Как менеджеру использовать ИИ-инструменты для быстрого прототипирования и создания внутренних продуктов для команды
Привет, Хабр! Меня зовут Артем Колчин, я Senior Project Manager (ранее Delivery Lead, а ещё ранее разраб на C# и аналитик) и автор курса «Мидл менеджер проектов» в Яндекс Практикуме.
Барыжный флёр оперативки: что за дичь происходит сейчас на рынке
У нас ещё есть некоторое количество остатков с прошлого кризиса железа
Ваш сеньор не «выгорел», ему просто нужны таблетки
Почему HR-ы гробят проекты, путая усталость с психиатриейДисклеймер: Автор не врач. Все совпадения случайны. Текст носит развлекательно-философский характерБизнес теряет миллионы рублей, пытаясь лечить баги в «hardware» (мозге) своих рок-звезд методами «software» (корпоративами и отпусками). Но если автономные AI-агенты без жестких протоколов ведут себя как талантливые шизофреники, то мозг разработчика в состоянии сбоя — тем более. Там, где бизнес предлагает «отдохнуть», на самом деле нужны фармакология и жесткий инженерный протокол управления состоянием.Клинический случай: Диагноз по логам
ИИ-трансформация 2026: от хайпа к инфраструктуре. 5 структурных сдвигов, которые меняют стек технологий
Еще недавно ИИ был набором экспериментальных фич. В 2026 году мы видим, как он превращается в «невидимую инфраструктуру». По прогнозам Goldman Sachs, расходы на ИИ превысили $500 млрд, но главная новость не в деньгах, а в архитектуре: ИИ консолидируется в суперприложения и агентные системы, которые берут на себя управление рабочими процессами.Разбираем пять трендов, которые определяют, как мы будем кодить, строить бизнес и управлять данными в ближайшие годы.1. Агентные системы как новая рабочая сила
ИИ-ассистенты не ломают поддерживаемость кода. Но есть нюансы (выжимка из исследования Echoes of AI)
Перевод и выжимка исследования Echoes of AI: Investigating the Downstream Effects of AI Assistants on Software MaintainabilityБолее визуально видео с обзором исследования можно посмотреть на канале Дейва Фарли - Continuous Delivery.О чём речьБольшинство исследований влияния ИИ на разработку измеряют одно: скорость написания кода. «На сколько процентов быстрее закрыта задача?» «Сколько строк сгенерировано за час?» По сути, мы измеряем скорость набора текста и называем это продуктивностью.
Введение в Yttri — Что это и почему это нужно?
"У нас слишком много инструментов, но слишком мало знаний."Этой публикацией мы открываем цикл статей, посвящённых разработке и философии Yttri.Введение: Хаос в управлении знаниями
Импакт под прикрытием: почему российские ИТ-гиганты стесняются называть свои продукты социальными
В российском ИТ сложилась парадоксальная ситуация.Мы строим умные города, цифровизируем образование, переводим госуслуги в проактивный режим.Мы тратим миллиарды на импортозамещение и искусственный интеллект.Но никто не называет это импакт-проектами.Почему термин, который на Западе давно стал мейнстримом в ESG-отчётности и венчурных фондах, в российских ИТ-командах вызывает либо недоумение, либо подозрение в ненаучной благотворительности?Российские ИТ-проекты уже давно работают как импакт, просто мы не умеем это измерять и правильно упаковывать. А значит — теряем деньги, репутацию и влияние.
От очарования к разочарованию (и обратно?): как уровни зрелости объясняют провалы AI-проектов
Обзор дискуссии «Стратегия AI-трансформации: от исследования к бизнес-решениям» (Школа управления Сколково + Redmadrobot)TL;DR
Почему Code Review тормозит разработку и что с этим делать
Когда я слышу от команд разработки: «У нас всё хорошо с процессами, только вот ревью немного затягивается», — я понимаю, что проблема серьёзнее, чем кажется. «Немного затягивается» обычно означает, что pull request висит в очереди два-три дня, разработчик переключается на другую задачу, а когда приходит фидбек — уже забыл контекст. Потом ещё итерация, ещё одна... И вот уже неделя прошла с момента, как код был готов.Code Review
Я отвечаю за процессы и репутацию (SERM)
Раньше мы отдавали по 40-50 тыс. рублей в месяц за enterprise-сервисы мониторинга. Но платить столько ради пары десятков упоминаний продукта в день – это забивать гвозди микроскопом.Задача: прилетел негатив – мы моментально об этом узнали. Я спроектировал логику, а разработчик собрал инструмент. Архитектура простая, но на 100% закрывает боли.1. Сбор данныхСвой парсер на Python. Где площадки отдают данные по API – берем напрямую. Остальное тянем через Selenium с ротацией прокси от банов.2. Оценка сарказмаКлассический текстовый анализ сыпался на фразах вроде «Отличный сервис, ждал ответа сутки, спасибо!»
