიწოდების აჩქარება, ციფრული სერვისების სტაბილურობის ზრდა და საერთო ეფექტურობის გაუმჯობესება. პროგრამული უზრუნველყოფის ცვლილების მიწოდების საშუალო დრო უკვე ერთ დღეზე ნაკლებია, რელიზების სიხშირე თითქმის გაორმაგდა და კვირაში საშუალოდ ოთხს მიაღწია, ხოლო წარუმატებელი ცვლილებების მაჩვენებელი დაახლოებით 3%-დან 0.7%-მდე შემცირდა.

სამუშაოს ხელახლა შესრულების მაჩვენებელი ე.წ. Rework Rate კი 2.61%-დან 0.31%-ამდე შემცირდა. ეს ნიშნავს ნაკლებ არასაჭირო იტერაციებს და მეტ დროის კონცენტრაციას მომხმარებლამდე ღირებულების მისატანად. პროდუქტიულობის შემდგომ ზრდასაც სწორედ ასე ვხედავთ – უფრო სწრაფი მიწოდება, ნაკლები ხარვეზი და რესურსების უკეთ გამოყენება.

გიორგი ციცქიშვილი:

თიბისის AI-ტრანსფორმაცია ტექნოლოგიური სერვისებისმართვასაც მოიცავს. კონკრეტულად, როგორ შეიძლება AI-აგენტებმაგაამარტივონ ტექნოლოგიური სერვისების მართვა დარომელი პროცესების გაუმჯობესების ყველაზე დიდ პოტენციალსხედავთ?

თანამედროვე საბანკო ეკოსისტემაში ასობით ერთმანეთთან დაკავშირებული სერვისია. ხარვეზის დროს ინჟინრებს კრიტიკული წუთები ეკარგებათ სხვადასხვა სისტემაში – მონიტორინგის ხელსაწყოებში, რეპოზიტორიებსა თუ დოკუმენტაციაში ინფორმაციის ხელით მოძიებასა და დაკავშირებაზე. ჩვენი მიზანია, ტექნოლოგიურმა გუნდებმა ნაკლები დრო დახარჯონ მსგავს ამოცანებზე.

AI-აგენტები ტექნოლოგიურ გუნდებს პრობლემების სწრაფად აღმოჩენასა და მოგვარებაში ეხმარებიან, აგრეთვე, ინფორმაციის მოძიებასა და რუტინული პროცესების ავტომატიზაციაში. თიბისიში მათი დანერგვის შედეგად ინციდენტების აღმოფხვრის დრო 52%-ით, ხოლო წარუმატებელი ცვლილებების მაჩვენებელი 67%-ით შემცირდა.

როგორ წარმოგიდგენიათ AI-აგენტების როლი IT-სერვისების მართვაში მომდევნო წლებში?

მომდევნო წლებში AI-აგენტები სრულფასოვან „ციფრულ კოლეგებად” იქცევიან, რომლებიც რეაქტიული რეჟიმიდან პროაქტიულ პრევენციაზე გადავლენ – პოტენციურ ხარვეზებს იქამდე აღმოაჩენენ და აღმოფხვრიან, სანამ ისინი მომხმარებელზე აისახება, თუმცა რეგულირებად საბანკო სფეროში AI-ს მასშტაბირება არ ნიშნავს უკონტროლო ავტომატიზაციას. ჩვენი ხედვა ეფუძნება მკაფიო ჩარჩოებს (Guardrails), სრულ გამჭვირვალობასა და ადამიანის ჩართულობას: AI აკეთებს კომპლექსურ ანალიტიკურ სამუშაოს წამებში და დებს ფაქტებზე დაფუძნებულ რეკომენდაციას, თუმცა კრიტიკულ გადაწყვეტილებაზე ადამიანური კონტროლი შენარჩუნებულია.

რა მთავარი გამოცდილება მიიღეთ Atlassian-ის კონფერენციაზე და როგორ აისახება ისთიბისის სამომავლო გეგმებზე?

ჩემთვის კონფერენციის ერთ–ერთი მთავარი ღირებულება იყო საერთაშორისო გამოცდილების გაზიარება და იმის დანახვა, თუ როგორ ვითარდება ტექნოლოგიური გუნდების მუშაობის მოდელები მსოფლიოში. განსაკუთრებით მნიშვნელოვანია, როგორ შეიძლება პროცესების, მონაცემებისა და ახალი ტექნოლოგიების, მათ შორის AI-ს უკეთ გაერთიანება ყოველდღიური საქმიანობის გასაუმჯობესებლად.

ეს გამოცდილება გვეხმარება, კრიტიკულად შევაფასოთ ჩვენი არსებული მიდგომები, აღმოვაჩინოთ გაუმჯობესების შესაძლებლობები და განვსაზღვროთ, რომელი ინოვაციები შექმნის რეალურ ღირებულებას თიბისისთვის. საბოლოო მიზანი ტექნოლოგიური პროცესების ეფექტიანობის გაზრდა და უფრო საიმედო, ხარისხიანი სერვისების მიწოდებაა.