[2/2] Отчеты McKinsey про Gen AI (Рубрика #AI)
Продолжая рассказ про исследования McKinsey, перейдем к метрикам рисков и «негативных последствий» (здесь есть данные, но опять сложно сравнимые)
4) “Experienced at least one negative consequence”
- 2023 - NA
- 2024 (начало) - 44% организаций испытали хотя бы одно негативное последствие от gen AI
- 2024 (середина) - 47% организаций испытали хотя бы одно негативное последствие от gen AI.
- 2025 - 51% организаций, использующих AI, испытали хотя бы одно негативное последствие (уже AI overall, не только gen AI).
5) “Inaccuracy” как ключевой риск (частично численно)
- 2023 - NA
- 2024 (начало) - риск, который значимо чаще стали пытаться митигировать по сравнению с прошлым годом; и "почти 25%" респондентов отмечают негативные последствия именно от неточности gen AI
- 2024 (середина) - NA
- 2025 - почти 33% всех респондентов сообщает о последствиях из‑за AI inaccuracy.
🤑 Ну и напоследок обсудим Value / EBIT, где метрика повторяется, но пороги и определения плавают
Здесь McKinsey даёт числа, но в разных выпусках меняется “что считаем успехом”.
6) Доля компаний с EBIT‑эффектом (разные пороги)
- 2023 - 23% респондентов говорят, что ≥5% EBIT их организаций attributable to AI (flat YoY на тот момент)
- 2024 (начало) - только 5.2% (46 и 876 респондентов) "report that a meaningful share of their organizations’ EBIT can be attributed to their deployment of gen AI"
- 2024 (середина) - 17% говорят, что ≥5% EBIT attributable to gen AI; при этом >80% не видят “tangible impact” на enterprise‑level EBIT от gen AI
- 2025 - 39% сообщают о любом EBIT impact на enterprise level от AI (и у большинства это <5%)
7) Доля "High performers" в выборке (тоже не 1‑в‑1, но похоже по масштабу)
- 2023 - AI high performers тут определяются по критерию "> 20% EBIT attributable to gen AI". Прямого указания их количества нет, но оценку можно взять из других вопросов, например, про "reskill larger portions of the workforce" где ответило 50 high performers и остальных 863 (получается оценка в 5.4% high performers)
- 2024 (начало) - “gen AI high performers” = 46 из 876 (≈5.3%) респондентов (критерий: > 10% EBIT attributable to gen AI)
- 2024 (середина) - NA (в этом отчете ничего не говорится про high performers)
- 2025 - “AI high performers” ≈ 6% респондентов (критерий другой: EBIT impact ≥ 5% + “significant value”)
В итоге, видим, что доля “топов” по self‑reported value остаётся порядка 5–6%, но из‑за смены критериев это не точный тренд. Если же глянуть на 2023 год, где 23% респондентов говорили про 5% вклад AI в EBITDA, то в 2025 году виден спад до 6% респондентов, что видят такой вклад. А значит высота достижений high performers становится ниже (или оценки влияния на EBITDA реальнее).
#Engineering #AI #Metrics #Software #Productivity #Economics #Whitepaper
Продолжая рассказ про исследования McKinsey, перейдем к метрикам рисков и «негативных последствий» (здесь есть данные, но опять сложно сравнимые)
4) “Experienced at least one negative consequence”
- 2023 - NA
- 2024 (начало) - 44% организаций испытали хотя бы одно негативное последствие от gen AI
- 2024 (середина) - 47% организаций испытали хотя бы одно негативное последствие от gen AI.
- 2025 - 51% организаций, использующих AI, испытали хотя бы одно негативное последствие (уже AI overall, не только gen AI).
5) “Inaccuracy” как ключевой риск (частично численно)
- 2023 - NA
- 2024 (начало) - риск, который значимо чаще стали пытаться митигировать по сравнению с прошлым годом; и "почти 25%" респондентов отмечают негативные последствия именно от неточности gen AI
- 2024 (середина) - NA
- 2025 - почти 33% всех респондентов сообщает о последствиях из‑за AI inaccuracy.
Здесь McKinsey даёт числа, но в разных выпусках меняется “что считаем успехом”.
6) Доля компаний с EBIT‑эффектом (разные пороги)
- 2023 - 23% респондентов говорят, что ≥5% EBIT их организаций attributable to AI (flat YoY на тот момент)
- 2024 (начало) - только 5.2% (46 и 876 респондентов) "report that a meaningful share of their organizations’ EBIT can be attributed to their deployment of gen AI"
- 2024 (середина) - 17% говорят, что ≥5% EBIT attributable to gen AI; при этом >80% не видят “tangible impact” на enterprise‑level EBIT от gen AI
- 2025 - 39% сообщают о любом EBIT impact на enterprise level от AI (и у большинства это <5%)
7) Доля "High performers" в выборке (тоже не 1‑в‑1, но похоже по масштабу)
- 2023 - AI high performers тут определяются по критерию "> 20% EBIT attributable to gen AI". Прямого указания их количества нет, но оценку можно взять из других вопросов, например, про "reskill larger portions of the workforce" где ответило 50 high performers и остальных 863 (получается оценка в 5.4% high performers)
- 2024 (начало) - “gen AI high performers” = 46 из 876 (≈5.3%) респондентов (критерий: > 10% EBIT attributable to gen AI)
- 2024 (середина) - NA (в этом отчете ничего не говорится про high performers)
- 2025 - “AI high performers” ≈ 6% респондентов (критерий другой: EBIT impact ≥ 5% + “significant value”)
В итоге, видим, что доля “топов” по self‑reported value остаётся порядка 5–6%, но из‑за смены критериев это не точный тренд. Если же глянуть на 2023 год, где 23% респондентов говорили про 5% вклад AI в EBITDA, то в 2025 году виден спад до 6% респондентов, что видят такой вклад. А значит высота достижений high performers становится ниже (или оценки влияния на EBITDA реальнее).
#Engineering #AI #Metrics #Software #Productivity #Economics #Whitepaper
Please open Telegram to view this post
VIEW IN TELEGRAM
Telegram
Книжный куб
[1/2] Отчеты McKinsey про Gen AI (Рубрика #AI)
Я продолжаю свое мета-исследование различных отчетов про внедрение AI и мне понравилась серия постов от McKinsey, которые системно и ритмично исследуют данный вопрос. Они начали делать это в 2023 году и продолжали…
Я продолжаю свое мета-исследование различных отчетов про внедрение AI и мне понравилась серия постов от McKinsey, которые системно и ритмично исследуют данный вопрос. Они начали делать это в 2023 году и продолжали…
❤5👍3🔥3
Dispatch from the Future: building an AI-native Company (Рубрика #AI)
Посмотерл претенциозный доклад Dan Shipper, сооснователя и CEO Every. Он запустил Every в 2020 году вместе с Nathan Baschez, а сегодня Every — это команда из 15 человек, которая управляет 6 бизнес-юнитами и 4 продуктами, публикует ежедневную рассылку об AI и консалтит.
Как по мне масштаб компании небольшой, но тезисы амбициозные и интересные, поэтому я привел их здесь
1️⃣ Квантовый скачок при 100% adoption
Разница между организацией, где 90% инженеров используют AI, и организацией со 100% adoption — это не 10%, а 10x. Если хотя бы 10% команды использует традиционные методы разработки, вся организация откатывается к старым процессам. Физика разработки меняется только при полном переходе.
2️⃣ 2. Один разработчик = продакшн-приложение
В Every каждый из четырех продуктов построен одним инженером. Это не игрушки: Cora (AI email assistant) обрабатывает тысячи почтовых ящиков, Monologue (speech-to-text) используют для написания миллионов слов в неделю, Spiral (AI writing partner) генерирует контент с миллионами показов. 99% кода написано AI-агентами — никто не пишет код руками.
3️⃣ От code editor к делегированию агентнам
Ключевое изменение — переход от редактора кода к terminal-based workflow с Claude Code, который убирает традиционный code editor и позволяет делегировать задачи агентам. Это открывает возможность параллельного выполнения: разработчики запускают 4 окна с агентами одновременно, работая над разными фичами.
4️⃣ Demo culture vs Memo culture
Когда код становится дешевым, компании переходят от "memo culture" (писать документы и убеждать коллег) к "demo culture" — можно за пару часов сделать прототип и показать. Это позволяет делать более странные и интересные вещи, которые сложно описать словами, но легко почувствовать.
5️⃣ Compounding Engineering
Every разработала методологию Compounding Engineering: каждая фича делает следующую фичу проще, а не сложнее. Цикл состоит из 4 этапов:
- Plan (40%): агенты изучают кодовую базу и создают детальные планы
- Work (20%): агенты пишут код и тесты
- Review (20%): оценка качества через тесты, код-ревью, субагентов
- Compound (20%): кодификация всех learnings в промпты, субагентов, slash-команды
6️⃣ Вторичные эффекты
Полный AI-adoption разблокирует неочевидные преимущества:
- Tacit code sharing: агенты могут читать репо соседних проектов и переносить паттерны в другой стек без явных библиотек
- Новички продуктивны с первого дня: вся организационная база знаний закодирована в claude.md файлах
- Cross-app commits: разработчики фиксят баги в чужих продуктах, потому что это просто
- Polyglot stack: каждый продукт может использовать свой язык и фреймворк — AI справляется с трансляцией
- Менеджеры коммитят код: даже CEO может коммитить production code между встречами
7️⃣ Fractured Attention Programming
AI позволяет работать с "раздробленным вниманием", когда раньше нужен был 3-4 часовой фокус-блок. Теперь: вышел из встречи → дал задачу агенту → пошел на другую встречу → вернулся к готовому результату → сделал PR.
Это влечет за собой следующие изменения для разработки
1) Изменения экономики разработки
- Параллелизм вместо последовательности: с агентами разработчик работает с 3-4 задачами одновременно в разных worktrees, а не с одной, как было раньше
- Снижение стоимости старта: prototype-first подход становится доминирующим
- Инверсия роли разработчика: код пишут агенты, разработчики становятся "оркестраторами"
2) Трансформация процессов
- Новые примитивы: появляются agents.md файлы с контекстом проекта, кастомные субагенты для специфичных задач и т.д (это способ кодификации знаний организации)
- Сдвиг от документации к артефактам: агенты читают код и другие примитивы напрямую
- Изменение hiring: больше не нужны недели на онбординг и не так важно знание конкретного стека
#Engineering #AI #Metrics #Software #DevEx #Productivity #DevOps #Architecture #Culture #Engineering #ML #SystemDesign
Посмотерл претенциозный доклад Dan Shipper, сооснователя и CEO Every. Он запустил Every в 2020 году вместе с Nathan Baschez, а сегодня Every — это команда из 15 человек, которая управляет 6 бизнес-юнитами и 4 продуктами, публикует ежедневную рассылку об AI и консалтит.
Как по мне масштаб компании небольшой, но тезисы амбициозные и интересные, поэтому я привел их здесь
1️⃣ Квантовый скачок при 100% adoption
Разница между организацией, где 90% инженеров используют AI, и организацией со 100% adoption — это не 10%, а 10x. Если хотя бы 10% команды использует традиционные методы разработки, вся организация откатывается к старым процессам. Физика разработки меняется только при полном переходе.
2️⃣ 2. Один разработчик = продакшн-приложение
В Every каждый из четырех продуктов построен одним инженером. Это не игрушки: Cora (AI email assistant) обрабатывает тысячи почтовых ящиков, Monologue (speech-to-text) используют для написания миллионов слов в неделю, Spiral (AI writing partner) генерирует контент с миллионами показов. 99% кода написано AI-агентами — никто не пишет код руками.
3️⃣ От code editor к делегированию агентнам
Ключевое изменение — переход от редактора кода к terminal-based workflow с Claude Code, который убирает традиционный code editor и позволяет делегировать задачи агентам. Это открывает возможность параллельного выполнения: разработчики запускают 4 окна с агентами одновременно, работая над разными фичами.
4️⃣ Demo culture vs Memo culture
Когда код становится дешевым, компании переходят от "memo culture" (писать документы и убеждать коллег) к "demo culture" — можно за пару часов сделать прототип и показать. Это позволяет делать более странные и интересные вещи, которые сложно описать словами, но легко почувствовать.
5️⃣ Compounding Engineering
Every разработала методологию Compounding Engineering: каждая фича делает следующую фичу проще, а не сложнее. Цикл состоит из 4 этапов:
- Plan (40%): агенты изучают кодовую базу и создают детальные планы
- Work (20%): агенты пишут код и тесты
- Review (20%): оценка качества через тесты, код-ревью, субагентов
- Compound (20%): кодификация всех learnings в промпты, субагентов, slash-команды
6️⃣ Вторичные эффекты
Полный AI-adoption разблокирует неочевидные преимущества:
- Tacit code sharing: агенты могут читать репо соседних проектов и переносить паттерны в другой стек без явных библиотек
- Новички продуктивны с первого дня: вся организационная база знаний закодирована в claude.md файлах
- Cross-app commits: разработчики фиксят баги в чужих продуктах, потому что это просто
- Polyglot stack: каждый продукт может использовать свой язык и фреймворк — AI справляется с трансляцией
- Менеджеры коммитят код: даже CEO может коммитить production code между встречами
7️⃣ Fractured Attention Programming
AI позволяет работать с "раздробленным вниманием", когда раньше нужен был 3-4 часовой фокус-блок. Теперь: вышел из встречи → дал задачу агенту → пошел на другую встречу → вернулся к готовому результату → сделал PR.
Это влечет за собой следующие изменения для разработки
1) Изменения экономики разработки
- Параллелизм вместо последовательности: с агентами разработчик работает с 3-4 задачами одновременно в разных worktrees, а не с одной, как было раньше
- Снижение стоимости старта: prototype-first подход становится доминирующим
- Инверсия роли разработчика: код пишут агенты, разработчики становятся "оркестраторами"
2) Трансформация процессов
- Новые примитивы: появляются agents.md файлы с контекстом проекта, кастомные субагенты для специфичных задач и т.д (это способ кодификации знаний организации)
- Сдвиг от документации к артефактам: агенты читают код и другие примитивы напрямую
- Изменение hiring: больше не нужны недели на онбординг и не так важно знание конкретного стека
#Engineering #AI #Metrics #Software #DevEx #Productivity #DevOps #Architecture #Culture #Engineering #ML #SystemDesign
YouTube
Dispatch from the Future: building an AI-native Company – Dan Shipper, Every, AI & I
The central thesis is that there is a "10x difference" between an organization where 90% of engineers use AI versus one where 100% do. At 100% adoption, the fundamental physics of software engineering change: a single developer can build and maintain complex…
🔥8❤6😱2⚡1😁1
2025 LLM Year in Review by Karpathy (Рубрика #AI)
Интересное ревью 2025 года от Андрей Карпаты, где он говорит про сдвиги парадигмы, которые поменяли ландшафт LLM
1️⃣ Reinforcement Learning from Verifiable Rewards (RLVR). К классическому стеку (pretrain → SFT → RLHF) добавился большой этап reinforcement learning по "проверяемым" наградам (математика/код-паззлы). Длиннее RL-прогоны → лучше capability/$, плюс появился рычаг test-time compute ("пусть модель думает дольше").
2️⃣ Ghosts vs. Animals / Jagged Intelligence. LLM — это скорее "призраки", а не "животные". В одном месте гений, в другом — легко ломается/джейлбрейкается. Отсюда скепсис к бенчмаркам: их всё проще "обучить до смерти".
3️⃣ Cursor / new layer of LLM apps. Cursor можно воспринимать как шаблон LLM-app: отдельный слой продуктов = context engineering + оркестрация вызовов (DAG) + UI для human-in-the-loop + 🎛 autonomy slider. Отсюда появилась фраза про создание "Cursor for X".
4️⃣ Claude Code / AI that lives on your computer. Агент должен "жить" на твоей машине рядом с реальной средой (конфиги, секреты, данные, низкая латентность), а не в абстрактных облачных контейнерах.
5️⃣ Vibe coding. Интересно слышать тезисы от создателя термина vibe coding - по его мнению, порог пройден и теперь можно собирать рабочие штуки, используя самый распространенный язык программирования (английский ). Код становится дешёвым, одноразовым и пластичным (хоть ради одного прогона).
6️⃣ Nano banana / LLM GUI. Чат — это консоль 80-х. Следующий UX — визуальные артефакты (слайды, схемы, whiteboard, web-app’ы). “Nano banana” у Google — ранний намёк на направление.
А вообще, я рекомендую прочитать эти тезисы в оригинале, благо он очень короткий.
#AI #ML #Trends #Software #Engineering #Future
Интересное ревью 2025 года от Андрей Карпаты, где он говорит про сдвиги парадигмы, которые поменяли ландшафт LLM
1️⃣ Reinforcement Learning from Verifiable Rewards (RLVR). К классическому стеку (pretrain → SFT → RLHF) добавился большой этап reinforcement learning по "проверяемым" наградам (математика/код-паззлы). Длиннее RL-прогоны → лучше capability/$, плюс появился рычаг test-time compute ("пусть модель думает дольше").
2️⃣ Ghosts vs. Animals / Jagged Intelligence. LLM — это скорее "призраки", а не "животные". В одном месте гений, в другом — легко ломается/джейлбрейкается. Отсюда скепсис к бенчмаркам: их всё проще "обучить до смерти".
3️⃣ Cursor / new layer of LLM apps. Cursor можно воспринимать как шаблон LLM-app: отдельный слой продуктов = context engineering + оркестрация вызовов (DAG) + UI для human-in-the-loop + 🎛 autonomy slider. Отсюда появилась фраза про создание "Cursor for X".
4️⃣ Claude Code / AI that lives on your computer. Агент должен "жить" на твоей машине рядом с реальной средой (конфиги, секреты, данные, низкая латентность), а не в абстрактных облачных контейнерах.
5️⃣ Vibe coding. Интересно слышать тезисы от создателя термина vibe coding - по его мнению, порог пройден и теперь можно собирать рабочие штуки, используя самый распространенный язык программирования (
6️⃣ Nano banana / LLM GUI. Чат — это консоль 80-х. Следующий UX — визуальные артефакты (слайды, схемы, whiteboard, web-app’ы). “Nano banana” у Google — ранний намёк на направление.
А вообще, я рекомендую прочитать эти тезисы в оригинале, благо он очень короткий.
#AI #ML #Trends #Software #Engineering #Future
karpathy
2025 LLM Year in Review
2025 Year in Review of LLM paradigm changes
🔥7❤3😐2⚡1
История стартапа Lovable, что вырос в оценке с нуля до $6.6 млрд всего за один год (Рубрика #Startup)
Компания Lovable (изначально известная как проект GPT Engineer) была официально основана в ноябре 2023 года в Стокгольме. Ее основали Anton Osika, бывший инженер CERN (опыт в ML и физике), и Fabian Hedin, серийный предприниматель и инженер. Интересно, что история компании началась с вирального open-source проекта gpt-engineer, CLI-утилиты, которая позволяла сгенерировать кодовую базу проекта по одному текстовому промпту. Проект стал хитом на GitHub (набрал десятки тысяч звезд за дни), показав огромный спрос на автоматическую генерацию кода. Увидев интерес, основатели решили превратить инструмент в полноценный коммерческий продукт для веб-разработки и запустили в конце 2023 года коммерческую версию. А в декабре 2024 года произошел ребрендинг: платформа получила имя Lovable, чтобы отразить фокус на создании продуктов, которые «нравятся людям», и уйти от технического названия.
Если говорить про бизнес-модели, то они прошли путь
- Бесплатного open-source инструмента
- SaaS с фокусом на потребление ресурсов (usage-based pricing), где есть кредиты (что покрывают затраты на inference LLMs)
В итоге, сейчас Lovable продает не просто "редактор кода", а "результат". Вы платите за вычисления (compute credits), которые тратятся на итерации агента (написание кода, фикс багов, развертывание). И этот подход очень нравится инвесторам.
В 2025 году компания продемонстрировала одну из самых быстрых динамик роста оценки в истории европейских стартапов.
1. Pre-Series A (Февраль 2025) - $15 млн, лид-инвестор - Creandum, ангелы: Чарли Сонгхерст (экс-Microsoft), Адам Д'Анджело (CEO Quora), Томас Вольф (Hugging Face).
2. Series A (Июль 2025) - $200 млн, оценка - $1.8 млрд, лид-инвестор - Accel, участники: 20VC, byFounders, Hummingbird, Visionaries Club
3. Series B (Декабрь 2025) - $330 млн, оценка - $6.6 млрд, лид-инвесторы: CapitalG (фонд роста Alphabet/Google) и Menlo Ventures, стратегические инвесторы: NVentures (Nvidia), Salesforce Ventures, Databricks Ventures, Atlassian Ventures.
Уже в раунде B подключилились такие тяжеловесы, что видно, что Lovable воспринимается не просто как "еще один редактор", а как ключевой игрок в инфраструктуре AI-разработки.
На январь 2026 года Lovable представляет собой Full-Stack AI Builder. В отличие от Cursor (IDE для программистов), Lovable позиционируется как инструмент для создания конечного продукта, часто доступный даже не-инженерам (концепция "vibe coding" — вы описываете, что хотите, а система пишет код). Интерфейс Lovable выглядит как веб-приложение с чатом слева и живым превью приложения справа. На выходе получаются веб приложения на React, Tailwind, Node.js/Supabase код. Пользователь может видеть код, экспортировать его в GitHub и дорабатывать вручную (или при помощи других агентов). Из коробки работает интеграция с СУБД (Supabase), аутентификация и платежи. Агенты Lovable достаточно автономны - они умеют сами читать файлы проекта, находить ошибки и предлагать исправления, не требуя от пользователя указывать конкретную строку кода.
Если говорить про известные планы, то они примерно такие
1. Enterprise-сегмент: Внедрение функций Governance (управление политиками безопасности кода), чтобы крупные компании могли безопасно использовать инструмент.
2. Автономные агенты 2.0: Переход от "помощника" к "автономному инженеру", который может поддерживать проект, обновлять зависимости и рефакторить код в фоновом режиме.
3. Географическая экспансия: Открытие офисов в США (Бостон, Сан-Франциско) для агрессивного захвата американского рынка.
4. Lovable Cloud: Развитие собственной облачной инфраструктуры для хостинга приложений, чтобы пользователю вообще не нужно было думать о серверах или внешних провайдерах (Backend-as-a-Service).
#AI #Software #Engineering #Future #Architecture #Startup #SystemDesign
Компания Lovable (изначально известная как проект GPT Engineer) была официально основана в ноябре 2023 года в Стокгольме. Ее основали Anton Osika, бывший инженер CERN (опыт в ML и физике), и Fabian Hedin, серийный предприниматель и инженер. Интересно, что история компании началась с вирального open-source проекта gpt-engineer, CLI-утилиты, которая позволяла сгенерировать кодовую базу проекта по одному текстовому промпту. Проект стал хитом на GitHub (набрал десятки тысяч звезд за дни), показав огромный спрос на автоматическую генерацию кода. Увидев интерес, основатели решили превратить инструмент в полноценный коммерческий продукт для веб-разработки и запустили в конце 2023 года коммерческую версию. А в декабре 2024 года произошел ребрендинг: платформа получила имя Lovable, чтобы отразить фокус на создании продуктов, которые «нравятся людям», и уйти от технического названия.
Если говорить про бизнес-модели, то они прошли путь
- Бесплатного open-source инструмента
- SaaS с фокусом на потребление ресурсов (usage-based pricing), где есть кредиты (что покрывают затраты на inference LLMs)
В итоге, сейчас Lovable продает не просто "редактор кода", а "результат". Вы платите за вычисления (compute credits), которые тратятся на итерации агента (написание кода, фикс багов, развертывание). И этот подход очень нравится инвесторам.
В 2025 году компания продемонстрировала одну из самых быстрых динамик роста оценки в истории европейских стартапов.
1. Pre-Series A (Февраль 2025) - $15 млн, лид-инвестор - Creandum, ангелы: Чарли Сонгхерст (экс-Microsoft), Адам Д'Анджело (CEO Quora), Томас Вольф (Hugging Face).
2. Series A (Июль 2025) - $200 млн, оценка - $1.8 млрд, лид-инвестор - Accel, участники: 20VC, byFounders, Hummingbird, Visionaries Club
3. Series B (Декабрь 2025) - $330 млн, оценка - $6.6 млрд, лид-инвесторы: CapitalG (фонд роста Alphabet/Google) и Menlo Ventures, стратегические инвесторы: NVentures (Nvidia), Salesforce Ventures, Databricks Ventures, Atlassian Ventures.
Уже в раунде B подключилились такие тяжеловесы, что видно, что Lovable воспринимается не просто как "еще один редактор", а как ключевой игрок в инфраструктуре AI-разработки.
На январь 2026 года Lovable представляет собой Full-Stack AI Builder. В отличие от Cursor (IDE для программистов), Lovable позиционируется как инструмент для создания конечного продукта, часто доступный даже не-инженерам (концепция "vibe coding" — вы описываете, что хотите, а система пишет код). Интерфейс Lovable выглядит как веб-приложение с чатом слева и живым превью приложения справа. На выходе получаются веб приложения на React, Tailwind, Node.js/Supabase код. Пользователь может видеть код, экспортировать его в GitHub и дорабатывать вручную (или при помощи других агентов). Из коробки работает интеграция с СУБД (Supabase), аутентификация и платежи. Агенты Lovable достаточно автономны - они умеют сами читать файлы проекта, находить ошибки и предлагать исправления, не требуя от пользователя указывать конкретную строку кода.
Если говорить про известные планы, то они примерно такие
1. Enterprise-сегмент: Внедрение функций Governance (управление политиками безопасности кода), чтобы крупные компании могли безопасно использовать инструмент.
2. Автономные агенты 2.0: Переход от "помощника" к "автономному инженеру", который может поддерживать проект, обновлять зависимости и рефакторить код в фоновом режиме.
3. Географическая экспансия: Открытие офисов в США (Бостон, Сан-Франциско) для агрессивного захвата американского рынка.
4. Lovable Cloud: Развитие собственной облачной инфраструктуры для хостинга приложений, чтобы пользователю вообще не нужно было думать о серверах или внешних провайдерах (Backend-as-a-Service).
#AI #Software #Engineering #Future #Architecture #Startup #SystemDesign
🔥8❤7⚡2👍2
[1/2] State of Web Dev AI 2025 - Анализ результатов для инженеров (Рубрика #AI)
Почти год назад платформа Devographics провела первый опрос разработчиков, чтобы оценить состояние AI для веб разработки. Этот отчет я изучил еще осенью, но как-то забыл написать про него, поэтому исправлю это сейчас.
Методология отчета
Опрос проходил с 10 февраля по 10 марта 2025 года, участие приняли 4 181 веб-разработчик. Анкета изучала, как программисты применяют ИИ в работе, какие инструменты самые полезные и с какими проблемами сталкиваются. Опрос был открытым для всех желающих, поэтому в выборке, вероятно, больше энтузиастов ИИ (аудитория набрана в том числе из подписчиков State of JS/CSS). По итогам получились такие результаты
Как разработчики используют ИИ
🤖 Генерация кода – главный сценарий применения: ~82% опрошенных используют AI для написания программного кода. Для сравнения, генерацию изображений применяет лишь 38% – несмотря на шум вокруг Midjourney и др., визуальные инструменты остаются нишевыми в веб-разработке.
😑 Доля AI-кода пока невелика. У 69% респондентов ИИ генерирует меньше четверти итогового кода, и только 8% получают с помощью AI более 75% своего кода. Иными словами, для большинства разработчиков ассистенты пока пишут отдельные фрагменты, а не весь проект целиком.
⚙️ Частота и эффективность: почти половина (46%) программистов запускают генерацию кода с помощью AI несколько раз в день или чаще. Многие включили такие инструменты в свой ежедневный workflow. Более того, большинство опрошенных согласны, что AI-помощники заметно повысили их продуктивность
Популярные AI-инструменты
🤖 ChatGPT от OpenAI – абсолютный лидер по охвату: 91% веб-разработчиков хотя бы попробовали его в работе. Другие крупные модели тоже набирают пользователей: ~55–60% респондентов экспериментировали с Anthropic Claude, Microsoft Copilot (модельным бэкендом) или Google Gemini. Для сравнения, у нового xAI Grok этот показатель лишь ~25%.
🧑💻 GitHub Copilot – самый популярный coding assistant (AI-плагин для автодополнения кода). Им пользуются ~71% участников опроса, и он лидирует по доле положительных отзывов. Для сравнения, остальные ассистенты типа Tabnine или JetBrains AI сильно отстают (порядка 10–15% пользователей). Зато Supermaven выделяется: им пока пробовали <10%, но отзывы очень высокие – возможная «темная лошадка», способная выстрелить в ближайшем будущем.
Проблемные точки
⚠️ Надежность и качество кода. Галлюцинации, фактические ошибки и ограниченный контекст модели – главные препятствия для широкого применения AI-инструментов. В итоге 76% разработчиков переписывают минимум половину кода, сгенерированного ИИ, прежде чем использовать его. Нередко причина проста: полученный фрагмент не работает так, как задумано. Без тщательного ревью и тестов доверять AI-коду пока нельзя.
💰 Расходы на инструменты. Большинство разработчиков пользуются бесплатными версиями AI-сервисов: свыше 90% тратят меньше $50 в месяц, в том числе 52% не платят ничего. Компании тоже осторожны с бюджетом: ~38% команд не инвестируют в AI совсем, а ~12% уже расходуют большие суммы (> $5000 ежемесячно). Пока многие выжидают, оценивая реальную отдачу от AI-инструментов.
В продолжении рассказ про результаты опроса, что могут быть интересны техническим лидерам
#Engineering #AI #Metrics #Software #DevEx #Productivity #DevOps
Почти год назад платформа Devographics провела первый опрос разработчиков, чтобы оценить состояние AI для веб разработки. Этот отчет я изучил еще осенью, но как-то забыл написать про него, поэтому исправлю это сейчас.
Методология отчета
Опрос проходил с 10 февраля по 10 марта 2025 года, участие приняли 4 181 веб-разработчик. Анкета изучала, как программисты применяют ИИ в работе, какие инструменты самые полезные и с какими проблемами сталкиваются. Опрос был открытым для всех желающих, поэтому в выборке, вероятно, больше энтузиастов ИИ (аудитория набрана в том числе из подписчиков State of JS/CSS). По итогам получились такие результаты
Как разработчики используют ИИ
⚙️ Частота и эффективность: почти половина (46%) программистов запускают генерацию кода с помощью AI несколько раз в день или чаще. Многие включили такие инструменты в свой ежедневный workflow. Более того, большинство опрошенных согласны, что AI-помощники заметно повысили их продуктивность
Популярные AI-инструменты
🤖 ChatGPT от OpenAI – абсолютный лидер по охвату: 91% веб-разработчиков хотя бы попробовали его в работе. Другие крупные модели тоже набирают пользователей: ~55–60% респондентов экспериментировали с Anthropic Claude, Microsoft Copilot (модельным бэкендом) или Google Gemini. Для сравнения, у нового xAI Grok этот показатель лишь ~25%.
🧑💻 GitHub Copilot – самый популярный coding assistant (AI-плагин для автодополнения кода). Им пользуются ~71% участников опроса, и он лидирует по доле положительных отзывов. Для сравнения, остальные ассистенты типа Tabnine или JetBrains AI сильно отстают (порядка 10–15% пользователей). Зато Supermaven выделяется: им пока пробовали <10%, но отзывы очень высокие – возможная «темная лошадка», способная выстрелить в ближайшем будущем.
Проблемные точки
⚠️ Надежность и качество кода. Галлюцинации, фактические ошибки и ограниченный контекст модели – главные препятствия для широкого применения AI-инструментов. В итоге 76% разработчиков переписывают минимум половину кода, сгенерированного ИИ, прежде чем использовать его. Нередко причина проста: полученный фрагмент не работает так, как задумано. Без тщательного ревью и тестов доверять AI-коду пока нельзя.
💰 Расходы на инструменты. Большинство разработчиков пользуются бесплатными версиями AI-сервисов: свыше 90% тратят меньше $50 в месяц, в том числе 52% не платят ничего. Компании тоже осторожны с бюджетом: ~38% команд не инвестируют в AI совсем, а ~12% уже расходуют большие суммы (> $5000 ежемесячно). Пока многие выжидают, оценивая реальную отдачу от AI-инструментов.
В продолжении рассказ про результаты опроса, что могут быть интересны техническим лидерам
#Engineering #AI #Metrics #Software #DevEx #Productivity #DevOps
Please open Telegram to view this post
VIEW IN TELEGRAM
2025.stateofai.dev
State of AI 2025
1❤5👍3👎1🔥1
[2/2] State of Web Dev AI 2025 - Анилиз для руководителей (Рубрика #AI)
Продолжая рассказ про отчет, надо отметить, что AI-инструменты влияют не только на код, но и на организацию работы команд разработки. Ниже – ключевые инсайты для технических лидеров о том, как интеграция ИИ меняет рабочие процессы, роли и затраты.
AI в процессах и продуктивности команды
🤖 Часть ежедневного workflow. AI-инструменты прочно вошли в повседневную практику: 59% опрошенных согласны, что ИИ стал неотъемлемой частью их разработки. Почти половина инженеров (46%) запускают генерацию кода с помощью AI несколько раз в день – фактически AI уже выступает “вторым пилотом” для разработчиков на многих задачах.
📈 ROI – рост производительности. Большинство инженеров отмечают, что AI-средства сделали их продуктивнее. Для менеджера это означает ускорение доставки: рутинные этапы (шаблонный код, документация, тесты) можно поручить ИИ и выполнить быстрее, освободив команду для творчества и решения сложных проблем.
🛠 Интеграция инструментов. Специализированные AI-IDE пока нишевы – лишь ~42% респондентов пробовали такие среды. Команды предпочитают добавлять AI-функции в знакомые IDE (VS Code, IntelliJ и др.), а не переходить на новые редакторы, поэтому эффективнее внедрять AI-плагины в существующий стек, чем заставлять всех осваивать совершенно новые решения.
💰 Бюджеты на AI. Многие компании осторожничают: ~38% вообще не тратят на AI-сервисы, тогда как ~12% уже инвестируют серьёзно (> $5000 в месяц). Большинство разработчиков также ограничивается бесплатными инструментами (94% платят <$50 в мес, из них ~52% — $0).
Кадры, структура и риски
🧑💼 Навыки и новые роли. Важный новый skill – умение эффективно пользоваться AI. Средний разработчик уже попробовал почти 4 разных AI-модели, экспериментируя в поисках лучших инструментов. Навык написания грамотных промптов и проверки AI-результатов становится частью профессии. В некоторых компаниях появляются роли вроде AI-евангелиста или внутреннего эксперта, обучающего команду работе с ИИ.
🎓 Поддержание экспертизы. Нельзя допустить деградации навыков из-за чрезмерной зависимости от AI. 60% респондентов согласны, что переизбыток автоматизации может снизить общий уровень квалификации разработчиков. Чтобы этого не случилось, лидерам стоит поощрять полноценные ревью и разбор AI-кода – особенно для роста джунов. Обсуждение решений, полученных от ИИ, должно стать частью обучения: инженеры должны понимать, почему код работает, а не только получать ответ от машины.
🔒 Контроль качества и риски. Руководителю важно встроить AI в процесс контроля. Нужно определить правила: требовать автотесты и ревью для кода, сгенерированного AI, и ограничивать применение генерации в критичных модулях. Основные проблемы ИИ никуда не делись: модель все еще может галлюцинировать, упускать контекст или выдавать уязвимый код. Поэтому ясно обозначьте, где команда может полагаться на AI, а где обязателен ручной контроль.
🚀 Конкурентное преимущество. Правильно внедренный AI – это ускоритель для команды, а не замена живым инженерам. Опрос показывает, что AI по-прежнему дополнение, а не угроза: он ускоряет написание кода, но не отнимает рабочие места (лишь около четверти специалистов видят в ИИ угрозу для своей работы). Как отметил один из экспертов, «те, кто научатся использовать AI, получат преимущество»
#Engineering #AI #Metrics #Software #DevEx #Productivity #DevOps
Продолжая рассказ про отчет, надо отметить, что AI-инструменты влияют не только на код, но и на организацию работы команд разработки. Ниже – ключевые инсайты для технических лидеров о том, как интеграция ИИ меняет рабочие процессы, роли и затраты.
AI в процессах и продуктивности команды
🤖 Часть ежедневного workflow. AI-инструменты прочно вошли в повседневную практику: 59% опрошенных согласны, что ИИ стал неотъемлемой частью их разработки. Почти половина инженеров (46%) запускают генерацию кода с помощью AI несколько раз в день – фактически AI уже выступает “вторым пилотом” для разработчиков на многих задачах.
📈 ROI – рост производительности. Большинство инженеров отмечают, что AI-средства сделали их продуктивнее. Для менеджера это означает ускорение доставки: рутинные этапы (шаблонный код, документация, тесты) можно поручить ИИ и выполнить быстрее, освободив команду для творчества и решения сложных проблем.
🛠 Интеграция инструментов. Специализированные AI-IDE пока нишевы – лишь ~42% респондентов пробовали такие среды. Команды предпочитают добавлять AI-функции в знакомые IDE (VS Code, IntelliJ и др.), а не переходить на новые редакторы, поэтому эффективнее внедрять AI-плагины в существующий стек, чем заставлять всех осваивать совершенно новые решения.
💰 Бюджеты на AI. Многие компании осторожничают: ~38% вообще не тратят на AI-сервисы, тогда как ~12% уже инвестируют серьёзно (> $5000 в месяц). Большинство разработчиков также ограничивается бесплатными инструментами (94% платят <$50 в мес, из них ~52% — $0).
Кадры, структура и риски
🧑💼 Навыки и новые роли. Важный новый skill – умение эффективно пользоваться AI. Средний разработчик уже попробовал почти 4 разных AI-модели, экспериментируя в поисках лучших инструментов. Навык написания грамотных промптов и проверки AI-результатов становится частью профессии. В некоторых компаниях появляются роли вроде AI-евангелиста или внутреннего эксперта, обучающего команду работе с ИИ.
🎓 Поддержание экспертизы. Нельзя допустить деградации навыков из-за чрезмерной зависимости от AI. 60% респондентов согласны, что переизбыток автоматизации может снизить общий уровень квалификации разработчиков. Чтобы этого не случилось, лидерам стоит поощрять полноценные ревью и разбор AI-кода – особенно для роста джунов. Обсуждение решений, полученных от ИИ, должно стать частью обучения: инженеры должны понимать, почему код работает, а не только получать ответ от машины.
🔒 Контроль качества и риски. Руководителю важно встроить AI в процесс контроля. Нужно определить правила: требовать автотесты и ревью для кода, сгенерированного AI, и ограничивать применение генерации в критичных модулях. Основные проблемы ИИ никуда не делись: модель все еще может галлюцинировать, упускать контекст или выдавать уязвимый код. Поэтому ясно обозначьте, где команда может полагаться на AI, а где обязателен ручной контроль.
🚀 Конкурентное преимущество. Правильно внедренный AI – это ускоритель для команды, а не замена живым инженерам. Опрос показывает, что AI по-прежнему дополнение, а не угроза: он ускоряет написание кода, но не отнимает рабочие места (лишь около четверти специалистов видят в ИИ угрозу для своей работы). Как отметил один из экспертов, «те, кто научатся использовать AI, получат преимущество»
#Engineering #AI #Metrics #Software #DevEx #Productivity #DevOps
Telegram
Книжный куб
[1/2] State of Web Dev AI 2025 - Анализ результатов для инженеров (Рубрика #AI)
Почти год назад платформа Devographics провела первый опрос разработчиков, чтобы оценить состояние AI для веб разработки. Этот отчет я изучил еще осенью, но как-то забыл написать…
Почти год назад платформа Devographics провела первый опрос разработчиков, чтобы оценить состояние AI для веб разработки. Этот отчет я изучил еще осенью, но как-то забыл написать…
❤6🔥3⚡1
Киберспорт. Игры, деньги, два клика (The Book of Esports) (Рубрика #Game)
Прочитал на каникулах книгу Уильяма Коллиса, геймера и предпринимателя, что соосновал несколько стартапов в киберспорте и успешно продал их, получил прозвище “The Professor” за преподавание киберспорт в колледже, а сейчас он является совладельцем и соучредителем профессиональной киберспортивной команды Team Genji, которая считается №1 в мире по игре Hearthstone.
Уильям решил написать книгу, чтобы сделать понятный гайд для всех, от геймера до инвестора, от родителя киберспортсмена до технического директора, который хочет понять, что творится в этой новой сфере. В итоге, книга вышла на английском в 2020 году и стала первым всеобъемлющим обзором индустрии, а также своеобразным учебником для курсов про киберспорт.
Коллис с первых страниц обозначает амбиции: рассказать обо всех гранях киберспорта. В аннотации прямым текстом перечислено, что читатель узнает:
- Как все начиналось: от первых соревнований по видеоиграм до взрывного роста стриминга – история становления киберспорта шаг за шагом. Автор прослеживает путь от игровых автоматов и LAN-пати к аренам и онлайн-платформам.
- Связь с традиционным спортом: параллели между спортивными состязаниями и их цифровым аналогом. Коллис показывает, что принципы соревнований универсальны: будь то футбол или Dota 2 – важны навыки, командная динамика, зрелищность и дух соперничества.
- Почему успешны именно эти игры: разбирается, как League of Legends, Fortnite, StarCraft, Dota 2 и другие стали киберспортивными хитами. Здесь автор вводит понятие факторы SCAR – четыре условия, без которых игра не станет киберспортом Skill, Community, Accessibility, Reward (мастерство, сообщество, доступность, награда). Коллис показывает, что, например, StarCraft заложил основу: высокая планка мастерства, сплоченное сообщество, легкость начать играть и серьезные призы – все это сделало его глобальным явлением.
- Бизнес и инвестиции: отдельный фокус – что нужно знать компаниям, решившим вложиться в киберспорт. Автор делится стратегическими мыслями о том, на чем зарабатывают турниры, команды, стриминговые платформы. Рассматриваются модели монетизации - Коллис даже предлагает свою аббревиатуру BAMS: Blade & razors, Advertising & assets, Microtransactions, Subscriptions. Для руководителей тут ценно увидеть, как выстроена экономика индустрии: спонсорства, медиаправа, продажи внутриигровых товаров – все кирпичики большого бизнеса.
- Будущее киберспорта: Коллис заглядывает вперед, рассуждая, что ждет индустрию завтра. Поднимаются вопросы: какие новые жанры появятся (он вспоминает, как жанр королевской битвы внезапно ворвался с PUBG), не превратится ли любой видеоигровой жанр в соревнование. Интересна модель OMENS, в которой автор рассказывает про факторы, что влияют на возможность игры удержаться в топе киберспортивных игр. OMENS расшифровывается как Opportunities for competition, Monetization, Ecosystem support, Network effects, Switching costs. Не обязательно, чтобы все факторы сходились воедино, но чем их больше, тем выше шансы игры приблизиться идеалу. Кстати, тут проскальзывает интересная аналогия про кетчуп и горчицу - кетчуп имеет устойчивый вкус и ожидания, а горчицы все разные. В итоге, чтобы игра могла стать киберспортивной дисциплиной, ей стоит быть похожей на кетчуп и следовать модели OMENS
- Альтернативные версии киберспорта. В финальной главе обсуждается новый класс состязаний, способный сделать киберспортом даже Super Mario Bros. – намек на спидраны и другие нестандартные форматы из разряда «безупречных побед». Также автор говорит о грядущих сдвигах: слияние человеческих и машинных навыков, развитие ИИ в играх и другие футуристические идеи.
Отдельно отмечу, что книга написана простым языком и понятна широкой аудитории, то есть основы киберспорта в изложении Колиинса поймет даже человек далекий от игр. Одновременно автор не скучен и для старожилов: он вплетает истории о культовых матчах, курьезах индустрии, интервью с известными киберспортсменами, делая повествование «живым».
#Game #Design #Engineering #Software
Прочитал на каникулах книгу Уильяма Коллиса, геймера и предпринимателя, что соосновал несколько стартапов в киберспорте и успешно продал их, получил прозвище “The Professor” за преподавание киберспорт в колледже, а сейчас он является совладельцем и соучредителем профессиональной киберспортивной команды Team Genji, которая считается №1 в мире по игре Hearthstone.
Уильям решил написать книгу, чтобы сделать понятный гайд для всех, от геймера до инвестора, от родителя киберспортсмена до технического директора, который хочет понять, что творится в этой новой сфере. В итоге, книга вышла на английском в 2020 году и стала первым всеобъемлющим обзором индустрии, а также своеобразным учебником для курсов про киберспорт.
Коллис с первых страниц обозначает амбиции: рассказать обо всех гранях киберспорта. В аннотации прямым текстом перечислено, что читатель узнает:
- Как все начиналось: от первых соревнований по видеоиграм до взрывного роста стриминга – история становления киберспорта шаг за шагом. Автор прослеживает путь от игровых автоматов и LAN-пати к аренам и онлайн-платформам.
- Связь с традиционным спортом: параллели между спортивными состязаниями и их цифровым аналогом. Коллис показывает, что принципы соревнований универсальны: будь то футбол или Dota 2 – важны навыки, командная динамика, зрелищность и дух соперничества.
- Почему успешны именно эти игры: разбирается, как League of Legends, Fortnite, StarCraft, Dota 2 и другие стали киберспортивными хитами. Здесь автор вводит понятие факторы SCAR – четыре условия, без которых игра не станет киберспортом Skill, Community, Accessibility, Reward (мастерство, сообщество, доступность, награда). Коллис показывает, что, например, StarCraft заложил основу: высокая планка мастерства, сплоченное сообщество, легкость начать играть и серьезные призы – все это сделало его глобальным явлением.
- Бизнес и инвестиции: отдельный фокус – что нужно знать компаниям, решившим вложиться в киберспорт. Автор делится стратегическими мыслями о том, на чем зарабатывают турниры, команды, стриминговые платформы. Рассматриваются модели монетизации - Коллис даже предлагает свою аббревиатуру BAMS: Blade & razors, Advertising & assets, Microtransactions, Subscriptions. Для руководителей тут ценно увидеть, как выстроена экономика индустрии: спонсорства, медиаправа, продажи внутриигровых товаров – все кирпичики большого бизнеса.
- Будущее киберспорта: Коллис заглядывает вперед, рассуждая, что ждет индустрию завтра. Поднимаются вопросы: какие новые жанры появятся (он вспоминает, как жанр королевской битвы внезапно ворвался с PUBG), не превратится ли любой видеоигровой жанр в соревнование. Интересна модель OMENS, в которой автор рассказывает про факторы, что влияют на возможность игры удержаться в топе киберспортивных игр. OMENS расшифровывается как Opportunities for competition, Monetization, Ecosystem support, Network effects, Switching costs. Не обязательно, чтобы все факторы сходились воедино, но чем их больше, тем выше шансы игры приблизиться идеалу. Кстати, тут проскальзывает интересная аналогия про кетчуп и горчицу - кетчуп имеет устойчивый вкус и ожидания, а горчицы все разные. В итоге, чтобы игра могла стать киберспортивной дисциплиной, ей стоит быть похожей на кетчуп и следовать модели OMENS
- Альтернативные версии киберспорта. В финальной главе обсуждается новый класс состязаний, способный сделать киберспортом даже Super Mario Bros. – намек на спидраны и другие нестандартные форматы из разряда «безупречных побед». Также автор говорит о грядущих сдвигах: слияние человеческих и машинных навыков, развитие ИИ в играх и другие футуристические идеи.
Отдельно отмечу, что книга написана простым языком и понятна широкой аудитории, то есть основы киберспорта в изложении Колиинса поймет даже человек далекий от игр. Одновременно автор не скучен и для старожилов: он вплетает истории о культовых матчах, курьезах индустрии, интервью с известными киберспортсменами, делая повествование «живым».
#Game #Design #Engineering #Software
❤11👍4🔥2
[1/2] Databases in 2025: A Year in Review by Andy Pavlo (Рубрика #Databases)
Изучил ежегодный обзор рынка баз данных от Andy Pavlo, крутого преподавателя и исследователя мира БД из Carnegie Melon University. Ниже краткое саммари основных моментов
🐘 PostgreSQL правит бал
Доминирование PostgreSQL продолжается и именно вокруг Postgres сосредоточена большая часть энергии и инноваций в СУБД.
В 2025 это подтвердилось громкими сделками:
- Databricks купил облачный PostgreSQL-сервис Neon (~$1 млрд)
- Snowflake – Crunchy Data ($250 млн)
- Microsoft запустил свой PostgreSQL-DBaaS (HorizonDB)
Появились проекты масштабирования Postgres по горизонтали (шардинг):
- Supabase нанял соавтора Vitess для проекта Multigres
- PlanetScale анонсировал систему Neki – Postgres-на-стероидах для больших нагрузок
Pavlo приветствует эту волну "шардированного Postgres", хотя напоминает, что попытки сделать масштабируемый Postgres предпринимались и раньше.
🤖 MCP для LLM в каждый дом
Если 2023-й был годом "векторных индексов" в каждом движке, то 2025-й – годом поддержки Anthropic MCP (Model Context Protocol) во всех СУБД. После поддержки OpenAI этого протокола практически каждый вендор выпустил MCP-сервер к своей базе – от OLAP-систем (ClickHouse, Snowflake и др.) до NoSQL (MongoDB, Neo4j, Redis); а провайдеры PostgreSQL‑DBaaS написали свои реализации. По мнению Andy Pavlo появление такого стандарта взаимодействия ИИ с БД - это благо, но стоит нужно ограничивать и мониторить эти реализации (например, только read-only запросы, лимиты на результат и таймауты), иначе рано или поздно случится факап
⚖️ MongoDB против FerretDB – судный день?
Впервые за историю индустрии СУБД одна компания подала в суд на другую за имитацию её API. MongoDB, Inc. обвинила стартап FerretDB (прокси, переводящий запросы MongoDB в PostgreSQL) в нарушении авторских прав, патентов и лицензии. Andy Pavlo сравнивает этот иск с процессом Oracle vs Google за Java API – тогда суд встал на сторону свободной реализации. Исход дела неясен, но есть пикантный нюанс: FerretDB изначально назывался "MangoDB". Интересно, что параллельно Microsoft в 2025 открыла исходники собственной Mongo-совместимой базы DocumentDB (передав проект в Linux Foundation) – то есть фактически занялась тем же, в чём Mongo обвиняет FerretDB.
📁 Война форматов данных
Почти 15 лет формат Parquet царил в колонночных хранилищах, но в 2025 сразу пять новых open-source форматов бросили ему вызов (ещё несколько появились в 2024-м). Среди них – проекты от академиков (FastLanes, F3, AnyBlox), стартапов (Vortex от SpiralDB) и гигантов (Microsoft Amudai, правда, его тихо прикрыли к концу года). Сообщество Parquet встрепенулось и взялось за модернизацию стандарта. Andy Pavlo отмечает, что главная проблема Parquet – не в самом формате, а в фрагментации реализации: слишком много парсеров/писателей в разных языках, поддерживающих разный поднабор фич. В результате 94% файлов «в живой природе» до сих пор созданы с фичами v1 образца 2013 года. Никто не будет переписывать петабайты старых паркет-файлов, да и невозможно быть уверенным, что любая система прочитает новейший файл – вдруг ей не хватит поддержки специфичных опций. Новые форматы пытаются решить проблему совместимости по-разному. Например, формат F3 (разрабатываемый в том числе при участии Pavlo) встраивает в каждый файл собственные декодеры: и в виде нативных модулей, и в виде WASM-кода, лежащего прямо в файле. Идея в том, что база данных сможет прочесть колонку даже нового, незнакомого формата – исполнив прикреплённый WASM-декодер. Другие (AnyBlox) генерируют единый WASM для всего файла. Пока неясно, чей подход победит – Parquet повсеместен, и инерция огромна. Следующее сражение развернётся за поддержку GPU в форматах, прогнозирует Pavlo, но одно ясно уже сейчас: битва за эффективное хранение данных вошла в новую фазу.
В продолжении я расскажу про остальные пункты.
#Database #Architecture #Management #DistributedSystems #Software #Engineering #Future
Изучил ежегодный обзор рынка баз данных от Andy Pavlo, крутого преподавателя и исследователя мира БД из Carnegie Melon University. Ниже краткое саммари основных моментов
🐘 PostgreSQL правит бал
Доминирование PostgreSQL продолжается и именно вокруг Postgres сосредоточена большая часть энергии и инноваций в СУБД.
В 2025 это подтвердилось громкими сделками:
- Databricks купил облачный PostgreSQL-сервис Neon (~$1 млрд)
- Snowflake – Crunchy Data ($250 млн)
- Microsoft запустил свой PostgreSQL-DBaaS (HorizonDB)
Появились проекты масштабирования Postgres по горизонтали (шардинг):
- Supabase нанял соавтора Vitess для проекта Multigres
- PlanetScale анонсировал систему Neki – Postgres-на-стероидах для больших нагрузок
Pavlo приветствует эту волну "шардированного Postgres", хотя напоминает, что попытки сделать масштабируемый Postgres предпринимались и раньше.
🤖 MCP для LLM в каждый дом
Если 2023-й был годом "векторных индексов" в каждом движке, то 2025-й – годом поддержки Anthropic MCP (Model Context Protocol) во всех СУБД. После поддержки OpenAI этого протокола практически каждый вендор выпустил MCP-сервер к своей базе – от OLAP-систем (ClickHouse, Snowflake и др.) до NoSQL (MongoDB, Neo4j, Redis); а провайдеры PostgreSQL‑DBaaS написали свои реализации. По мнению Andy Pavlo появление такого стандарта взаимодействия ИИ с БД - это благо, но стоит нужно ограничивать и мониторить эти реализации (например, только read-only запросы, лимиты на результат и таймауты), иначе рано или поздно случится факап
⚖️ MongoDB против FerretDB – судный день?
Впервые за историю индустрии СУБД одна компания подала в суд на другую за имитацию её API. MongoDB, Inc. обвинила стартап FerretDB (прокси, переводящий запросы MongoDB в PostgreSQL) в нарушении авторских прав, патентов и лицензии. Andy Pavlo сравнивает этот иск с процессом Oracle vs Google за Java API – тогда суд встал на сторону свободной реализации. Исход дела неясен, но есть пикантный нюанс: FerretDB изначально назывался "MangoDB". Интересно, что параллельно Microsoft в 2025 открыла исходники собственной Mongo-совместимой базы DocumentDB (передав проект в Linux Foundation) – то есть фактически занялась тем же, в чём Mongo обвиняет FerretDB.
📁 Война форматов данных
Почти 15 лет формат Parquet царил в колонночных хранилищах, но в 2025 сразу пять новых open-source форматов бросили ему вызов (ещё несколько появились в 2024-м). Среди них – проекты от академиков (FastLanes, F3, AnyBlox), стартапов (Vortex от SpiralDB) и гигантов (Microsoft Amudai, правда, его тихо прикрыли к концу года). Сообщество Parquet встрепенулось и взялось за модернизацию стандарта. Andy Pavlo отмечает, что главная проблема Parquet – не в самом формате, а в фрагментации реализации: слишком много парсеров/писателей в разных языках, поддерживающих разный поднабор фич. В результате 94% файлов «в живой природе» до сих пор созданы с фичами v1 образца 2013 года. Никто не будет переписывать петабайты старых паркет-файлов, да и невозможно быть уверенным, что любая система прочитает новейший файл – вдруг ей не хватит поддержки специфичных опций. Новые форматы пытаются решить проблему совместимости по-разному. Например, формат F3 (разрабатываемый в том числе при участии Pavlo) встраивает в каждый файл собственные декодеры: и в виде нативных модулей, и в виде WASM-кода, лежащего прямо в файле. Идея в том, что база данных сможет прочесть колонку даже нового, незнакомого формата – исполнив прикреплённый WASM-декодер. Другие (AnyBlox) генерируют единый WASM для всего файла. Пока неясно, чей подход победит – Parquet повсеместен, и инерция огромна. Следующее сражение развернётся за поддержку GPU в форматах, прогнозирует Pavlo, но одно ясно уже сейчас: битва за эффективное хранение данных вошла в новую фазу.
В продолжении я расскажу про остальные пункты.
#Database #Architecture #Management #DistributedSystems #Software #Engineering #Future
🔥12👍9❤4
[2/2] Databases in 2025: A Year in Review by Andy Pavlo (Рубрика #Databases)
Продолжая рассказ об обзоре рынка баз данных от Andy Pavlo, расскажу про оставшиеся тезисы.
💸 Деньги, слияния и поглощения
2025-й оказался богат на крупные сделки в мире данных
- Продолжилась охота на PostgreSQL-компании: Neon ушёл к Databricks, Crunchy Data – к Snowflake (за $250 млн)
- IBM не остался в стороне и забрал себе DataStax (Cassandra) примерно за $3 млрд
- Salesforce раскошелился на старейшую ETL-платформу Informatica (~$8 млрд)
- Даже MariaDB Corp. умудрилась в том же году дважды купить «саму себя» – вернув под своё крыло отколовшуюся облачную дочку SkySQL
- Неожиданностью года стало слияние Fivetran и dbt Labs – две взаимодополняющие компании объединились в ETL-колосс, метящий на скорый IPO
📉 Инвесторы охладели к новым СУБД
Хайп вокруг векторных баз спал, венчуры в 2025 меньше инвестировали в молодые DB-стартапы, предпочитая нести деньги в AI. Зато лидеры отрасли продолжают получать огромные раунды:
- Databricks привлёк $5 млрд (два раунда) за год
- ClickHouse – $350 млн
- Supabase – суммарно $300 млн (Series D + E)
- И даже совсем молодые проекты вроде SpiralDB (создатели Vortex) поднимают десятки миллионов.
💀 Не все выжили
Ряд компаний не пережил этот год
- Закрылся FaunaDB – амбициозный распределённый СУБД‑стартап с сильной консистентностью (Pavlo был у них техконсультантом и советовал добавить SQL, но его не послушали)
- Проект PostgresML (машинное обучение внутри PostgreSQL) тоже не взлетел
- Команда Hydra (коннектор DuckDB↔️Postgres) разбрелась кто куда
- Даже классика: Apache Derby (Java-СУБД с 1997 года) объявлен "read only" – разработка остановлена за отсутствием мейнтейнеров.
GPU-базы данных тоже постигла нелёгкая судьба
- Стартап-супергруппа Voltron Data с инвестициями $110M так и не успела выпустить свой GPU-ускоренный движок Theseus
- HeavyDB (ранее OmniSci/MapD, пионер GPU-СУБД) тихо прекратил самостоятельное существование – команду поглотила Nvidia
Andy Pavlo резюмирует: нишевые решения вроде Kinetica и Sqream по-прежнему где-то на периферии, а заметно потеснить классические CPU-ориентированные СУБД GPU-решения пока не смогли. Производительность современных колонночных систем на CPU уже настолько высока, что решающее значение имеют не сырые оптимизации, а удобство для разработчиков и «умность» оптимизатора запросов. Впрочем, Pavlo намекает, что в 2026-м мы услышим о новых попытках задействовать GPU на полную мощность – гонка продолжается.
🏆 Ларри Эллисон – вершина успеха
Для основателя Oracle этот год стал поистине триумфальным. В 81 год Ларри Эллисон возглавил список богатейших людей планеты, впервые «коронованный» как самый богатый человек в мире (состояние оценивалось около $393 млрд). Oracle взлетел в цене благодаря облачным сделкам в сфере ИИ, и в сентябре 2025 акции Oracle выросли на 40% за день, сделав Эллисона не только №1 в мире, но и самым богатым человеком в истории (с поправкой на инфляцию обошёл даже Рокфеллера). Правда, спустя пару месяцев стоимость Oracle откатилась и Ларри потерял порядка $130 млрд – в масштабе миллиардера это как для нас с вами лишиться одной зарплаты, шутит Pavlo. В течение года Oracle/Эллисон засветились в крупных событиях: Oracle выступил ключевым партнёром в сделке по «американизации» TikTok и финансировал попытку поглощения Warner Bros (через принадлежащий семье Эллисона холдинг Paramount). Andy Pavlo признаётся, что был даже рад услышать новость о том, что “благодаря базам данных кто-то стал самым богатым на земле” – наконец в нашей сфере случилось нечто позитивное. Он иронизирует над критиками Эллисона: мол, Ларри уже завоевал мир корпоративных баз данных, выиграл регаты и построил сеть люкс-спа для техно-богачей, так почему бы ему не купить новостной телеканал? Эллисон не обращает внимания на разговоры, делает что хочет – фанаты и новая жена его поддерживают, а остальное неважно.
#Database #Architecture #Management #DistributedSystems #Software #Engineering #Future
Продолжая рассказ об обзоре рынка баз данных от Andy Pavlo, расскажу про оставшиеся тезисы.
💸 Деньги, слияния и поглощения
2025-й оказался богат на крупные сделки в мире данных
- Продолжилась охота на PostgreSQL-компании: Neon ушёл к Databricks, Crunchy Data – к Snowflake (за $250 млн)
- IBM не остался в стороне и забрал себе DataStax (Cassandra) примерно за $3 млрд
- Salesforce раскошелился на старейшую ETL-платформу Informatica (~$8 млрд)
- Даже MariaDB Corp. умудрилась в том же году дважды купить «саму себя» – вернув под своё крыло отколовшуюся облачную дочку SkySQL
- Неожиданностью года стало слияние Fivetran и dbt Labs – две взаимодополняющие компании объединились в ETL-колосс, метящий на скорый IPO
📉 Инвесторы охладели к новым СУБД
Хайп вокруг векторных баз спал, венчуры в 2025 меньше инвестировали в молодые DB-стартапы, предпочитая нести деньги в AI. Зато лидеры отрасли продолжают получать огромные раунды:
- Databricks привлёк $5 млрд (два раунда) за год
- ClickHouse – $350 млн
- Supabase – суммарно $300 млн (Series D + E)
- И даже совсем молодые проекты вроде SpiralDB (создатели Vortex) поднимают десятки миллионов.
💀 Не все выжили
Ряд компаний не пережил этот год
- Закрылся FaunaDB – амбициозный распределённый СУБД‑стартап с сильной консистентностью (Pavlo был у них техконсультантом и советовал добавить SQL, но его не послушали)
- Проект PostgresML (машинное обучение внутри PostgreSQL) тоже не взлетел
- Команда Hydra (коннектор DuckDB↔️Postgres) разбрелась кто куда
- Даже классика: Apache Derby (Java-СУБД с 1997 года) объявлен "read only" – разработка остановлена за отсутствием мейнтейнеров.
GPU-базы данных тоже постигла нелёгкая судьба
- Стартап-супергруппа Voltron Data с инвестициями $110M так и не успела выпустить свой GPU-ускоренный движок Theseus
- HeavyDB (ранее OmniSci/MapD, пионер GPU-СУБД) тихо прекратил самостоятельное существование – команду поглотила Nvidia
Andy Pavlo резюмирует: нишевые решения вроде Kinetica и Sqream по-прежнему где-то на периферии, а заметно потеснить классические CPU-ориентированные СУБД GPU-решения пока не смогли. Производительность современных колонночных систем на CPU уже настолько высока, что решающее значение имеют не сырые оптимизации, а удобство для разработчиков и «умность» оптимизатора запросов. Впрочем, Pavlo намекает, что в 2026-м мы услышим о новых попытках задействовать GPU на полную мощность – гонка продолжается.
🏆 Ларри Эллисон – вершина успеха
Для основателя Oracle этот год стал поистине триумфальным. В 81 год Ларри Эллисон возглавил список богатейших людей планеты, впервые «коронованный» как самый богатый человек в мире (состояние оценивалось около $393 млрд). Oracle взлетел в цене благодаря облачным сделкам в сфере ИИ, и в сентябре 2025 акции Oracle выросли на 40% за день, сделав Эллисона не только №1 в мире, но и самым богатым человеком в истории (с поправкой на инфляцию обошёл даже Рокфеллера). Правда, спустя пару месяцев стоимость Oracle откатилась и Ларри потерял порядка $130 млрд – в масштабе миллиардера это как для нас с вами лишиться одной зарплаты, шутит Pavlo. В течение года Oracle/Эллисон засветились в крупных событиях: Oracle выступил ключевым партнёром в сделке по «американизации» TikTok и финансировал попытку поглощения Warner Bros (через принадлежащий семье Эллисона холдинг Paramount). Andy Pavlo признаётся, что был даже рад услышать новость о том, что “благодаря базам данных кто-то стал самым богатым на земле” – наконец в нашей сфере случилось нечто позитивное. Он иронизирует над критиками Эллисона: мол, Ларри уже завоевал мир корпоративных баз данных, выиграл регаты и построил сеть люкс-спа для техно-богачей, так почему бы ему не купить новостной телеканал? Эллисон не обращает внимания на разговоры, делает что хочет – фанаты и новая жена его поддерживают, а остальное неважно.
#Database #Architecture #Management #DistributedSystems #Software #Engineering #Future
Telegram
Книжный куб
[1/2] Databases in 2025: A Year in Review by Andy Pavlo (Рубрика #Databases)
Изучил ежегодный обзор рынка баз данных от Andy Pavlo, крутого преподавателя и исследователя мира БД из Carnegie Melon University. Ниже краткое саммари основных моментов
🐘 PostgreSQL…
Изучил ежегодный обзор рынка баз данных от Andy Pavlo, крутого преподавателя и исследователя мира БД из Carnegie Melon University. Ниже краткое саммари основных моментов
🐘 PostgreSQL…
❤8🔥4⚡1👍1
6 Predictions for the AI Economy: 2026's New Rules of Cybersecurityот Palo Alto Networks (Рубрика #Security)
Продолжаю читать отчеты за 2025 год или предсказания на 2026. В этот раз речь идет про кибер-безопасность во времена развития AI и этот отчет подготовила компания Palo Alto Networks, один из столпов этого рынка.
🎭 The New Age of Deception: The Threat of AI Identity
ИИ уже способен создавать идеальных «клонов» руководителей, неотличимых от реальных людей. Идентичность теперь – новый периметр безопасности: безопасность должна проактивно защищать каждого человека, машину и AI-агента, чтобы сохранить доверие. Из опыта могу отметить, что deepfake-двойники встречаются в реальности, правда, я пока видел, как они пишут через мессенджеры, звонят по телефону или проходят интервью, но верю, что в 2026 эта практика станет еще популярнее.
🤖 The New Insider Threat: Securing the AI Agent
Автономные AI-агенты ускоряют работу, но без должной защиты могут стать «инсайдерами-предателями» с привилегиями на все API и данные – злоумышленник способен перехватить такого бота одним вредоносным промптом. Поэтому в 2026-м появится новый класс инструментов – «AI-файрволы», которые в реальном времени мониторят и блокируют атаки на агентов (инъекции промптов, злоупотребление инструментами и др.). Я видел как браузеры со встроенными агентами типа Comet от Perplexity могут шерстить внутренние базы знаний и куда дотекут эти внутренние данные - это большой вопрос
🧪 The New Opportunity: Solving the Data Trust Problem
Атаки смещаются на данные – хакеры незаметно «травят» обучающие датасеты ИИ, встраивая в них бэкдоры и искажая модели. Традиционный периметр уже не спасает: нужен общий взгляд разработчиков и безопасников. В 2026-м инструменты видимости данных (DSPM/AI-SPM) и защиты на уровне выполнения кода (software firewall) станут обязательными для доверия к AI-моделям.
⚖️ The New Gavel: AI Risk and Executive Accountability
В 2026 вопрос «кто ответит, если AI нанесёт ущерб» перестанет быть философским – за провалы ИИ начнут спрашивать с руководства. Ожидаются первые судебные иски, лично привлекающие директоров к ответственности за инциденты, связанные с неуправляемым ИИ. Чтобы инновации не встали, CIO придётся стать стратегом (или ввести должность Chief AI Risk Officer) и выстроить единый контроль AI-рисков на уровне компании. А казалось, что буквально недавно появилась должность Chief AI Officer (а помните я шутил раньше про роль CAIO), а теперь у нас будет еще и CAIRO🤩
⏳ The New Countdown: The Quantum Imperative
Угроза «собери данные сейчас – взломай квантовым компьютером потом» становится реальностью и ускоряет крупнейшую криптографическую миграцию в истории. В 2026 регуляторы потребуют план перехода на пост-квантовое шифрование, а прорыв в квантовых вычислениях сократит “дедлайн” угрозы с 10 до ~3 лет. Уже сейчас компаниям нужно выявить, какие алгоритмы шифрования уязвимы, и стать крипто-агильными – научиться быстро менять стандарты шифрования под новые, чтобы защитить данные в будущем. Кстати, я как-то разбирал уже новость про такую инициативу от UK cybersecurity agency
🌐 The New Connection: The Browser as the Novel Workspace
Браузер стал автономной платформой («новой ОС») и, как следствие, новым полем боя для ИБ. Трафик, генерируемый ИИ, вырос на 890%, инциденты утечек данных удвоились – конфиденциальные данные утекают как случайно (сотрудник вставил секретный код в ChatGPT), так и через атаки промптов, когда AI-бота обманывают выдать чужие данные. Нужен Zero Trust прямо в браузере: специальный облачный механизм проверяет действия ИИ до шифрования трафика – маскирует чувствительные данные в промптах, запрещает скриншоты и блокирует нелегальный экспорт файлов.
Рекомендую почитать оригинальную статью, потому что по каждому пункту Wendi Whitmore, Chief Security Intelligence Officer @ Palo Alto Networks, приводит ссылки на дополнительные материалы о том, что это за риск и что с ним можно сделать.
#Security #CyberSecurity #AI #Management #Leadership #Data #Economy #Engineering #Architecture #Software
Продолжаю читать отчеты за 2025 год или предсказания на 2026. В этот раз речь идет про кибер-безопасность во времена развития AI и этот отчет подготовила компания Palo Alto Networks, один из столпов этого рынка.
🎭 The New Age of Deception: The Threat of AI Identity
ИИ уже способен создавать идеальных «клонов» руководителей, неотличимых от реальных людей. Идентичность теперь – новый периметр безопасности: безопасность должна проактивно защищать каждого человека, машину и AI-агента, чтобы сохранить доверие. Из опыта могу отметить, что deepfake-двойники встречаются в реальности, правда, я пока видел, как они пишут через мессенджеры, звонят по телефону или проходят интервью, но верю, что в 2026 эта практика станет еще популярнее.
Автономные AI-агенты ускоряют работу, но без должной защиты могут стать «инсайдерами-предателями» с привилегиями на все API и данные – злоумышленник способен перехватить такого бота одним вредоносным промптом. Поэтому в 2026-м появится новый класс инструментов – «AI-файрволы», которые в реальном времени мониторят и блокируют атаки на агентов (инъекции промптов, злоупотребление инструментами и др.). Я видел как браузеры со встроенными агентами типа Comet от Perplexity могут шерстить внутренние базы знаний и куда дотекут эти внутренние данные - это большой вопрос
🧪 The New Opportunity: Solving the Data Trust Problem
Атаки смещаются на данные – хакеры незаметно «травят» обучающие датасеты ИИ, встраивая в них бэкдоры и искажая модели. Традиционный периметр уже не спасает: нужен общий взгляд разработчиков и безопасников. В 2026-м инструменты видимости данных (DSPM/AI-SPM) и защиты на уровне выполнения кода (software firewall) станут обязательными для доверия к AI-моделям.
⚖️ The New Gavel: AI Risk and Executive Accountability
В 2026 вопрос «кто ответит, если AI нанесёт ущерб» перестанет быть философским – за провалы ИИ начнут спрашивать с руководства. Ожидаются первые судебные иски, лично привлекающие директоров к ответственности за инциденты, связанные с неуправляемым ИИ. Чтобы инновации не встали, CIO придётся стать стратегом (или ввести должность Chief AI Risk Officer) и выстроить единый контроль AI-рисков на уровне компании. А казалось, что буквально недавно появилась должность Chief AI Officer (а помните я шутил раньше про роль CAIO), а теперь у нас будет еще и CAIRO
⏳ The New Countdown: The Quantum Imperative
Угроза «собери данные сейчас – взломай квантовым компьютером потом» становится реальностью и ускоряет крупнейшую криптографическую миграцию в истории. В 2026 регуляторы потребуют план перехода на пост-квантовое шифрование, а прорыв в квантовых вычислениях сократит “дедлайн” угрозы с 10 до ~3 лет. Уже сейчас компаниям нужно выявить, какие алгоритмы шифрования уязвимы, и стать крипто-агильными – научиться быстро менять стандарты шифрования под новые, чтобы защитить данные в будущем. Кстати, я как-то разбирал уже новость про такую инициативу от UK cybersecurity agency
🌐 The New Connection: The Browser as the Novel Workspace
Браузер стал автономной платформой («новой ОС») и, как следствие, новым полем боя для ИБ. Трафик, генерируемый ИИ, вырос на 890%, инциденты утечек данных удвоились – конфиденциальные данные утекают как случайно (сотрудник вставил секретный код в ChatGPT), так и через атаки промптов, когда AI-бота обманывают выдать чужие данные. Нужен Zero Trust прямо в браузере: специальный облачный механизм проверяет действия ИИ до шифрования трафика – маскирует чувствительные данные в промптах, запрещает скриншоты и блокирует нелегальный экспорт файлов.
Рекомендую почитать оригинальную статью, потому что по каждому пункту Wendi Whitmore, Chief Security Intelligence Officer @ Palo Alto Networks, приводит ссылки на дополнительные материалы о том, что это за риск и что с ним можно сделать.
#Security #CyberSecurity #AI #Management #Leadership #Data #Economy #Engineering #Architecture #Software
Please open Telegram to view this post
VIEW IN TELEGRAM
Palo Alto Networks
2026 Cybersecurity Predictions
👍7❤3🔥3
Giiker Super Reversi (Рубрика #Game)
На каникулах с удовольствием поиграл в reversi от Giiker (про трехмерную игру 4 в ряд от них я уже рассказывал). По-факту, новая игрушка примерно того же качества и настолько же интересна - это полноценная настолка в форме цилиндра, причем его безель крутится и используется для управления игрой. Само игровое поле представляет собой доску 8x8, на которой светодиодами отображаются зеленые и белые фишки, сама система автоматически проверяет расстановку + подсвечивает возможные ходы. Всего режимов работы три
🤖 Одиночная игра против AI - отличный способ прокачать стратегическое мышление, когда никого нет рядом.
👬 Игра вдвоём - классический режим для партий с друзьями или коллегами. Умная доска отслеживает корректность ходов и автоматически подсвечивает доступные позиции.
🧐 Режим обучения - в этом режиме можно разыграть учебные партии, которые усложняются по мере роста номера задачи. Так как я не знал правила реверси (а китайская инструкция не помогала), то я начал играть с этого режима и достаточно быстро уловил как базовые правила, так и базовые тактики:)
Отдельно отмечу, что для выбора позиции надо вращать кольцо этой игры, что добавляет этой игрушки механичекую составляющую и придает ощущение хорошо собранной вещи. В общем, я ни разу не пожалел, что купил эту игрушку и взял с собой в поездку - очень интересная игрушка, а на высоких уровнях еще и достаточно сложная.
#ForKids #ForParents #SelfDevelopment #Brain
На каникулах с удовольствием поиграл в reversi от Giiker (про трехмерную игру 4 в ряд от них я уже рассказывал). По-факту, новая игрушка примерно того же качества и настолько же интересна - это полноценная настолка в форме цилиндра, причем его безель крутится и используется для управления игрой. Само игровое поле представляет собой доску 8x8, на которой светодиодами отображаются зеленые и белые фишки, сама система автоматически проверяет расстановку + подсвечивает возможные ходы. Всего режимов работы три
👬 Игра вдвоём - классический режим для партий с друзьями или коллегами. Умная доска отслеживает корректность ходов и автоматически подсвечивает доступные позиции.
Отдельно отмечу, что для выбора позиции надо вращать кольцо этой игры, что добавляет этой игрушки механичекую составляющую и придает ощущение хорошо собранной вещи. В общем, я ни разу не пожалел, что купил эту игрушку и взял с собой в поездку - очень интересная игрушка, а на высоких уровнях еще и достаточно сложная.
#ForKids #ForParents #SelfDevelopment #Brain
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6🔥2⚡1
[1/2] Atlassian "State of Developer Experience 2025" (Рубрика #DevEx)
Изучил интересный отчет от Atlassian на тему DevEx, который вышел в прошлом году. Интересно, что это уже второй отчет, из серии, которую они запустили в 2024 году совместно с тогда еще независимой компанией DX (осенью 2025 года Atlassian купили эту компанию за $1 млрд). Исследование было построено на онлайн-опросе, в котором поучаствовали 3500 разработчиков и менеджеров из шести стран: США, Великобритании, Германии, Франции, Австралии и Индии. Опрос был проведён совместно с независимой фирмой Wakefield Research в период 13–23 марта 2025 года. Выборка разделена поровну по ролям: 1 750 респондентов – руководители (не ниже уровня менеджера разработки), и 1 750 – инженеры. Участники были привлечены по приглашениям по электронной почте.
Ниже представлены основные результаты
🤖 Широкое внедрение AI-инструментов
Практически все опрошенные разработчики (99%) теперь используют инструменты искусственного интеллекта и отмечают экономию времени, причём 68% экономят более 10 часов в неделю благодаря их применению. Для сравнения, в предыдущем отчёте 2024 года большинство разработчиков ещё не видели ощутимой выгоды от AI – прогресс за год оказался драматичным.
🚀 Использование высвобожденного времени
Сэкономленные с помощью AI часы идут в дело: разработчики уделяют их улучшению качества кода, созданию новых функций и написанию документации. Такое перераспределение ресурсов говорит о том, что инженеры стремятся направить пользу от AI на повышение ценности продукта (рефакторинг, развитие функционала) и поддержку команды (документация, knowledge sharing).
🤡 Несмотря на выгоды, сохраняются большие потери времени
ИИ ускоряет выполнение отдельных задач, однако организационные неэффективности сводят на нет эти выигрыши. 50% разработчиков теряют 10 и более часов в неделю из-за различных friction-факторов, а 90% – не менее 6 часов еженедельно. Иными словами, в среднем каждый разработчик столько же времени теряет из-за помех, сколько и выигрывает благодаря ИИ.
👾 Главные источники трений в процессе разработки
Поиск необходимой информации (данные о сервисах, документация, API), необходимость осваивать новые технологии и постоянное переключение контекста между разрозненными инструментами – топ-3 факторов, отнимающих время у инженеров. Взаимодействие с другими командами также вошло в пятёрку главных препятствий, тогда как технический долг, лидировавший ранее, в этом году выпал из топ-5. Обучение новым технологиям и частые переключения между ними упоминаются как заметные новые виды трения в рабочем процессе.
👀 Кодинг не является узким местом
По данным опроса, разработчики тратят непосредственно на написание кода лишь ~16% рабочего времени, и сам процесс кодирования не входит в число основных "болей". Это объясняет, почему популярные AI-ассистенты для программистов способны облегчить жизнь (ускоряя написание кода), но кардинально не решают проблему продуктивности: основные потери происходят на других этапах. Без параллельного устранения непроизводительных задач эффект от ускорения кодинга ограничен.
💔 Разрыв между инженерами и руководством
Отчёт выявил усилившееся несоответствие взглядов: 63% разработчиков считают, что лидеры не понимают их ежедневных трудностей, тогда как годом ранее так думали 44%. Такой рост “эмпатического разрыва” авторы связывают с тем, что менеджмент поспешно зачитывает в плюс командам сэкономленные с помощью AI часы, не устраняя при этом существующие препятствия в процессах. Иначе говоря, руководство может переоценивать эффект ИИ, в то время как инженеры по-прежнему тонут в рутине и организационных проблемах.
В продолжении я расскажу про основные выводы и рекомендации авторов отчета.
#AI #ML #PlatformEngineering #Software #Architecture #Processes #DevEx #Devops
Изучил интересный отчет от Atlassian на тему DevEx, который вышел в прошлом году. Интересно, что это уже второй отчет, из серии, которую они запустили в 2024 году совместно с тогда еще независимой компанией DX (осенью 2025 года Atlassian купили эту компанию за $1 млрд). Исследование было построено на онлайн-опросе, в котором поучаствовали 3500 разработчиков и менеджеров из шести стран: США, Великобритании, Германии, Франции, Австралии и Индии. Опрос был проведён совместно с независимой фирмой Wakefield Research в период 13–23 марта 2025 года. Выборка разделена поровну по ролям: 1 750 респондентов – руководители (не ниже уровня менеджера разработки), и 1 750 – инженеры. Участники были привлечены по приглашениям по электронной почте.
Ниже представлены основные результаты
Практически все опрошенные разработчики (99%) теперь используют инструменты искусственного интеллекта и отмечают экономию времени, причём 68% экономят более 10 часов в неделю благодаря их применению. Для сравнения, в предыдущем отчёте 2024 года большинство разработчиков ещё не видели ощутимой выгоды от AI – прогресс за год оказался драматичным.
Сэкономленные с помощью AI часы идут в дело: разработчики уделяют их улучшению качества кода, созданию новых функций и написанию документации. Такое перераспределение ресурсов говорит о том, что инженеры стремятся направить пользу от AI на повышение ценности продукта (рефакторинг, развитие функционала) и поддержку команды (документация, knowledge sharing).
ИИ ускоряет выполнение отдельных задач, однако организационные неэффективности сводят на нет эти выигрыши. 50% разработчиков теряют 10 и более часов в неделю из-за различных friction-факторов, а 90% – не менее 6 часов еженедельно. Иными словами, в среднем каждый разработчик столько же времени теряет из-за помех, сколько и выигрывает благодаря ИИ.
Поиск необходимой информации (данные о сервисах, документация, API), необходимость осваивать новые технологии и постоянное переключение контекста между разрозненными инструментами – топ-3 факторов, отнимающих время у инженеров. Взаимодействие с другими командами также вошло в пятёрку главных препятствий, тогда как технический долг, лидировавший ранее, в этом году выпал из топ-5. Обучение новым технологиям и частые переключения между ними упоминаются как заметные новые виды трения в рабочем процессе.
По данным опроса, разработчики тратят непосредственно на написание кода лишь ~16% рабочего времени, и сам процесс кодирования не входит в число основных "болей". Это объясняет, почему популярные AI-ассистенты для программистов способны облегчить жизнь (ускоряя написание кода), но кардинально не решают проблему продуктивности: основные потери происходят на других этапах. Без параллельного устранения непроизводительных задач эффект от ускорения кодинга ограничен.
Отчёт выявил усилившееся несоответствие взглядов: 63% разработчиков считают, что лидеры не понимают их ежедневных трудностей, тогда как годом ранее так думали 44%. Такой рост “эмпатического разрыва” авторы связывают с тем, что менеджмент поспешно зачитывает в плюс командам сэкономленные с помощью AI часы, не устраняя при этом существующие препятствия в процессах. Иначе говоря, руководство может переоценивать эффект ИИ, в то время как инженеры по-прежнему тонут в рутине и организационных проблемах.
В продолжении я расскажу про основные выводы и рекомендации авторов отчета.
#AI #ML #PlatformEngineering #Software #Architecture #Processes #DevEx #Devops
Please open Telegram to view this post
VIEW IN TELEGRAM
Atlassian
State of Developer Experience Report 2025 | Atlassian
Discover how AI is reshaping the developer experience in Atlassian's State of Developer report 2025 – trends, tools, and what’s next.
👍7❤4🔥3
Forwarded from Инжиниринг Данных
Основатель O’Reilly - Tim O’Reilly написал хорошую статью - AI and the Next Economy
Основные идеи статьи от АI:
🔄 Экономика как циркуляция
Автор утверждает, что экономика — это не просто производство, а производство + спрос. Спрос требует широко распределённой покупательной способности. Нельзя построить процветающее общество, оставив большинство людей "за бортом".
⚠️ Проблема нарративов об AGI
Многие нарративы об искусственном общем интеллекте (AGI) предполагают, что:
• Производительность вырастет
• ВВП увеличится
• Но при этом игнорируется вопрос: кто будет покупателями, если большинство людей потеряют работу и доход?
💔 Две версии будущего
1. Экономика открытий — ИИ может помочь решить глобальные проблемы (энергия, материалы, болезни), но:
• Открытия ≠ экономическая ценность
• Между открытием и широким внедрением — долгий путь
• Если контроль над технологиями сконцентрирован, получится "феодализм открытий"
2. Замена труда — ИИ заменит интеллектуальную работу, но:
• Если зарплаты исчезнут, кто будет покупать товары?
• Падение доли зарплат в экономике приведёт к нестабильности
🔑 Ключевые уроки истории
Автор приводит примеры:
• Генри Форд платил высокие зарплаты и сократил рабочие часы, создав массовый рынок для своих автомобилей
• Amazon и Google изначально создавали циркулирующую экономику (flywheel-эффект), но со временем стали извлекать ренту
• Децентрализация (ПК, интернет, open source) стимулирует инновации; централизация захватывает ценность
💡 Что нужно делать
AI-лабораториям:
• Измерять успех не только по возможностям моделей, но и по их распространению
• Создавать открытые интерфейсы, переносимость, совместимость
• Избегать искусственных барьеров
Компаниям:
• Не просто сокращать расходы через ИИ
• Инвестировать дивиденды от производительности в сотрудников (повышение зарплат, сокращение часов, переобучение)
Правительствам:
• Инвестировать в инфраструктуру и институты для новой экономики
• Рассмотреть переход от налогов на труд к налогам на прирост капитала
🌊 Главная метафора
Цитата из Уильяма Блейка: "Плодовитый перестанет быть плодовитым, если Пожиратель не будет, как море, принимать избыток его наслаждений".
Иными словами: производство должно потребляться, система должна циркулировать. ИИ-экономика нуждается в "маховике" (flywheel), который обеспечит широкое распространение благ, а не их концентрацию.
Основные идеи статьи от АI:
🔄 Экономика как циркуляция
Автор утверждает, что экономика — это не просто производство, а производство + спрос. Спрос требует широко распределённой покупательной способности. Нельзя построить процветающее общество, оставив большинство людей "за бортом".
⚠️ Проблема нарративов об AGI
Многие нарративы об искусственном общем интеллекте (AGI) предполагают, что:
• Производительность вырастет
• ВВП увеличится
• Но при этом игнорируется вопрос: кто будет покупателями, если большинство людей потеряют работу и доход?
💔 Две версии будущего
1. Экономика открытий — ИИ может помочь решить глобальные проблемы (энергия, материалы, болезни), но:
• Открытия ≠ экономическая ценность
• Между открытием и широким внедрением — долгий путь
• Если контроль над технологиями сконцентрирован, получится "феодализм открытий"
2. Замена труда — ИИ заменит интеллектуальную работу, но:
• Если зарплаты исчезнут, кто будет покупать товары?
• Падение доли зарплат в экономике приведёт к нестабильности
🔑 Ключевые уроки истории
Автор приводит примеры:
• Генри Форд платил высокие зарплаты и сократил рабочие часы, создав массовый рынок для своих автомобилей
• Amazon и Google изначально создавали циркулирующую экономику (flywheel-эффект), но со временем стали извлекать ренту
• Децентрализация (ПК, интернет, open source) стимулирует инновации; централизация захватывает ценность
💡 Что нужно делать
AI-лабораториям:
• Измерять успех не только по возможностям моделей, но и по их распространению
• Создавать открытые интерфейсы, переносимость, совместимость
• Избегать искусственных барьеров
Компаниям:
• Не просто сокращать расходы через ИИ
• Инвестировать дивиденды от производительности в сотрудников (повышение зарплат, сокращение часов, переобучение)
Правительствам:
• Инвестировать в инфраструктуру и институты для новой экономики
• Рассмотреть переход от налогов на труд к налогам на прирост капитала
🌊 Главная метафора
Цитата из Уильяма Блейка: "Плодовитый перестанет быть плодовитым, если Пожиратель не будет, как море, принимать избыток его наслаждений".
Иными словами: производство должно потребляться, система должна циркулировать. ИИ-экономика нуждается в "маховике" (flywheel), который обеспечит широкое распространение благ, а не их концентрацию.
O’Reilly Media
AI and the Next Economy
The narrative from the AI labs is dazzling: build AGI, unlock astonishing productivity, and watch GDP surge. It’s a compelling story, especially if you’re the
1❤17👍4🔥2
[2/2] Atlassian "State of Developer Experience 2025" (Рубрика #DevEx)
Продолжим разбор отчета Atlassian выводами и рекомендациями его авторов
1️⃣ ИИ – мощный инструмент, но не "серебряная пуля"
По мнению авторов, автоматизация с помощью AI способна заметно улучшить опыт разработчиков лишь при условии, что она нацелена на реальные проблемные места процесса разработки. Если же организации концентрируются только на ускорении приятных частей работы (например, написания кода), не устраняя корневые причины трения – возникает ложное ощущение эффективности. В результате время, выигранное за счёт ИИ, тут же теряется из-за других задержек, а требования по скорости растут несправедливо относительно возможностей команды.
2️⃣ Системный подход к Developer Experience
Лучшие компании начали пересматривать подход к опыту разработчиков комплексно – выстраивая процессы вокруг прозрачности, автономности команд и высокой скорости выпуска продукта. Улучшение DevEx требует постоянной работы: авторы призывают организации целенаправленно выявлять узкие места и устранять фрикции на всех этапах жизненного цикла разработки, от планирования до деплоя. Благо, что теперь у пользователей Atlassian будет доступ к купленной платформе DX, которая позволяет системно работать над DevEx.
3️⃣ Диалог между лидерами и разработчиками
Первый шаг к улучшению – спросить самих разработчиков о том, что мешает их продуктивности. Руководителям команд рекомендуют плотно общаться с инженерами и вместе тестировать решения проблем. В одних случаях частичное решение дадут AI-инструменты, в других – даже простые меры вроде самообслуживаемых справочных материалов или шаблонов, упрощающих рутину.
4️⃣ Совместная ответственность за изменения
Авторы отчёта отмечают, что и менеджеры, и сами инженеры должны активно участвовать в улучшении процессов. Разработчикам стоит доносить до руководства свои проблемы на языке влияния на результат – показывая, как конкретные препятствия задерживают релизы или снижают качество. Такое представление превращает "жалобу" в осязаемую задачу, требующую решения. В ответ лидерам важно не отвергать сигналы, а вместе с командами искать пути улучшения. Регулярная двусторонняя связь помогает выявлять проблемы заранее, укрепляет доверие и держит всех в фокусе на приоритетных целях.
Итого, чтобы в полной мере воспользоваться потенциалом AI в разработке, компаниям необходимо улучшать Developer Experience системно. Это подразумевает устранение внутренних неэффективностей, выравнивание ожиданий между инженерами и менеджерами и внедрение культуры, где новые инструменты (включая ИИ) используются осознанно – для облегчения самых болезненных участков работы, а не в ущерб им. Только так удастся превратить сэкономленные часы в устойчивый рост продуктивности и удовлетворённости команд работой.
#AI #ML #PlatformEngineering #Software #Architecture #Processes #DevEx #Devops
Продолжим разбор отчета Atlassian выводами и рекомендациями его авторов
1️⃣ ИИ – мощный инструмент, но не "серебряная пуля"
По мнению авторов, автоматизация с помощью AI способна заметно улучшить опыт разработчиков лишь при условии, что она нацелена на реальные проблемные места процесса разработки. Если же организации концентрируются только на ускорении приятных частей работы (например, написания кода), не устраняя корневые причины трения – возникает ложное ощущение эффективности. В результате время, выигранное за счёт ИИ, тут же теряется из-за других задержек, а требования по скорости растут несправедливо относительно возможностей команды.
2️⃣ Системный подход к Developer Experience
Лучшие компании начали пересматривать подход к опыту разработчиков комплексно – выстраивая процессы вокруг прозрачности, автономности команд и высокой скорости выпуска продукта. Улучшение DevEx требует постоянной работы: авторы призывают организации целенаправленно выявлять узкие места и устранять фрикции на всех этапах жизненного цикла разработки, от планирования до деплоя. Благо, что теперь у пользователей Atlassian будет доступ к купленной платформе DX, которая позволяет системно работать над DevEx.
3️⃣ Диалог между лидерами и разработчиками
Первый шаг к улучшению – спросить самих разработчиков о том, что мешает их продуктивности. Руководителям команд рекомендуют плотно общаться с инженерами и вместе тестировать решения проблем. В одних случаях частичное решение дадут AI-инструменты, в других – даже простые меры вроде самообслуживаемых справочных материалов или шаблонов, упрощающих рутину.
4️⃣ Совместная ответственность за изменения
Авторы отчёта отмечают, что и менеджеры, и сами инженеры должны активно участвовать в улучшении процессов. Разработчикам стоит доносить до руководства свои проблемы на языке влияния на результат – показывая, как конкретные препятствия задерживают релизы или снижают качество. Такое представление превращает "жалобу" в осязаемую задачу, требующую решения. В ответ лидерам важно не отвергать сигналы, а вместе с командами искать пути улучшения. Регулярная двусторонняя связь помогает выявлять проблемы заранее, укрепляет доверие и держит всех в фокусе на приоритетных целях.
Итого, чтобы в полной мере воспользоваться потенциалом AI в разработке, компаниям необходимо улучшать Developer Experience системно. Это подразумевает устранение внутренних неэффективностей, выравнивание ожиданий между инженерами и менеджерами и внедрение культуры, где новые инструменты (включая ИИ) используются осознанно – для облегчения самых болезненных участков работы, а не в ущерб им. Только так удастся превратить сэкономленные часы в устойчивый рост продуктивности и удовлетворённости команд работой.
#AI #ML #PlatformEngineering #Software #Architecture #Processes #DevEx #Devops
Telegram
Книжный куб
[1/2] Atlassian "State of Developer Experience 2025" (Рубрика #DevEx)
Изучил интересный отчет от Atlassian на тему DevEx, который вышел в прошлом году. Интересно, что это уже второй отчет, из серии, которую они запустили в 2024 году совместно с тогда еще…
Изучил интересный отчет от Atlassian на тему DevEx, который вышел в прошлом году. Интересно, что это уже второй отчет, из серии, которую они запустили в 2024 году совместно с тогда еще…
👍5🔥5❤3
История Palo Alto Networks (PANW): как из «файрвола» ребята сделали платформу кибербезопасности (Рубрика #Security)
Пару дней назад я рассказывал про предсказания компании Palo Alto Networks насчет предсказаний на 2026 год в области безопасности. И дальше я понял, что надо бы рассказать историю этой компании, что является самым крупным независимым вендором кибезбеза. Эта американская компания известна как пионер концепции NGFW или "межсетевого экрана нового поколения" (Next-Generation FireWall). Основанная в 2005 году, она прошла путь от поставщика одного продукта (этого файрвола с расширенными возможностями) до многофункциональной платформы информационной безопасности мирового масштаба.
1️⃣ Старт (2005–2012)
- Основание: 2005, фаундер Nir Zuk. Первый продукт отгрузили в 2007
- Изначальная ставка: Next‑Gen Firewall (NGFW) - L7‑идентификация приложений (App‑ID), инспекция трафика/контента и политика “по пользователю”, а не только по IP/портам
- Бизнес‑модель 1.0: железо (appliance) + подписки (обновления/Threat Prevention/URL Filtering и т.п.) + поддержка → ранний рост за счёт enterprise‑клиентов и партнерского канала
- 2012: IPO → капитал для масштабирования продаж и R&D
2️⃣ Расширение (2013–2017)
- Укрепляют линейку NGFW, добавляют песочницы (WildFire), централизованный менеджмент (Panorama) и т.д.
- Начинают точечные M&A, чтобы закрывать смежные задачи (endpoint, аналитика угроз)
3️⃣ Поворот в сторону платформенной компании (2018–2023)
- CEO Nikesh Arora (с 2018) ускоряет стратегию “platformization”: меньше разрозненных security‑точек, больше единой платформы.
- Продуктовая структура закрепляется в 3 платформах:
-- Strata: network security / NGFW / SASE
-- Prisma: cloud security (CNAPP и всё вокруг облака)
-- Cortex: SecOps/XDR/SOAR + автоматизация/AI для SOC
- Драйверы: облака, удалёнка, рост атак → покупают технологии и «сшивают» в платформы (Demisto → SOAR, Expanse → attack surface и т.п.)
4️⃣ Где компания сейчас (FY2025)
- Капитализация - ~130 - 143 млрд USD на конец 2025 и начало 2026 года
- Выручка: $9.22B за FY2025
- Модель уже сильно подписочная: subscription+support = $7.42B (80.5% выручки), product (железо/лицензии) = $1.80B (19.5%)
- Net income (GAAP): $1.13B за FY2025
- Масштаб: 16,068 сотрудников; >8,500 партнёров; клиенты в 180+ странах; публично говорят “trusted by 70,000+ orgs”
5️⃣ Куда идут (2025→ )
- Identity Security: объявили сделку по CyberArk (PAM/identity) - логичный шаг, потому что identity становится новым "периметром"
- "AI‑платформизаци"” SOC/Cloud: объявили покупку Chronosphere (observability) и связывают это с Cortex AgentiX и агентными сценариями (авто‑детект/триаж проблем и инцидентов)
- Акцент на AI‑security (Prisma AIRS / Cortex Cloud 2.0) и дальнейшую консолидацию стека у крупных enterprise‑клиентов
Если коротко, то компания начиналась как NGFW‑железка с подпиской, а стала платформой, которая пытается закрыть “network + cloud + SOC + identity” одним вендором - и под это перестраивает и продукт, и коммерцию. Поэтому тренды от них на 2026 год почитать интересно - они как никак а лидеры рынка:)
#Security #CyberSecurity #AI #Management #Leadership #Data #Economy #Engineering #Architecture #Software
Пару дней назад я рассказывал про предсказания компании Palo Alto Networks насчет предсказаний на 2026 год в области безопасности. И дальше я понял, что надо бы рассказать историю этой компании, что является самым крупным независимым вендором кибезбеза. Эта американская компания известна как пионер концепции NGFW или "межсетевого экрана нового поколения" (Next-Generation FireWall). Основанная в 2005 году, она прошла путь от поставщика одного продукта (этого файрвола с расширенными возможностями) до многофункциональной платформы информационной безопасности мирового масштаба.
1️⃣ Старт (2005–2012)
- Основание: 2005, фаундер Nir Zuk. Первый продукт отгрузили в 2007
- Изначальная ставка: Next‑Gen Firewall (NGFW) - L7‑идентификация приложений (App‑ID), инспекция трафика/контента и политика “по пользователю”, а не только по IP/портам
- Бизнес‑модель 1.0: железо (appliance) + подписки (обновления/Threat Prevention/URL Filtering и т.п.) + поддержка → ранний рост за счёт enterprise‑клиентов и партнерского канала
- 2012: IPO → капитал для масштабирования продаж и R&D
2️⃣ Расширение (2013–2017)
- Укрепляют линейку NGFW, добавляют песочницы (WildFire), централизованный менеджмент (Panorama) и т.д.
- Начинают точечные M&A, чтобы закрывать смежные задачи (endpoint, аналитика угроз)
3️⃣ Поворот в сторону платформенной компании (2018–2023)
- CEO Nikesh Arora (с 2018) ускоряет стратегию “platformization”: меньше разрозненных security‑точек, больше единой платформы.
- Продуктовая структура закрепляется в 3 платформах:
-- Strata: network security / NGFW / SASE
-- Prisma: cloud security (CNAPP и всё вокруг облака)
-- Cortex: SecOps/XDR/SOAR + автоматизация/AI для SOC
- Драйверы: облака, удалёнка, рост атак → покупают технологии и «сшивают» в платформы (Demisto → SOAR, Expanse → attack surface и т.п.)
4️⃣ Где компания сейчас (FY2025)
- Капитализация - ~130 - 143 млрд USD на конец 2025 и начало 2026 года
- Выручка: $9.22B за FY2025
- Модель уже сильно подписочная: subscription+support = $7.42B (80.5% выручки), product (железо/лицензии) = $1.80B (19.5%)
- Net income (GAAP): $1.13B за FY2025
- Масштаб: 16,068 сотрудников; >8,500 партнёров; клиенты в 180+ странах; публично говорят “trusted by 70,000+ orgs”
5️⃣ Куда идут (2025→ )
- Identity Security: объявили сделку по CyberArk (PAM/identity) - логичный шаг, потому что identity становится новым "периметром"
- "AI‑платформизаци"” SOC/Cloud: объявили покупку Chronosphere (observability) и связывают это с Cortex AgentiX и агентными сценариями (авто‑детект/триаж проблем и инцидентов)
- Акцент на AI‑security (Prisma AIRS / Cortex Cloud 2.0) и дальнейшую консолидацию стека у крупных enterprise‑клиентов
Если коротко, то компания начиналась как NGFW‑железка с подпиской, а стала платформой, которая пытается закрыть “network + cloud + SOC + identity” одним вендором - и под это перестраивает и продукт, и коммерцию. Поэтому тренды от них на 2026 год почитать интересно - они как никак а лидеры рынка:)
#Security #CyberSecurity #AI #Management #Leadership #Data #Economy #Engineering #Architecture #Software
👍5❤2🔥2
Сравнение отчетов Atlassian "State of Developer Experience" 2024 и 2025 (Рубрика #DevEx)
Раньше я уже рассказывал про отчет Atlassian "State of Developer Experience 2025", но этот отчет они публикуют с 2024 года, поэтому интересно посмотреть тренды и что поменялось за год.
🤖 AI и экономия времени
В 2024 году большинство разработчиков не ощущали существенной выгоды от AI: примерно 62% опрошенных заявили, что инструменты искусственного интеллекта никак не улучшают либо лишь немного улучшают их продуктивность. А вот руководители уже тогда возлагали большие надежды на AI, считая его ключом к повышению производительности, но разработчики оставались скептичны. В отчете за 2025 год ситуация радикально изменилась. Практически все (99%) разработчики теперь отмечают, что AI экономит им время, и 68% разработчиков экономят свыше 10 часов в неделю благодаря AI-инструментам. Правда, формулировка вопросов изменилась: если в 2024-м респондентов спрашивали в общих чертах о влиянии AI на продуктивность, то в 2025-м замеряли конкретную экономию часов. Свободное время разработчики в 2025 году направляют на более ценную работу – улучшение качества кода, разработку новых фич и написание документации.
📉 Потери времени из-за неэффективности
Оба отчета фиксируют тревожный объём времени, утрачиваемого разработчиками из-за трения и неэффективных процессов. В 2024 году выяснилось, что большинство инженеров теряют примерно день в неделю на помехи – 69% разработчиков сообщали о потере 8 часов и более каждую неделю из-за различных неэффективностей. Этот "потерянный день" включал простои, ожидание ответов, работу с долгами в коде, поиск информации и другие непродуктивные занятия. В 2025 году, несмотря на экономию времени с AI, картина ухудшилась: 90% разработчиков теряют минимум 6 часов в неделю на организационные препятствия, причём половина (50%) теряет 10 часов и более.
🧐 Метрики продуктивности и фокус усилий
Оба исследования подчеркивают, что продуктивность разработчиков не сводится к количеству написанного кода. В 2024 году авторы отмечали, что компании часто оценивают эффективность через output - количество задач, коммитов и т.д. - не отслеживая скрытые потери из-за неэффективностей. На деле же, как показал опрос, основные тормоза продуктивности лежат вне непосредственного написания кода: это бюрократия, коммуникационные сбои, долг по документации и сложности инфраструктуры. Лидеры признавали важность Developer Experience, но усилия по его улучшению были несистемными и не всегда попадали в цель. Отчёт 2025 ещё более отчётливо показал эту проблему: непосредственно кодированием разработчики тратят лишь ~16% своего рабочего времени, остальное уходит на совещания, поиск информации, настройку окружения, ожидание и прочие сопутствующие задачи.
❤️🔥 Разрыв между восприятием лидеров и разработчиков
Обе версии отчёта отмечают небезпечный разрыв между тем, как лидеры и рядовые инженеры воспринимают проблемы Developer Experience. В 2024 году 44% разработчиков считали, что руководители понимают проблемы, снижающие их эффективность (технический долг, устаревшие процессы, перегрузки), мешающие продуктивной работе. Сами же лидеры нередко недооценивали масштаб потерь: например, почти половина технических руководителей тогда полагала, что проблему можно решить наймом. Это отражает расхождение в восприятии корня проблем: разработчики указывали на качество процессов, а менеджеры - на ресурсы. В 2025 году уже 63% разработчиков заявили, что лидеры не понимают их насущных трудностей. Atlassian объясняет это тем, что руководство поспешило “монетизировать” выгоду от AI (т.е. ожидало ускорения разработки благодаря сэкономленному AI времени), не устранив старые источники трения. В итоге лидеры могли решить, что раз разработчики стали работать быстрее с AI, то проблемы решены - тогда как сами разработчики продолжают буксовать на неустранённых узких местах.
#AI #ML #PlatformEngineering #Software #Architecture #Processes #DevEx #Devops
Раньше я уже рассказывал про отчет Atlassian "State of Developer Experience 2025", но этот отчет они публикуют с 2024 года, поэтому интересно посмотреть тренды и что поменялось за год.
В 2024 году большинство разработчиков не ощущали существенной выгоды от AI: примерно 62% опрошенных заявили, что инструменты искусственного интеллекта никак не улучшают либо лишь немного улучшают их продуктивность. А вот руководители уже тогда возлагали большие надежды на AI, считая его ключом к повышению производительности, но разработчики оставались скептичны. В отчете за 2025 год ситуация радикально изменилась. Практически все (99%) разработчики теперь отмечают, что AI экономит им время, и 68% разработчиков экономят свыше 10 часов в неделю благодаря AI-инструментам. Правда, формулировка вопросов изменилась: если в 2024-м респондентов спрашивали в общих чертах о влиянии AI на продуктивность, то в 2025-м замеряли конкретную экономию часов. Свободное время разработчики в 2025 году направляют на более ценную работу – улучшение качества кода, разработку новых фич и написание документации.
Оба отчета фиксируют тревожный объём времени, утрачиваемого разработчиками из-за трения и неэффективных процессов. В 2024 году выяснилось, что большинство инженеров теряют примерно день в неделю на помехи – 69% разработчиков сообщали о потере 8 часов и более каждую неделю из-за различных неэффективностей. Этот "потерянный день" включал простои, ожидание ответов, работу с долгами в коде, поиск информации и другие непродуктивные занятия. В 2025 году, несмотря на экономию времени с AI, картина ухудшилась: 90% разработчиков теряют минимум 6 часов в неделю на организационные препятствия, причём половина (50%) теряет 10 часов и более.
Оба исследования подчеркивают, что продуктивность разработчиков не сводится к количеству написанного кода. В 2024 году авторы отмечали, что компании часто оценивают эффективность через output - количество задач, коммитов и т.д. - не отслеживая скрытые потери из-за неэффективностей. На деле же, как показал опрос, основные тормоза продуктивности лежат вне непосредственного написания кода: это бюрократия, коммуникационные сбои, долг по документации и сложности инфраструктуры. Лидеры признавали важность Developer Experience, но усилия по его улучшению были несистемными и не всегда попадали в цель. Отчёт 2025 ещё более отчётливо показал эту проблему: непосредственно кодированием разработчики тратят лишь ~16% своего рабочего времени, остальное уходит на совещания, поиск информации, настройку окружения, ожидание и прочие сопутствующие задачи.
Обе версии отчёта отмечают небезпечный разрыв между тем, как лидеры и рядовые инженеры воспринимают проблемы Developer Experience. В 2024 году 44% разработчиков считали, что руководители понимают проблемы, снижающие их эффективность (технический долг, устаревшие процессы, перегрузки), мешающие продуктивной работе. Сами же лидеры нередко недооценивали масштаб потерь: например, почти половина технических руководителей тогда полагала, что проблему можно решить наймом. Это отражает расхождение в восприятии корня проблем: разработчики указывали на качество процессов, а менеджеры - на ресурсы. В 2025 году уже 63% разработчиков заявили, что лидеры не понимают их насущных трудностей. Atlassian объясняет это тем, что руководство поспешило “монетизировать” выгоду от AI (т.е. ожидало ускорения разработки благодаря сэкономленному AI времени), не устранив старые источники трения. В итоге лидеры могли решить, что раз разработчики стали работать быстрее с AI, то проблемы решены - тогда как сами разработчики продолжают буксовать на неустранённых узких местах.
#AI #ML #PlatformEngineering #Software #Architecture #Processes #DevEx #Devops
Please open Telegram to view this post
VIEW IN TELEGRAM
2🔥7❤5👍3
LOVED: How to Rethink Marketing for Tech Products (Loved. Продуктовый маркетинг по любви)
Дочитал эту книгу Мартина Лаученко на этих зимних каникулах (а начинал читать еще пару лет назад). Книга оставила у меня смешанные чувства - вроде и автор хороший и тема интересная, а книга читалась через силу. Вообще, Мартина - опытный эксперт, что когда-то участвовала в разработке и маркетинге Microsoft Word и Netscape Navigator, а сейчас является партнёром Silicon Valley Product Group. Интересно, что книга стала бестселлером среди книг о маркетинге технических продуктов, хотя в переводе названия эта нацеленность на технические продукты исчезла. Ключевые идеи книги такие
1️⃣ Отличный технологичный продукт сам по себе не гарантирует успеха - нужна продуманная маркетинговая стратегия. Лаученко объясняет, что продуктовый маркетинг - это стратегическая функция, формирующая восприятие продукта рынком.
2️⃣ Мартина выделяет четыре роли продуктувого маркетолога: амбассадор, стратег, сторителлер и евангелист. Эти роли последовательно связывают продукт с аудиторией: знакомят пользователей, формируют ожидания, “влюбляют” в продукт и вдохновляют рассказывать о нём другим. Если подробнее, то
- Ambassador - это "мост" между рынком и командой. Он помогает синхронизировать инсайты о пользователях/рынке внутрь компании и обратно, чтобы это реально влияло на решения: что строим, как упаковываем, как продаём. Это не "владелец" продукта/маркетинга, а именно амбассадор диалога: помогать команде слышать сигнал и корректировать курс.
- Strategist - отвечает за то, "куда идём через 12–18 месяцев". Эта роль про долгий горизонт: продуктовый маркетинг смотрит на то, кем вы должны стать для рынка, и что нужно сделать сегодня, чтобы рынок вас так воспринимал завтра (включая что строить, как упаковать, какой GTM-механикой идти)
- Storyteller - отвечает не просто за копирайтинг, а про управление тем, как рынок объясняет себе вашу ценность: это больше, чем "правильные слова". Очень практичная эвристика из интервью: объясняйте продукт так, будто разговариваете с умным восьмиклассником - это выбивает жаргон и заставляет докопаться до сути.
- Evangelist - эта роль "делает так, чтобы другие рассказывали за нас". В современном мире важнее то, что скажут другие, а не то, что вы скажете сами. Поэтому задача - вооружить людей "атомарными тезисами", которые легко пересказать: тезис, пример, ROI-история, короткая формула ценности.
3️⃣ Фокус на рынке, не только на продукт: книга учит начинать не с функций, а с реальных потребностей. Собирайте обратную связь от пользователей и держите в фокусе market-product fit (сначала понять нужды рынка, потом создавать решение). Иными словами, ценность продукта определяется готовностью рынка его принять, а не наоборот.
4️⃣ Go-to-Market как часть стратегии: план вывода на рынок нужно продумывать с первого дня, а не после релиза. В книге показано, как продукт обгонял конкурентов не за счёт новых фич, а благодаря лучшему позиционированию и истории о ценности. Например, сервис Pocket вырвался вперёд, сумев чётко донести, чем он полезнее альтернатив. Правильный нарратив способен переломить исход рыночной борьбы. Отдельно интересно рассказано про календарь для планирования релизов. Смысл в том, чтобы договориться, что релизы бывают разных "классов", и от класса зависит:
- Сколько заранее готовится маркетинг/сейлз/саппорт
- Какие активы нужны (доки, кейсы, сравнения, pricing/packaging)
- Какая “цель релиза” (тихий rollout vs попытка пробить новый сегмент)
Почему эту книгу интересно почитать инженерам и техническим руководителям?
Хотя книга о маркетинге, написана она для широкой аудитории технических специалистов - без перегрузки жаргоном. Инженерам Loved поможет взглянуть на свой продукт глазами рынка. Она даст техническим специалистам понимание, как соединить два мира - продукт и рынок. Разработчики узнают, как эффективно доносить ценность своих решений, выстраивать доверие пользователей и сотрудничать с маркетингом, чтобы их проекты не просто работали, но и становились любимыми.
#Marketing #Startup #Economics #Software #Engineering
Дочитал эту книгу Мартина Лаученко на этих зимних каникулах (а начинал читать еще пару лет назад). Книга оставила у меня смешанные чувства - вроде и автор хороший и тема интересная, а книга читалась через силу. Вообще, Мартина - опытный эксперт, что когда-то участвовала в разработке и маркетинге Microsoft Word и Netscape Navigator, а сейчас является партнёром Silicon Valley Product Group. Интересно, что книга стала бестселлером среди книг о маркетинге технических продуктов, хотя в переводе названия эта нацеленность на технические продукты исчезла. Ключевые идеи книги такие
1️⃣ Отличный технологичный продукт сам по себе не гарантирует успеха - нужна продуманная маркетинговая стратегия. Лаученко объясняет, что продуктовый маркетинг - это стратегическая функция, формирующая восприятие продукта рынком.
2️⃣ Мартина выделяет четыре роли продуктувого маркетолога: амбассадор, стратег, сторителлер и евангелист. Эти роли последовательно связывают продукт с аудиторией: знакомят пользователей, формируют ожидания, “влюбляют” в продукт и вдохновляют рассказывать о нём другим. Если подробнее, то
- Ambassador - это "мост" между рынком и командой. Он помогает синхронизировать инсайты о пользователях/рынке внутрь компании и обратно, чтобы это реально влияло на решения: что строим, как упаковываем, как продаём. Это не "владелец" продукта/маркетинга, а именно амбассадор диалога: помогать команде слышать сигнал и корректировать курс.
- Strategist - отвечает за то, "куда идём через 12–18 месяцев". Эта роль про долгий горизонт: продуктовый маркетинг смотрит на то, кем вы должны стать для рынка, и что нужно сделать сегодня, чтобы рынок вас так воспринимал завтра (включая что строить, как упаковать, какой GTM-механикой идти)
- Storyteller - отвечает не просто за копирайтинг, а про управление тем, как рынок объясняет себе вашу ценность: это больше, чем "правильные слова". Очень практичная эвристика из интервью: объясняйте продукт так, будто разговариваете с умным восьмиклассником - это выбивает жаргон и заставляет докопаться до сути.
- Evangelist - эта роль "делает так, чтобы другие рассказывали за нас". В современном мире важнее то, что скажут другие, а не то, что вы скажете сами. Поэтому задача - вооружить людей "атомарными тезисами", которые легко пересказать: тезис, пример, ROI-история, короткая формула ценности.
3️⃣ Фокус на рынке, не только на продукт: книга учит начинать не с функций, а с реальных потребностей. Собирайте обратную связь от пользователей и держите в фокусе market-product fit (сначала понять нужды рынка, потом создавать решение). Иными словами, ценность продукта определяется готовностью рынка его принять, а не наоборот.
4️⃣ Go-to-Market как часть стратегии: план вывода на рынок нужно продумывать с первого дня, а не после релиза. В книге показано, как продукт обгонял конкурентов не за счёт новых фич, а благодаря лучшему позиционированию и истории о ценности. Например, сервис Pocket вырвался вперёд, сумев чётко донести, чем он полезнее альтернатив. Правильный нарратив способен переломить исход рыночной борьбы. Отдельно интересно рассказано про календарь для планирования релизов. Смысл в том, чтобы договориться, что релизы бывают разных "классов", и от класса зависит:
- Сколько заранее готовится маркетинг/сейлз/саппорт
- Какие активы нужны (доки, кейсы, сравнения, pricing/packaging)
- Какая “цель релиза” (тихий rollout vs попытка пробить новый сегмент)
Почему эту книгу интересно почитать инженерам и техническим руководителям?
Хотя книга о маркетинге, написана она для широкой аудитории технических специалистов - без перегрузки жаргоном. Инженерам Loved поможет взглянуть на свой продукт глазами рынка. Она даст техническим специалистам понимание, как соединить два мира - продукт и рынок. Разработчики узнают, как эффективно доносить ценность своих решений, выстраивать доверие пользователей и сотрудничать с маркетингом, чтобы их проекты не просто работали, но и становились любимыми.
#Marketing #Startup #Economics #Software #Engineering
❤8👍3🔥2