Сотрудники Google не только создают ИИ-продукты, но и должны активно пользоваться ими в повседневной работе
В последние месяцы руководство Google усилило давление не сотрудников, требуя от них не только создавать продукты на базе искусственного интеллекта, но и активно пользоваться такими инструментами в повседневной работе, пишет Business Insider. Этот подход должен повысить продуктивность персонала, считают в американской корпорации. Google, Microsoft и другие технологические гиганты стремятся расширять границы возможностей ИИ для новых продуктов, они видят, как это может способствовать развитию бизнеса и привлечению сотрудников.
Эксперт по рискам: совет «научитесь кодить» теперь хуже, чем «сделать татуировку на лице»
Аналитик рисков Ян Бреммер уверен, что технологии искусственного интеллекта фактически «выпотрошили» индустрию «обучения кодированию».
Гендиректор GitHub: учиться программировать нужно как можно раньше
Генеральный директор GitHub Томас Домке считает, что, несмотря на развитие технологий, людям всё равно требуются навыки кодинга. По его словам, этому нужно начинать учиться как можно раньше.
Вайб-кодинг: практика, о которой почему-то не говорят
В феврале мир разработки перевернулся с выходом Sonnet 3.7. Потому что вдруг внезапно оказалось, что джуны уже не очень-то и нужны. И нейросетка нормально заменяет мидлов тоже. Я откидываюсь в кресле, беру наушники и смотрю, как работает LLM. Можно сразу несколько, работающих над разными частями проекта: Пример проекта с прикручиванием аналитики к инфраструктуре: Сначала в GPT 4.5 провёл продуктовые исследования и сформулировал требования. Попросил превратить это в архитектурный план. Отревьюил, поправил тупые ошибки. Затем этот план (как метапромпт) скормил Sonnet в VS Code через плагин Cline. Попросил сначала создать общую структуру, шаблонные имплементации, документацию, спецификации API (protobuf для gRPC, REST API). Архитектурно сразу заложил микросервисы. Sonnet для каждого сервиса подобрал и обосновал оптимальную базу данных (где-то Postgres, где-то ClickHouse и т.д.). Сгенерировал SDK для взаимодействия, примеры использования. Сразу заложил observability: централизованные логи, метрики Prometheus, трейсинг Jaeger/Tempo, дашборды для Grafana. Потом итерационно генерировал код: сначала тесты (End-to-end, BDD), потом имплементацию под эти тесты. Написал манифесты для Kubernetes и Docker Compose для локального запуска. Сгенерировал даже скрипты для тестов REST API через curl и gRPC через gRPCurl. И всё. А теперь практика — что делать с тем, что современные нейросети учились преимущественно на говнокоде и как быть с джунами.
