Инженер, который говорит нет

For 50 years, software engineering ran on code rationing. Writing code was expensive, so we rationed it carefully through roadmaps, RFCs, prioritization meetings, and scope reviews.

This created a role: the No Engineer. No, that won't scale. No, we don't have bandwidth. No, that's out of scope. No, we need a design doc first. The No Engineer was valuable for 50 years. Every "no" saved real money. Their judgment was the rationing system.

LLMs will be the end of code rationing. Code is cheap now. And while the No Engineer is explaining why something can't be done, the Yes Engineer has already shipped three versions of it.

If you're a Yes Engineer, the next decade is yours.

На прошлой неделе весь твиттер спорил вокруг тейка очень умного инженера, архитектора в Nvidia, и автора гугловых TPU.

Если кратко, то суть такая: раньше самыми ценными были разработчики, которые умели говорить "нет", и таким образом сохранять деньги бизнеса, а вот ближайшие 10 лет намного ценнее будут те, кто наоборот говорит "да", и быстро-быстро пилит все с AI.

Все разумные люди, конечно же, возражали правильными аргументами:

👉То, что писать код теперь дешево, не делает дешевой его поддержку.
👉Если написать код ничего не стоит, то скорее всего и бизнесового смысла от этого будет немного.
👉Код делает дорогим не время на его написание. Дорогим становится плохой код, не решающий реальных проблем, или лишний.
👉Добавлять фичи всегда было дешевле, чем удалять их после.

Мне тоже, конечно же, в первую очередь хотелось поворчать на такой тейк. Но если немного подумать, то все-таки большое зерно истины там есть.

Лучший способ проверить какую-то идею на жизнеспособность – это провести эксперимент, а не спорить о ней на душном митинге. Чем больше идей мы проверили, тем больше шансов у какой-то из них на успех. Раньше мы пытались ускорить эксперименты в довольно ограниченных кусочках продукта – например, внедряя штуки вроде Backend-Driven UI в мобильных приложениях, который позволял очень сильно сократить цикл выкатки эксперимента. Или давая в руки продактам инструмент для быстрого запуска A/B тестов на небольшие изменения в лэйауте фронтенда.

Сейчас у нас в руках гораздо более мощный инструмент, который потенциально позволяет получить аналогичное ускорение цикла экспериментов в любой части системы. Компании, которые научатся его использовать, в среднем окажутся в более выгодном положении перед теми, кто не научится.

Поэтому на мой взгляд, правильный тейк звучит иначе – самыми ценными будут те разработчики, которые могут построить архитектуру проекта и систему оркестрации агентов таким образом, чтобы дальше сотни "yes engineers" могли спокойно катить кучу экспериментов не ломая основные сценарии, имея возможность все их быстро откатить, и не нарушая общих контрактов. Короче говоря, проектировать систему, которая говорит "нет".

Когда корреляция врет

Мне кажется, что вот этот выпуск Подлодки очень важен для всех менеджеров – поэтому решил им поделиться, не дожидаясь очередного дайджеста подкастов.

Вместе с Никитой Поваровым, моим бывшим коллегой из JetBrains, мы очень глубоко закапываемся в разные модели каузальности, и в то, почему корреляция вообще не гарантирует причинности.

Отдельно в выпуске мы проходимся по тому, что понимание каузальных графов дает менеджеру, который пытается осознанно вносить изменения в свою социотехническую систему.

Structured-Prompt-Driven Development

Большинство команд, активно начавших использовать агентов, быстро приходят к двум идеям, которые сейчас принято называть Spec-Driven Development:

👉К промптам и чату с агентом надо относиться не как к побочному, а как к основному артефакту.
👉Все задачи надо пускать по одному и тому же строгому воркфлоу.

А вот то, что происходит дальше, очень напоминает аналогичную ситуацию с Agile – каждая команда придумывает свой процесс и фреймворк вокруг него. При этом есть несколько уже сравнительно популярных методологий вроде OpenSpec/BMAD, и длиннющий хвост менее популярных – но даже они часто используются не в своей чистой форме, а с огромными доработками под то, как принято в конкретной команде, и как говорит их чувство прекрасного.

В ближайшие годы я ожидаю огромный поток статей, аналогичных сегодняшней – команда нащупала работающий для них процесс, попробовала генерализировать его, и дальше предлагает как универсальную методологию. Проблемы у этого такие же, как и у фреймворков вокруг Agile – если что-то помогло одной компании, это еще не делает инструмент серебряной пулей.

Если AI удаляет вашу базу данных, виноваты вы, а не AI

Недавно довольно широко разлетелась история про то, как AI агент снес продакшн базу данных и все бэкапы. Главный пострадавший винил в этом вообще всех – разработчиков агента за ложный маркетинг и заявления о том, что он безопасен, хостинговую платформу за вообще наличие возможности дропнуть базу через API.

Но вообще-то, во всех похожих случаях виноват сам разработчик. У AI, как и других инструментов, есть границы применимости. Использовать его для операций, в которых критично важно следование правилам и повторяемость, вроде деплоя базы – очень плохое решение. Все шаги, которые могут быть выполнены детерминистически, должны выполняться именно так.

Поэтому, если вы выдали агенту доступ к продакшн окружению, и отправили его выполнять инфраструктурные задачи, которые можно было бы автоматизировать простым скриптом – сами виноваты.

Я бы сказал, что соскучился по временам беспроцентных кредитов, безудержного роста компаний, и формирования команд под самые бесполезные идеи – но сейчас мы живем в не меньшем театре абсурда! Я более чем уверен, что прямо сейчас кто-нибудь работает над тем, чтобы заменить такую команду на пачку AI агентов, которые продолжат выполнять настолько же бесполезную работу, но уже прожигая токены, а не минуты жизни.

Оцениваем успех внедрения AI через скорость обучения

Первая фаза адопшна AI в командах разработки в основном была про Copilot. И там все происходило по привычной модели – нужно было закупить нужное количество лицензий, раздать их разработчикам, провести тренинги, и где-то что-то прилипло бы. Короче говоря, точно так же, как и с любым другим софтом.

С агентами все гораздо сложнее. Сам факт адопшна агентов отдельными людьми вообще не ведет к повышению продуктивности всей команды, поэтому измерять его может быть довольно бессмысленно. Вместо этого нужно каким-то образом оценивать, а действительно ли конкретные команды учатся работать лучше и быстрее. Или, если посмотреть чуть иначе, какие конкретно циклы своей работы они оптимизируют, и насколько поулчается их сокращать.

Чтобы не продолбать внедрение на этом этапе, в статье советуют прокачивать три веточки:

👉Agent Operations – контроль за тем, какие агенты работают в компании, к каким системам им выдается доступ, как этот доступ ограничивается, что там по аудитам.
👉Loop Intelligence – в каких циклах AI реально помогает, в каких нет, чего командам может не хватать, чтобы эти циклы сходились успешно, а где они превращаются в сайд-квесты, не несущие компании пользы.
👉Agent Capabilities – как полезные открытия и способности агентов распространяются по всей компании.

Теперь компетенции нельзя оценить по результату работы

Статья по ссылке – еще одно эссе из категории "все очень плохо, все генерируют бесконечную кучу слопа, давайте так не делать". Короче говоря, никаких особенных откровений сверх того, что мы уже в канале обсуждали. Но мне запала в душу одна конкретная идея, которой я хочу тут с вами поделиться.

Мы очень сильно привыкли коррелировать результат чьей-то работы с личными навыками этого человека. Когда вы читаете плохой код, вы сразу представляете себе аутсорсера из страны с низкими часовыми ставками. А когда сантехник решил вашу проблему, вы сразу записываете себе в книжечку его как супер-компетентного работника, и советуете всем друзьям. Сейчас, по крайней мере для белых воротничков, эта связь совсем разрывается – многие люди становятся просто передатчиками работы, которую за них сгенерировала машина – и качество выполнения этой работы ничего не скажет вам о компетенциях самого человека.

В статье это обсуждается как проблема – но я не уверен, что это в целом так. Вообще-то, такие выводы – это типичный случай замещения случайности причинностью. Наши мозги очень любят выстраивать системные причинно-следственные связи, которые помогают объяснять хаотичный сложный мир даже там, где их нет. И на самом деле делать далеко идущие выводы о человеке, просто посмотрев на пару примеров его работы – не самая хорошая идея. Так что, может быть, мы наконец-то начнем отучаться от этой привычки – что в целом-то и не плохо.

Про AI психоз

Если ваш СЕО уже рассказывал вам с горящими глазами про то, как он сутками пишет код, или про то, как скоро всех сотрудников заменят самоуправляемые рои агентов, или просил теперь со всеми запросами обращаться напрямую к его OpenClaw – поздравляю, скорее всего, у него острая стадия AI психоза.

Вот в чем она выражается:

👉Ощущение того, что ты всемогущ – агенты пишут для тебя больше строчек кода, чем вся твоя компания, вместе взятая. Наконец-то можно мысли из своей головы напрямую транслировать в работающий продукт, без всех этих слоев иерархии!
👉Все твои идеи и решения кажутся блестящими, и AI только постоянно подтверждает это. В особо запущенных случаях это уходит за рамки разработки, и ты начинаешь делать междисциплинарные открытия!
👉Тебе кажется, что любую проблему можно решить увеличением роя агентов. Ты понятия не имеешь, что все эти агенты делают, но они чем-то заняты, и это успокаивает.
👉Ты раздражаешься, когда видишь людей, которые не пытаются вместе с тобой выжигать лимиты своих AI подписок – ведь это делает из боттлнеком!

Если ваш СЕО, или кто-то еще рядом находится в этой стадии, отнеситесь к нему с пониманием, и постарайтесь защитить продукт и команду.

Про AI психоз целых компаний

Так как AI психоз накрывает не только рядовых сотрудников, но и СЕО, он легко может распространиться на всю компанию. Самое яркое проявление – полное безразличие к качеству в угоду скорости и количеству запускаемых фичей. Это безразличие подкрепляется аргументами вида "Выпускать баги не страшно, так как их все равно будут исправлять агенты в масштабе, который и не снился командам кожаных мешков" или "все нормально, у нас полное покрытие юнит-тестами".

Автор заметки, Митчелл Хашимото, которого вы точно знаете как фаундера HashiCorp, сравнивает это состояние с похожей ментальностью при переезде всех в облака. Тогда эта миграция тоже казалась волшебной таблеткой, которая решит вообще все проблемы – ведь быстро поднятый сервис не считается упавшим.

Но реальность работает не так. Вы можете измерять сотни метрик, которые будут показывать, что с вашей системой все хорошо – но на глобальном уровне система становится слишком сложной, никто ее не понимает, риски накапливаются, и когда они отстрелят – случится катастрофа, которую вы никак не сможете контролировать.

Не думайте только про отличия

Учиться на чужих ошибках вообще-то довольно сложно. Одна из главных причин для этого в том, что мы привыкли автоматически видеть причины ошибок не в сходствах, а в отличиях.

В статье разбирается пример с пожарами на двух заводах одной компании. Сначала пожар случился где-то в стране третьего мира – и вместо того, чтобы вынести из него какие-то уроки, менеджер заводов в США списал все на некомпетентность и низкие скиллы местных рабочих, и счел, что учиться в этом инциденте нечему, проблема была абсолютно другой. Оказалось, что все не так – проблемы были именно в общих паттернах работы, и пожары потом повторились и в США.

Мне понравилась следующая мысль:

At some level of analysis, all events are unique; while at other levels of analysis, they reveal common patterns.

Это значит, что даже если наша первая реакция на чужую ошибку – смотреть на нее как на единичный уникальный случай, то стоит попробовать немного сменить фрейм, и постараться найти что-то общее в ваших ситуациях. И именно такой подход позволит извлечь что-то полезное.

Cursor, который не дает писать код

Держите статью про проект, который мы заслуживаем – редактор кода, который помогает разработчику не писать лишний код то того момента, когда задача действительно хорошо продумана.

В чем суть – вы вбиваете свой промпт, а агент, вместо того, чтобы пойти генерировать код, спрашивает у вас, точно ли вы поняли задачу правильно, точно ли эту проблему вообще надо решать, а, если сегодня пятница, то вообще всячески препятствует этой идее.

Статья, конечно же, это мем – но боль-то настоящая. Куча знакомых рассказывают, как они страдают от AI-слопа, в огромных количествах прилетающего им на ревью – отсюда и растут практики вроде SDD, которые принуждают получше подумать и про архитектуру, и про требования, и про ограничения.

Расскажите, а как ситуация с AI слопом в PR обстоит у вас, и как боретесь?

Поступить в вуз мечты и не платить за учёбу? Это реально!

Центральный университет — российский вуз нового типа, внедряющий STEM-подход в высшее образование. Университет создан в партнерстве с более чем 70 крупнейшими компаниями и организациями: Сбер, Авито, VK, Яндекс, Т-Банк и другие.

Здесь не просто дают знания, а формируют специалистов, которых ждут в индустрии. 
Обучение ведется по программам:
— разработка;
— искусственный интеллект;
— бизнес и аналитика;
— дизайн;
— машинное обучение;
— продуктовый менеджмент;
— бэкенд разработка.

А еще каждый студент может получить грант до 100% на весь срок обучения.

Хочешь узнать подробнее? Приходи на МЕГАДОД 2026!

24 мая, с 12:00 до 15:30.
Очно в кампусе Центрального университета (Москва, м. Маяковская).

На мероприятии ты:
• узнаешь про программы бакалавриата и магистратуры, процесс обучения и карьерные перспективы;
• услышишь выступления академических руководителей и преподавателей;
• узнаешь про новые программы 2026;
 • увидишь кампус изнутри, пообщаешься со студентами, посетишь мастер-классы и интерактивные станции.

Не упусти возможность учиться в одном из лучших вузов сферы! 

Зарегистрироваться

Роль руководителя чаще всего тащит за собой не самую очевидную проблему – одиночество. Вы, конечно же, можете находиться в отличных отношениях со своей командой, но самые сложные проблемы вы с ними обсудить не сможете. И это одиночество довольно сильно разъедает душу, и легко может привести к выгоранию.

Чтобы справиться с ним, важно найти поддержку где-то на стороне. Иногда для этого организуются внутренние peer группы – вы собираетесь с другими менеджерами, делитесь своими проблемами, получаете ту самую поддержку. Но это доступно тоже не всем – иногда рядом нет коллег, с которыми безопасно или хочется чем-то поделиться.

Так вот, трое очень классных менеджеров, которых я часто цитирую в этом канале и чьими подкастами делюсь, организовали закрытое сообщество для руководителей Management Hub – и своей целью они видят именно помочь справиться вот с этим одиночеством. Это Евгений Антонов из Яндекса, автор канала "Тимлид Очевидность", Виктор Корейша из Ozon и Ольга Елисеева из Инфосистемы Джет.

Как работает сообщество:

👉Обмен опытом и разбор кейсов в разных форматах группового ментроинга
👉Регулярные активности – мастермайнды, воркшопы, встречи с приглашенными экспертами, менеджерский книжный клуб, поиск работников и вакансий
👉Оффлайн встречи, где поддержку можно получить прямо вживую
👉Чат в Telegram, где можно попросить помощи или обкатать какую-то свою идею

Так что если вы столкнулись с таким одиночеством и чувствуете, что вам может пригодиться конструктивное и дружелюбное сообщество – попробуйте подключиться к ребятам!

🔗Ссылка на сообщество

Почему использование AI в разработке ведет к выгоранию

👉Из процесса разработки уходит та часть, которая приносила удовольствие – медитативное написание кода. Мы заменили ее на ревью агентского кода, гораздо менее приятный и более требовательный к ментальным ресурсам процесс.
👉С потерей чувства удовлетворенности от выполненной работы, мы пытаемся возместить его через количество закрываемых задач, в результате чего возрастает и интенсивность работы.
👉Делегируя все больше задач агенту, мы постепенно теряем накопленный в голове контекст про то, как работает система. А разработка чего-то, что вы не понимаете, это еще более изнуряющий процесс.
👉Когда мы фокусируемся на одной большой проблеме за раз, значимая часть размышлений о ней происходит где-то в бэкграунде, пока мы спим или делаем что-то еще. С AI разработкой планирование превращается в несколько минут диалога с агентом, и мы лишаем себя этой важной части.

С этим выгоранием можно попробовать бороться. Часть советов – на картинке, а все детали – в статье.

Как умирают опенсорсные проекты

Мы в работе очень сильно полагаемся на существующие опенсорсные проекты. Как показывает невероятно выросшее в последний год количество supply chain атак, полагаемся даже слишком сильно.

В статье – полезная классификация ситуаций, которые могут привести к смерти опенсорса, на который вы положились. Вот некоторые из них:

👉Корпоративный сирота. Компания решила заопенсорсить какие-то внутренние наработки, а затем ответственный за них человек уволился или был переключен на другие задачи. README никто не обновил, проект остался существовать, но в компании про него никто никогда не вспомнит.
👉Ментейнера наняли. Проект был создан человеком в свое свободное время. Потом его наняли в компанию, условия контракта с которой не позволяют ему продолжить поддерживать проект.
👉Дедлок наследования. Основной ментейнер проекта куда-то исчез вместе со всеми правами на публикацию новых версий. Остальные ментейнеры были быи рады подхватить флаг, но экосистема либо не позволяет передать права на пакет без ведома его создателя, либо это слишком сложный процесс, в который никто не готов вписаться.
👉Ментейнер выгорел. Он все еще принимает простые правки, не требующие когнитивного ресурса, но любые серьезные изменения зависают навсегда. При этом, чем больше его пушат, тем меньше вероятность того, что что-то случится.
👉Знание о проекте ушло. Создатель проекта передал права, а новые ментейнеры не очень хорошо понимают, как он устроен под капотом. В результате он неявно переходит в ридонли режим, с только косметическими правками.
👉Протест. Владелец проекта в знак протеста с политической или социальной проблемой ломает свой проект так, что он перестает работать либо для всех, либо для какой-то части людей.
👉Теневая разработка. В опенсорсе находится только зеркало, а настоящая разработка идет в приватном корпоративном репозитории, который когда-то просто забудут продолжить подливать.
👉Не подлежащий релизу мастер. Разработка проекта ушла слишком далеко с момента последнего релиза, он гарантированно сломает обратную совместимость всем и везде, и никто за такое не хочет брать ответственность.
👉Транзитивная смерть. Умерла какая-то важная зависимость проекта, и аналога нет или переезд слишком сложный.

Идеи, законы и концепции

Хорошая библиотека кроссдисциплинарных идей вокруг принятия решений, продуктового менеджмента, менеджмента знаний, психологии и технологий.

Библиотека прямо хорошо прокурирована, мне очень зашли некоторые заметки.

Про то, как подход к измерению чего-то определяет само пространство возможностей

Physicist Arthur Eddington illustrated this with a story about fishermen who caught fish using a net with specific-sized holes. After examining their catch, they concluded there was a minimum size to fish in the sea—never considering that smaller fish simply slipped through their net undetected.
...
Our tools of measurement don't just quantify the world—they determine which aspects of it become visible to us in the first place.

Иерархия фактов

Henri Poincaré, the renowned mathematician, observed that not all facts are created equal. The most valuable ones, he noted, are those that reappear frequently—the simple facts that serve as building blocks across multiple scenarios.
...
first we establish rules by studying similarities, then we advance knowledge by investigating exceptions.

Simpson's Paradox

We're familiar with how combining data can obscure details, but less aware of how it can create entirely new—and false—effects. This statistical sleight of hand, exemplified by Simpson's paradox, occurs when individual data sets clearly favor one conclusion, yet when combined, mysteriously support the opposite. Statistician Edward Simpson documented how subsamples might consistently show A outperforming B, while the amalgamated data inexplicably shows B superior to A. The danger is that these artificial patterns can lead to false accusations or misguided decisions based on what appears to be solid evidence.

Мы креативнее, когда ходим, а не сидим

Мой любимый жанр – исследования, которые подтверждают то, что мы и так прекрасно знали. На нескольких группах студентов провели серию тестов, сравнивая из способности генерировать новые идеи при работе в кабинете сидя и во время прогулки.

Так вот, в зависимости от конкретного дизайна эксперимента, от 80 до 100% участников креативили гораздо лучше, когда двигались, а не сидели на месте. Заодно проверили, что именно дает эффект – сам факт ходьбы, или прогулка на открытом воздухе. По результатам, как будто бы находиться на улице не очень важно – так что распаковываем ваши беговые дорожки, купленные во время ковида, и спрятанные куда-то под диван!