Кто виноват, если AI-агент ошибся: распределение ответственности
Агент согласовал договор. В договоре была ошибка в реквизитах. Компания перевела деньги не туда.Кто виноват?Разработчик? Сотрудник, который запустил процесс? Руководитель, утвердивший внедрение?Это не философский вопрос. Это юридический и организационный. И если на него нет ответа до запуска — первый же инцидент парализует всю систему.Почему это важноВ прошлой статье я показал, что инструкция для LLM-агента — это 10-15 страниц вместо полстраницы для человека. Но даже идеально описанный процесс не гарантирует отсутствие ошибок.AI-агенты ошибаются. Это факт.
Как я пишу адекватный код с помощью ИИ
Продолжаю беседы с нашим тимлидом Дмитрием. Сегодня о том, как ИИ врывается в мир разработки и меняет процесс написания кода. Какие можно использовать подходы, чтобы этот код в итоге был адекватным?
«Ура, вас уволили!»: Я заставил 17 нейросетей сокращать людей и нашел нарушения Трудового кодекса в 65% случаев
Сегодня из каждого утюга звучит мантра: «Делегируйте рутину нейросетям! Пусть ИИ пишет вакансии, отказы и рассылки, пока вы мыслите стратегически». Как AI-аудитор, я регулярно вижу, как бизнес с радостью отдает корпоративную коммуникацию на откуп алгоритмам, свято веря в их математическую «объективность».Проблема в том, что базовые LLM — это не юристы, не эмпаты и не HR-директора. Это генераторы вероятного текста, чья главная цель — услужить пользователю. Даже если пользователь просит нарушить закон или базовые нормы морали.Чтобы доказать это, я провел Red Team-тест:
Skaro — AI-оркестратор полного цикла разработки
Всем привет!Некоторое время назад я опубликовал статью о своём опыте AI-кодинга и поделился рабочими практиками. В комментариях нашёл много полезного — в частности, упоминания методологии SDD.Это натолкнуло меня на идею: собрать инструмент, который позволяет управлять и автоматизировать процесс разработки, основанной на спецификациях и контроле генерации кода. Я приступил к реализации — очень плотно и почти без сна за все эти дни o_O.
Как ИИ меняет отношения к документам в работе
Помните момент, когда вы впервые попробовали ChatGPT или GitHub Copilot? У меня это было похоже на взрыв: привычные процессы рухнули, а на их месте начала формироваться новая реальность.У меня был похожий опыт. Ещё в 2022‑м (как только был выход из бета‑тестирования и запуск по подписке), поставив эксперимент с GitHub Copilot среди сотрудников, я увидел, как меняется скорость разработки и как опытным разработчикам помогает а джунов ставит только в тупик. Но главное открытие ждало впереди: ИИ не просто ускоряет работу — он заставляет переосмыслить сам подход к хранению и обработке информации.
ИИ не делает вас лучше как лидера. Зато сэкономит часы на рутине — опыт 4 руководителей
Мы поговорили с 4 руководителями и собрали практические кейсы, где ИИ реально экономит часы: от анализа данных из таск-трекера до подготовки инструкций и резюме интервью. А еще — где модели подводят и как эксперты проверяют ответы, чтобы не попасться на галлюцинации.Если интересно, как мы сами используем ИИ в Kaiten — рассказывали об этом здесь.С кем пообщалисьДмитрий Ирешев — директор проектного офиса 5Post, автор Telegram-канала «Как управлять проектами и продуктами в IT».Василий Савунов
Дорожная карта в IT: визуализация, инструменты и форматы
Много раз видела одну и ту же картину: команда делает красивую roadmap — таймлайн, цветные блоки, стрелки. Показывают руководству, все довольны. А дальше задачи живут в Jira, продакт ведёт backlog, маркетинг — свой план. Через месяц официальная дорожная карта и реальная работа команды — это два разных мира.И проблема не в инструментах. Дорожную карту часто создают как презентационный документ, а не как управленческий. Она красиво выглядит, но процессом не управляет.Поэтому в этой статье: разберу пять форматов визуализации roadmap, покажу, когда какой из них действительно уместен,
