Как умный поиск и микрообучение снижают нагрузку на менеджмент при адаптации
Любой инженер знает золотое правило DRY Don't Repeat Yourself.
Человек и Рой
В статье «ИИ и инфляция качества» я писал о том, что резкое удешевление интеллектуальной работы довольно быстро меняет наши требования к ее результату. Если дополнительная проверка занимает несколько минут, ее начинают делать. Если можно быстро перебрать десять вариантов, первый попавшийся уже не выглядит достаточным. Вчерашнее «слишком долго и дорого» превращается в сегодняшнее «а почему нет?», и качество начинает расти вслед за возможностями.У этого же процесса есть другой аспект, который пока немного теряется за бесконечным сравнением человека и машины.
Как пересобрать метрики команды после внедрения AI‑агентов без ложного роста velocity
Всем привет, меня зовут Сергей Прощаев и в этой статье расскажу про то, как пересобрать метрики инженерной команды, когда значительная часть изменений делается с участием ИИ‑агентов, а старая панель показателей начинает вводить в заблуждение. Я Tech Lead и руководитель направления Java | Kotlin разработки в FinTech & E‑commerce и преподаю на курсах разработки и архитектуры в ОТУС.Ситуация такая. Вы внедрили агентов в команде, прошло два квартала. На дашборде
Вас не уволили. Почему после сокращений уходят те, кого компания хотела сохранить
Представьте обычный понедельник. Утром приходит письмо о реорганизации, потом из рабочих чатов исчезают несколько знакомых аккаунтов. Ещё в пятницу вы обсуждали с этими людьми задачи, а сегодня их уже нет в компании. Вас оставили, и первая реакция вполне понятна: пронесло.Через неделю вам передают сервис ушедшего коллеги. Вы его примерно знаете, поэтому соглашаетесь. Потом появляются вопросы по другому проекту, где вы когда-то участвовали, а руководитель просит временно подхватить ещё одну область. Вечером пишет рекрутер, которого вы раньше месяцами игнорировали. На этот раз вы отвечаете.
Как выбрать норму управляемости в IT без перегруза руководителей
В последнее время снова растёт интерес к размеру команд и норме управляемости руководителей. Во многом это связано с тем, что разработка ПО с использованием ИИ-агентов меняет привычные модели работы и заставляет пересматривать сложившиеся подходы. Мне кажется, многие не до конца понимают, какие здесь приходится искать компромиссы, поэтому я хочу поделиться своим взглядом на норму управляемости и размер команд.
AI против Agile: что изменилось за последние два года
Почему Scrum не исчез, но многие привычные процессы уже никогда не будут прежними.
Мыслю, следовательно, страдаю
Как сомнение превращается из инструмента мышления в способ ничего не решатьЗа годы управления инженерными подразделениями я десятки раз начинал разговор одной и той же фразой:Почему ты не сказал об этом три дня назад?Суть ответа почти всегда была одинаковой. Человек уже понимал, что не укладывается в срок, но продолжал молчать и пытался решить проблему самостоятельно. Проходил день, потом второй. Вариантов становилось меньше, цена промедления росла, а разговор с руководителем всё равно оставался неизбежным.
Что я бы взял из опыта управления AI агентами для управления людьми
1.Промтинг и постановка задачи
Как я контролирую чужие обещания: разработчиков-исполнителей, заказчиков, ассистентов и девушку
В моём таск-менеджере сейчас больше пятидесяти пунктов, которые начинаются не с «сделать», а с «получить от…».
Кто платит за ИИ-продуктивность: почему выгорают middle-инженеры
В современной разработке AI-ассистенты для кодинга создали кризис, о котором никто не говорит. Junior-инженеры работают быстрее, чем когда-либо. Senior-инженеры проектируют архитектуру с меньшими усилиями. А что происходит с вашими middle-инженерами?Они тихо тонут: большую часть времени вылавливают ошибки AI, которые не попадают ни на один дашборд. Без какого-то признания.
