Tenex платит ИИ-инженерам за результат, а не за часы: как это работает для Fortune 2000

Алекс Либерман и Си Джей Хесс из Tenex на конференции AIE New York рассказали, как их компания из 75 человек перестроила жизненный цикл разработки ПО вокруг ИИ-агентов и оплаты по результату, обслуживая одновременно крупные корпорации и средний бизнес.

Год назад Tenex стартовал как ИИ-ориентированная студия разработки. Сейчас клиенты всё чаще просят помощь не только с кодом, а с трансформацией целых процессов. Параллельно организаторы конференции провели собственный эксперимент Kill My SaaS: 72 команды пытались заменить ИИ-агентами платформу для управления спикерами, за которую просили 43 000 долларов в год. Оба кейса ставят один вопрос: когда создание ПО дешевеет, как оценивать работу, которая по-прежнему стоит денег?

Что понадобится

• Понимание базовой терминологии: что такое Git (система контроля версий кода), CLI (интерфейс командной строки, текстовые команды вместо кнопок), story points (условные баллы сложности задачи в разработке).
• Доступ к любому современному ИИ-ассистенту для кода: GitHub Copilot, Cursor, Cline или российские альтернативы (GigaCode от Сбера, если доступен).
• Репозиторий Git для хранения не только кода, но и проектной документации.
• Около 30 минут на настройку структуры проекта по модели MetaHarness.

Как Tenex строит AI-ориентированный цикл разработки: пошаговая инструкция

1. Переведите оплату с часов на результат. Tenex использует story points как часть инженерной компенсации. Си Джей Хесс отмечает: чем лучше становятся модели, тем меньше времени он тратит на написание кода напрямую и тем больше на то, чтобы передать контекст клиента в форму, понятную модели. Система оплаты, построенная вокруг закрытых задач, должна учитывать и эту «невидимую» работу: анализ проблемы клиента, проектирование архитектуры, выбор того, что вообще стоит строить.

2. Храните решения рядом с кодом. Tenex разработал MetaHarness: набор навыков, проектных документов и CLI, привязанный к рабочему процессу. Планы и решения коммитятся (фиксируются) в Git вместе с кодом. Когда ИИ-агент возвращается к задаче, он читает не только что было построено, но и почему команда выбрала именно этот путь. Структура проекта связана с Linear (трекер задач), GitHub и клиентскими обновлениями.

3. Сделайте контекст машиночитаемым. Ключевое отличие подхода Tenex: не просто ускорить написание кода агентами, а сделать «окружающую» работу прозрачной для машины. План, критерии приёмки, принятые решения и доказательства, всё это должно лежать в репозитории в структурированном виде.

Пример структуры файла проекта в репозитории:

/project-root /docs decisions.md # почему выбрали этот подход acceptance.md # критерии приёмки задачи context.md # бизнес-контекст клиента /src ... # код

1. Назначьте «AI-стратега» на каждого клиента. В Tenex ИИ-стратеги отвечают за удержание клиента и рост. Это создаёт встроенный противовес: если инженер раздувает оценки задач или сдаёт плохой код ради баллов, стратег отклоняет работу, которая не служит клиенту.

2. Оцените, стоит ли заменять купленный SaaS собственной разработкой. Эксперимент Kill My SaaS показал парадокс: команда, победившая у живых судей, заняла только 19-е место по оценке ИИ-судьи. Проверить, удовлетворяет ли софт списку сценариев, и оценить, захотят ли люди им пользоваться, это разные задачи. Алекс Либерман предупреждает: чем крупнее компания, тем дороже и рискованнее вырывать работающую систему, а любую собственную разработку кто-то должен поддерживать.

Вертикальный ИИ: строить или покупать?

Алекс Либерман скептически смотрит на вертикальные ИИ-продукты (заточенные под одну отрасль): если каждый корпоративный клиент ждёт уникальное решение, как обеспечить маржинальность софтверной компании? По мере улучшения передовых моделей часть задач поглощается универсальными инструментами.

Контраргумент из дискуссии: отраслевые данные, специализированные интерфейсы, интеграции и привычки пользователей значат много, даже когда базовая модель доступна всем. Аналогия из обсуждения: терминал Bloomberg. Трейдер может получить рыночные данные где угодно, но терминал объединяет данные, рабочие потоки, коммуникацию и сложившиеся привычки.

Си Джей Хесс разделяет два типа продуктов: тот, чья главная функция это агент, выполняющий задачу, и тот, что улучшает реальный рабочий процесс вокруг задачи. Второй тип устойчивее.

Что делать с этим прямо сейчас?

Автору Дзена и копирайтеру. Принцип «контекст рядом с результатом» работает и для текстов. Заведите файл с редакционной политикой, тоном, частыми ошибками и держите его там, где ваш ИИ-помощник может его прочитать. Каждый новый промпт будет точнее.

Маркетологу. Модель «платим за результат, а не за часы» уже меняет рынок аутсорса разработки. Если ваше агентство или подрядчик выставляет счета по часам, а ИИ ускорил их работу втрое, вы переплачиваете за тот же результат. Обсудите переход на оплату по задачам.

Предпринимателю в РФ и СНГ. Tenex работает с американскими компаниями, прямого доступа к сервису из России нет. Но подход MetaHarness можно воспроизвести самостоятельно: Git-репозиторий с документацией решений плюс ИИ-ассистент для кода. Из доступных в РФ инструментов для работы с кодом: GigaCode, а для текстового контекста подойдут YandexGPT или GigaChat.

Если вы управляете командой или работаете на аутсорсе, проверьте одну вещь прямо сегодня: откройте последний проект и посмотрите, сможет ли новый человек (или ИИ-агент) за пять минут понять, почему были приняты ключевые решения. Если нет, начните с файла decisions.md в корне репозитория.