Первые 30 минут руководителя проекта, или как обнаружить проблемы до того, как они сорвут сроки
Утренние часы можно использовать для дел, которым постоянно мешает повседневная суета. Об этом пишет американская писательница Лаура Вандеркам в книге «Что самые успешные люди делают до завтрака». Попробуем перенести этот принцип на руководителя проекта и понять, как раньше остальных заметить отклонения в проектах, оценить последствия и принять решение, пока проблема еще управляема.
Как ИИ за два года из помощника аналитика превратился в рабочий инструмент тимлида
Привет, Хабр! Меня зовут Даниил Иванов, я руководитель группы аналитики в департаменте CRM&BPM в КОРУСе. Два года назад я уже писал статью, как применяю ИИ в работе аналитика.Тогда это были первые эксперименты — просто смотрел, чем он может быть полезен. Теперь я стал руководителем, вместо отдельных чатов работаю с корпоративным ИИ-продуктом, у которого есть единый контекст по проектам. И мои запросы к ИИ тоже изменились. Раньше я спрашивал: «Может ли он помочь мне написать протокол?» Сейчас думаю: «Как встроить его в работу команды, чтобы это стало рутиной, как работа с Excel?»
Что стоит попробовать в работе после INFOSTART A&PM EVENT 2026, а что прямо на нём
После хорошего доклада хочется многое попробовать. Но в понедельник возвращаются текущие задачи, а заметки остаются лежать до лучших времён. На INFOSTART A&PM EVENT 2026 часть подходов можно будет проверить ещё на конференции - на своей практике, с помощью экспертов и коллег.
Как жалобы заказчика станут источником ваших новых доходов
Жалобы клиента - это всегда важная информация для подрядчика, но часто еще и возможность дополнительно заработать. Я покопался в своем опыте топ-менеджера НОРБИТ за последние 20 лет и сформулировал восемь основных типов жалоб, которые можно и нужно превратить в деньги.
Я пришёл автоматизировать маркетплейсы из кровавого энтерпрайза, и вот что меня сильно удивило
Менеджеры fashion-брендов тонут в куче одежды
AI-агенты принесли 400 тысяч рублей за два месяца. Показываю расходы и окупаемость
В предыдущей статье я рассказал о системе AI-агентов, которая выполняет коммерческую разработку, и объяснил, почему считаю ее архитектуру неудачной. Судя по комментариям, не меньше технической реализации читателей заинтересовала экономика: сколько стоила разработка платформы, какие расходы на эксплуатацию, как учитывалось время сотрудников и откуда вообще взялись заявленные 350 тысяч рублей.
Осталось только всё улучшить: почему с ИИ так трудно закончить работу
Финишная черта проекта всё время отодвигаетсяС искусственным интеллектом в его современном состоянии есть одна известная проблема, которая называется шумным критиком.
«UX меняет адрес: от удобства к мотивации пользователя»
TL;DRРасходы на софт измеряются триллионами долларов, но и вендоры, и их клиенты упираются в один и тот же вопрос: как добиться того, чтобы продуктом действительно пользовались.Продукт не создаёт потребность, он может лишь попасть в существующую. Поэтому бесконечная оптимизация характеристик (605 метрик, 104 определения UX) сама по себе ничего не гарантирует.Спросить про потребность напрямую не получится: до появления предмета потребность не названа, и пользователь описывает её через продукты, которые уже видел.
Мы — та самая точка в.com
Вконце 1990-х Sun Microsystems была одной из главных компаний технологического мира. Сегодня трудно подобрать точный аналог, но по своему месту в инфраструктуре новой технологической эпохи она напоминала нынешнюю Nvidia.Интернет только начинал превращаться в массовое явление, и Sun поставляла то, на чем этот интернет во многом работал: серверы, рабочие станции, сетевые технологии и программные инструменты. Именно в Sun появилась Java — технология, которая на годы стала одним из стандартов разработки.У компании даже был идеально подходящий эпохе слоган: «Мы — точка в dot‑com». И это не казалось преувеличением.

