The future of agentic coding with Claude Code (Рубрика #AI)

Посмотрел интересное интервью Boris Cherny, создателя Claude Code, которое у него взял Alex Albert (Claude Relations). Ребята обсуждали текущее состояние и будущее агентного программирования, основываясь на скорости эволюции моделей, а также улучшениях продукта Claude Code с момента его появления. Если говорить про ключевые идеи, то вот они

1. Изменения за год похожи на революцию
Борис отметил кардинальные изменения в подходе к программированию: "Год назад программирование было совершенно другим". Если раньше разработчики работали с IDE, автокомплитом и копированием кода из чат-приложений, то теперь агенты стали неотъемлемой частью рабочего процесса.
2. Концепция "упряжки" для ИИ-модели
Одна из центральных метафор Бориса - это сравнение работы с ИИ-моделью с ездой на лошади. "Если вы едете на лошади, вам нужно седло. И это седло имеет огромное значение". Под "упряжкой" понимается весь комплекс Claude Code: системные промпты, управление контекстом, инструменты, возможность подключения MCP-серверов, настройки и разрешения.
3. Органичная коэволюция модели и продукта
Борис объяснил, что улучшение модели происходит через dogfooding: "В Anthropic все используют Claude Code. И это включает исследователей". Это позволяет выявлять естественные ограничения и улучшать возможности системы на основе реального опыта.
4. Подход к оценке производительности
Вместо формальных метрик команда полагается на "вайбы" - субъективное ощущение улучшений. Борис признается: "Честно говоря, это просто вайбы. Кажется ли модель умнее?". Этот подход обусловлен сложностью создания синтетических тестов, которые бы охватывали всю сложность программной инженерии, хотя от создателей фронтир моделей многие могли бы ждать более формализованного способа измерений:)
5. Расширяемость как основной принцип
Claude Code изначально проектировался как максимально расширяемая система. Среди ключевых возможностей кастомизации: CLAUDE.md (контекст для проектов), система хуков для интеграций, slash-команды, субагенты с изолированными контекстными окнами, MCP-сервера
6. Будущее профессии разработчика
Согласно прогнозам Бориса, через 6-12 месяцев работа разработчика будет включать два основных направления: более практическое программирование (но с использованием Claude для манипуляций с текстом) и менее прямое программирование, где Claude будет проактивно предлагать изменения, а разработчик - принимать решения об их внедрении.
7. Философия обучения в эру ИИ
Борис подчеркнул важность сохранения фундаментальных навыков: "Вам все еще нужно изучать ремесло — языки программирования, компиляторы, рантаймы, веб-разработку, системный дизайн". Однако теперь на первый план выходит креативность и способность быстро реализовывать идеи. Ключевое изменение - код больше не является "священным". Возможность многократного переписывания с помощью агентов смещает фокус с процесса создания на конечный результат. Интересно, а через 1-2 года нам все еще нужны будут знания основ? Или агенты будут настолько автономны, что большинство забудет эти знания и навыки, как большинство забыло про ассемблер?
8. Практические советы по использованию
Борис рекомендовал двухэтапный подход для новичков:
- Не писать код сразу - начинать с вопросов агенту по кодовой базе и архитектуре
- Переходить к написанию кода, но учитывать сложность
-- Простые задачи: одним промптом
-- Средние задачи: начинать с режима планирования, согласовывать план, а затем отдавать Claude
-- Сложные задачи: оставаться ведущим, а Claude отдать роль инструмента для исследования и прототипирования

Если подводить итог, то мы видим, как создатели AI инструментов меняют индустрию от инструментов автодополнения к полноценным агентам разработки. Это требует переосмысления рабочих процессов и подходов к обучению новых специалистов. Ну и они эту модель обкатывают на своих собственных процессах разработки, эффективно пилотируя собственный продукт. Это же ждет и остальных в будущем:)

#AI #Software #Engineering #Architecture #Agents #ML

Code of Leadership #53 - Interview with Evgeniy Kokuykin about custom development and security in Gen AI (Рубрика #AI)

Интервью с Евгением Кокуйкиным, одним из сооснователей компании Raft (https://raftds.ru/), а также создателем продукта HiveTrace (https://hivetrace.ru/) для мониторинга безопасности LLM приложений. Мы обсудили с Женей его интересный карьерный путь от инженера до тимлида, потом engineering director. Дальше Женя стал CEO новой компании HiveTrace, которая работает в области безопасности Gen AI приложений. А вообще мы общались порядка 2х часов и успели обсудить следующие темы

- Введение и знакомство с Евгением.
- Школа, университет и первые пробы поиска работы
- Работа и рост в компании «Диасофт»
- Менторство и профессиональное развитие как инженера
- Работа с внутренним ПО, автоматизация, пайплайны или DevOps и платформенные команды
- Профессиональный рост через участие в конференциях и нетворкинг
- Проект по миграции Oracle/PostgreSQL, освоение новых технологий
- Переход в «Аквелон» и опыт с зарубежными клиентами
- Становление управленца и создание «Рафт»
- Начало проектов по gen AI ИИ,  особенности внедрения и поиск клиентов
- Осознание и развитие темы AI Security, участие в активностях OWASP
- Рынок решений по безопасности ИИ и создание продукта HiveTrace
- Гибридный формат, развитие комьюнити и work/life balance
- Советы для саморазвития

Кстати, Женя упоминал интересную книгу "Driving the technical challenge", которая помогает не только придумать хорошую техническую идею, но и убедить всех вокруг, что ее нужно дотащить до прода:)

Выпуск подкаста доступен в Youtube, VK Video, Podster.fm, Ya Music.

#Software #AI #ML #Security #Engineering #Management #Career #Leadership

High Growth Handbook (Рубрика #Management)

За пару-тройку месяцев прочитал эту книгу Элада Гила, которая была издана в 2018 году в издательстве Stripe Press и создавалась в период, когда технологический сектор переживал устойчивый рост после восстановления от кризиса 2008-2009 годов. Это было время относительно дешевых денег, активного венчурного финансирования и оптимизма в стартап-экосистеме. Сейчас конечно условия поменялись, но базовые принципы остались все теми же:)

Для начала надо сказать про автора, который когда-то работал в McKinsey, затем перешел в Google, где помог запустить мобильную команду для Google Mobile Maps. Дальше он пошел делать стартап MixerLabs про социальные медиа и геолокационные сервисы, который был приобретен Twitter в 2009 году, где Гил занял должность вице-президента по корпоративной стратегии. Дальше он ушел в вентчур и как инвестор вложился в такие известные компании как Airbnb (когда в команде было менее 10 человек), Stripe, Square, Coinbase, Pinterest, Instacart, Gusto. В общем, Элад достаточно авторитетный автор в мире венчура:)

Если говорить про структуру книги, то в ней почти 350 страниц и девять глав
1. Роль CEO - эволюция руководителя от практика к визионеру, делегирование полномочий, управление временем
2. Управление советом директоров - выбор венчур-партнеров, независимых директоров, эволюция совета со временем
3. Рекрутинг, найм и управление талантами - стратегии привлечения и удержания ключевых сотрудников
4. Формирование исполнительной команды - найм C-level руководителей, управление топ-менеджментом
5. Организационная структура и гиперрост - реорганизации, процессы, структурные изменения
6. Маркетинг и PR - различия между дисциплинами, стратегии продвижения
7. Продуктовый менеджмент - лучшие практики управления продуктом
8. Финансирование и оценка - поздние раунды, IPO, вторичные продажи акций
9. Слияния и поглощения - стратегии M&A для растущих компаний
Книга также включает приложение "Чему просто сказать НЕТ" с практическими рекомендациями по избеганию антипарттернов:)

Отдельно стоит отметить, что Элад взял целую пачку интервью с лидерами индустрии, чтобы дополнить свои мысли практическими советами от уважаемых людей.
- Рид Хоффман (LinkedIn) - о стратегии и управлении советом директоров
- Марк Андриссен (Andreessen Horowitz) - о венчурном финансировании
- Сэм Альтман (Y Combinator) - о роли CEO и росте компаний
- Аарон Леви (Box) - об операционном масштабировании
- Патрик Коллисон (Stripe) - о платежных технологиях и росте
- Кит Рабойс - о найме и управлении руководителями
- Навал Равикант (AngelList) - об инвестициях и совете директоров

Если сравнивать книгу с современными условиями, то можно выделить такие ключевые отличия
1. В 2018 году стартапы работали в условиях низких процентных ставок и доступного капитала. К 2025 году экосистема прошла через несколько кризисов - пандемию COVID-19, инфляцию, повышение процентных ставок и "корректировку" рынка 2022-2023 годов. В общем, сейчас жечь деньги не принято (если ты не AI стартап) и стартапы пытаются растянуть свои финансы на подольше
2. В 2018 году искусственный интеллект был перспективной технологией, а к 2025 году он стал ключевым дифференциатором. AI-ориентированные компании сейчас могут поднимать раунды финансифрования, а остальным приходится потуже затягивать пояса
3. Раньше стартапы агрессивно наращивали количество инженеров и смотрели на метрики роста компании, а теперь многие инвесторы смотрят на удельный вклад сотрудника в финансовые результаты компании. Поэтому основатели стартапов не стремятся раздувать штат, а оставляют команды небольшими, активно используя AI для выполнения части работы

В итоге, в свое время книга была отлично принята стартап-сообществом и даже несмотря на изменение условий она может быть полезна и сейчас - для этого надо понимать логику советом Элада и понимать как их менять, учитывая изменение стоимости денег и появлении game changer в виде фронтир моделей от OpenAI, Anthropic, Google  и остальных.

#Management #Leadership #AI #Engineering #Software #Career

Research Insights Made Simple #17 - Measuring the Impact of Early-2025 AI on Developer Productivity (Рубрика #DevEx)

Разбор отчета METR "Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity", где показано замедление разработчиков при использовании AI. Методология мне показалось хоть и интересной, но объем выборки аж в 16 инженеров казался мне маловатым для того, чтобы делать громкие заявления о замедлении разработки. Правда, такой размер выборки не помешал многим журналистом активно писать про это исследование. В итоге, я позвл в гости Артема Арюткина, СРО платформы для разработчиков в Городских сервисах Яндекса, вместе с которым мы обсудили все плюсы и минусы этого исследования.

Вот примерный список тем, что мы успели обсудить за 40+ минут
- Введение, анонс METR и бенчмарка
- Знакомство с гостем
- Спонсор исследования и возможная предвзятость
- Как устроен эксперимент
- Гипотезы о мотивах и дизайне исследования
- Оценка и самооценка задач участниками
- Набор участников и требования к ним
- Ограничения масштаба и методологии
- Цифры: 246 задачи от 1 до 8 часов по длительности, 16 инженеров в исследовании
- Пять факторов замедления работы
- Контекст, интеграция и коммуникации как узкое место
- Как работать с инструментом по уровням сложности
- Почему моделям сложно применять изменения в реальном коде
- Итоги бенчмарков и ограниченность генерализации

Выпуск подкаста доступен в Youtube, VK Video, Podster.fm, Ya Music.

P.S.
На Big Tech Night в ближайшую пятницу Станислав Моисеев, мой коллега, что руководит RnD центром, расскажет про разные подходы к измерению developer productivity в общем, а также то, как померить влияние Gen AI на это. Если тема вам интересна, то регистрируйтесь и приходите послушать.

#Software #Engineering #Metrics #Databases #Architecture #Devops

Бизнес для программистов. Как начать своё дело (Eric Sink on the Business of Software) (Рубрика #Bootstrapping)

Продолжая разбирать свою книжную полку от старых книг, наткнулся на этот сборник эссе от Эрика Синка про то, как программистам запускать и развивать продуктовый бизнес. Оригинал вышел в Apress в 2006 году, русское издание - в «Питере» в 2011‑м. Материал вырос из одноимённой колонки Синка на MSDN (2003–2005), то есть уже прошло порядка 20 лет. Эрик Синк - основатель SourceGear (Vault/Fortress, инструменты контроля версий), ранее руководил браузерной командой в Spyglass, которая делала ранние версии того, что стало Internet Explorer. Он также инициировал проект AbiWord. Позже команда SourceGear вывела кроссплатформенную интеграцию с TFS (Teamprise), которую продали Microsoft.

В этой книге Синк популяризировал концепцию соло-основателей маленьких и независимых вендоров софта. Во времена выхода книги это было не особо распространено, но книгу встретили хорошо, а предисловие к книге написал сам Джоэл Спольски, автор блога "Joel on Software", сооснователь Stack Overflow, создатель Trello.

Если говорить про контекст написания книги, то в те временя была эра shareware и коробок, блоги и форумы были главными в плане маркетинга, плюс многие размышляли про риски правильного выбора OS/фреймворка, условно Windows/Linux, Java/.net/etc. Сейчас конечно все по другому - у нас есть облака и маркетплейсы приложений, есть соцсети и коммьюнити вокруг софта, а главное есть AI-инсутрменты, что удешевляют разработку и позволяют приблизиться к концепции соло-предпринимателей.

Если говорить про основные идеи книги, товот они
1. Микровендорам стоит делать фокусный продукт на узкий рынок, часто силами 1–3 человек. Причем важно не путать инженерную любовь к фичам с рыночной ценностью. Сейчас код написать не проблема - важно найти product market fit для продукта и быстро его развивать, пока конкуренты не навайбкодили что-то похожее:)
2. Предпринимательство для разработчика: честная самооценка, создание плана на случае если не пойдет, выбор ниши с цифрами (юнит‑экономика), а не просто из-за увлечения
3. Finance for Geeks: простые отчёты, маржи, «почему open‑source‑монетизация сложна» и когда (не)брать деньги. Сейчас как считать финансы продукта написано многое, но open source монетизация до сих пор сложна
4. Люди: «нужны developers, not programmers», осторожность при найме, «великий хакер ≠ отличный найм». Сейчас это про то, что с ИИ‑ассистентами выигрывают не «кодеры», а те, кто умеет ставить задачи, валидировать ценность, строить систему продаж/позиционирования. Лейтмотив главы о людях стал ещё актуальнее.
5. Маркетинг - не постобработка: сначала позиционирование, затем продукт; выбирать конкурентов осознанно. Сейчас условный ChatGPT может стать следующим большим каналом дистрибуции (я уже подробно разбирал интервью Брайана Балфура)
6 Платформенные риски: «Be careful where you build» - взвешивайте зависимость от платформ/экосистем. Сейчас это про правильный выбор провайдера, лицензий, внезапное изменение правил тарификации
7. Прозрачность и продажи: блог, форумы, честность о проблемах, простой демо‑доступ, money‑back, внятная цена. Сейчас это про «build in public», changelog‑культуру и community‑led growth
8. Тактика той эпохи: трейд‑шоу и журнальная реклама - полезно как исторический контекст (но сейчас не работает)

В общем, книга определенно была интересной в свое время, а теперь ее тоже можно читать, но надо делать поправки в местах, которые поменялись за эти двадцать лет.

P.S.
А я как обычно отнесу в понедельник эту книжку в наш букшеринг уголок на нашей работе:)

#Management #Leadership #Startup #Engineering #Software #Business

The GenAI Divide: State of AI in Business 2025 (Рубрика #AI)

Прочитал вчера интересный отчет про состояние дел при внедрении AI в индустрию от команды проекта MIT NANDA в составе Aditya Challapally, Chris Pease, Ramesh Raskar и Pradyumna Chari (выпуск июль 2025). Вообще, Project NANDA расшифровывается как Networked Agents and Decentralized Architecture и это исследовательская инициатива MIT, нацеленная на создание инфраструктуры для распределённого интеллекта автономных агентных систем. Исследование проводилось с января по июнь 2025 года и представляет собой предварительный отчёт по реализации GenAI (генеративного ИИ) в бизнесе.

Сам отчет занимает 26 страниц, но если сокращать, то авторы отчета демонстрируют разрыв между широким интересом к генеративному ИИ и реальным бизнес-эффектом от его внедрения. Авторы даже придумали красивое название «GenAI Divide» для описания этого эффекта, которое в цифрах выглядит так

1. Пропасть в результатах
Несмотря на глобальные инвестиции в размере $30–40 млрд, ~95% организаций не получили измеримой отдачи от проектов GenAI, а оставшиеся 5% смогли на этом заработать. Авторы объясняют это не качеством моделей или регулировании, а разными подходами к внедрению технологий. А это обнадеживает, так как поддается исправлению
2. Высокая экспериментация, низкий ROI
AI-инструменты (ChatGPT, GitHub Copilot, ...) получили широкое распространение - более 80% компаний экспериментировали с ними, и почти 40% уже развернули такие решения для сотрудников. Однако эти инструменты в основном повысили индивидуальную продуктивность сотрудников и практически не отразились на ключевых финансовых показателях организации. Иными словами, генеративный ИИ активно пробуется в рабочих процессах, но пока не трансформирует бизнес в широком масштабе.
3. Провалы корпоративных пилотов
Воронка корпоративных проектов выглядит так 60% -> 20% -> 5%, где 60% оценивали корп GenAI решения (кастомные или от вендоров), 20% дошли до пилота, а 5% дошли до прода. В итоге видно, что большинство пилотов так и остаются на месте, не масштабируясь. Главные причины этого - неадаптивные (“хрупкие”) рабочие процессы, отсутствие способности у системы учитывать обратную связь и контекст и слабая интеграция решения в ежедневные операции компании.
4. Явление GenAI Divide
Исследование выявило четыре характерных паттерна, разделяющих успешные и неуспешные организации (GenAI Divide):
- Ограниченное отраслевое воздействие - только 2 из 8 секторов испытывают структурные изменения от ИИ, а точнее это "technology" и "media & telecom"
- Крупные корпорации запускают множество пилотов, но отстают в масштабировании решений
- Бюджеты в основном тратятся на видимые фронт-офис функции (продажи и маркетинг) в ущерб бэк-офис процессам, которые зачастую имеют лучшую отдачу инвестиций
- Проекты с внешними технологическими партнёрами имеют вдвое больший успех по сравнению с внутренними разработками

Главным барьером для масштабирования GenAI-систем оказалась неспособность к обучению: большинство решений не сохраняют контекст, не адаптируются и не улучшаются по мере использования. Тем не менее, небольшая группа лидеров сумела преодолеть этот разрыв за счёт иного подхода - они с самого начала ставили на кастомизацию под процессы и тесную интеграцию ИИ-инструментов в работу, а эффективность измеряли бизнес-результатами, а не техническими метриками модели.

Авторы провели его за первое полугодие 2025 года и использовали несколько источников данных
1. Команда выполнила систематический обзор 300+ публично объявленных AI инициатив, чтобы выявить общие тенденции и результаты проектов
2. Команда провела 52 структурированных интервью с представителями различных организаций, внедряющих GenAI (качественные инсайты «с полей»)
3. Команда проанализировала анкеты 153 руководителей высшего звена (C-level и др.), собранные на четырех крупных отраслевых конференциях.
Такой многосторонний дизайн (анализ кейсов, интервью и опросы) позволил взглянуть на вопросы применения GenAI с разных сторон.

#AI #Engineering #Software #Metrics #Leadership #ML #Metrics

Python: The Documentary | An origin story (Рубрика #Software)

Посмотрел вчера интересный документальный фильм про путь языка программирования Python от побочного проекта до языка, что вознесся до самого популярного благодаря AI революции:) Фильм вышел в конце августа и был выпущен студией Cult.Repo (бывший Honeypot), а режиссёром была Ида Бехтле. Создание фильма профинансировали Anaconda, запрещенная в России Meta, OpenTeams, PyCharm (JetBrains), Quansight. Если кратко говорить про основные моменты, то вот они
1. Истоки истории в CWI (Амстердам), а также влияние языка ABC и раннего интернета
2. Первые пользователи и индустриальные успехи (NASA, YouTube, Dropbox)
3. Становление научного стека (NumPy/SciPy)
4. Сильные стороны и кризисы сообщества на примере перехода от python 2 к python 3
5. Культурный код «The Zen of Python»
6. Роль инклюзивных инициатив (например, PyLadies)
7. Отказ Гвидо ван Россума от роли BDFL после спора вокруг оператора «морж» (:=)

В титрах и в официальных материалах упоминается много уважаемых людей: Guido van Rossum, Travis Oliphant, Barry Warsaw, Armin Ronacher, Brett Cannon, Mariatta Wijaya, Jessica McKellar, Steven Pemberton, Lambert Meertens, Sjoerd Mullender, Ken Manheimer, Tim O’Reilly, Ton Roosendaal, Peter Wang, Lisa Guo, Lisa Roach, Paul Everitt, Benjamin Peterson, Robin Friedrich, Drew Houston, Bob (Robert) Kahn и др.

Если делать выводы из этой документалки, то они такие
1. Сила Python - не только в языке, но и в культуре. Простота/читабельность + «Zen of Python» и открытая инженерная этика задали стандарт, к которому тянулись и ядро, и экосистема.
2. Сообщество - главный «двигатель». PyCon, PSF, PyLadies, добровольцы‑мейнтейнеры и компании‑партнёры - всё это и есть «топливо» развития.
3. Сложные решения имеют цену, но дают будущее. История миграции с v2 на v3 - болезненная, однако именно она позволила языку эволюционировать и обновить основы (а спор вокруг PEP 572 привёл к более устойчивой модели управления).
4. Python побеждает как «клей» над быстрыми библиотеками. Успех в науке/ИИ объясняется тем, что язык удобно объединяет мир C/C++/Fortran‑библиотек в единую продуктивную среду. Фильм подчёркивает это через истории NumPy/Anaconda/ML.
5. История языка - это история людей. От академических лабораторий CWI и Usenet‑эпохи до YouTube/Dropbox: персональные выборы и локальные инициативы складываются в глобальный результат.

В общем, фильм очень приятно снят и интересно смотрится, рекомендую.

#Software #Architecture #Engineering #Leadership #AI #ML #Data

[1/2] Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence (Рубрика #AI)

Интересное исследование на тему влияния AI на трудоустройство от ребят из Стэнфордского университета: Erik Brynjolfsson, Bharat Chandar и Ruyu Chen. Кстати, Бриньолфсон соавтор крутой книги "Machine, Platform, Crowd", про которую я уже рассказывал. Цель у этого нового исследования была в оценке недавних изменений (2022 - 2025 годы) на рынке труда США в профессиях, наиболее подверженных влиянию генеративного искусственного интеллекта. Данные для анализа были получены в сотрудничестве с компанией ADP - крупнейшим поставщиком программного обеспечения для расчёта заработной платы в США, что обеспечило авторам доступ к масштабным актуальным сведениям о занятости. Executive summary итогов исследования выглядит так

1. Сокращение занятости молодых специалистов в профессиях с высоким воздействием ИИ.
С момента широкого внедрения генеративного ИИ (конец 2022 года) занятость молодых работников в возрасте 22–25 лет в наиболее “подверженных ИИ” профессиях заметно снизилась (13%-ное относительное снижение), хотя занятость более опытных специалистов старшего возраста не падала.
2. Общий рост занятости при застое для молодёжи в уязвимых сферах.
Общая занятость в экономике продолжает уверенно расти. Иными словами, наблюдается перераспределение рабочих мест: в целом рабочие места добавляются, но рост практически не затрагивает именно молодых работников в высоко-автоматизируемых ролях
3. Большее сокращение там, где ИИ автоматизирует, а не помогает.
Спад занятости концентрируется в тех должностях, где применение ИИ скорее автоматизирует человеческий труд, чем дополняет его. В профессиях, использующих ИИ в качестве инструмента дополнения (усиления) работы человека, серьёзных сокращений не обнаружено. Однако в задачах, которые ИИ способен полностью автоматизировать, занятость молодых снизилась наиболее сильно, например, в разработке софта или службах саппорта клиентов.
4. Эффект сохраняется даже с учётом факторов компаний/отраслей
Авторы проверили, не обусловлены ли наблюдаемые сокращения какими-либо специфическими шоками на уровне отдельных фирм или отраслей. Оказалось, что дело не в этом.
5. Корректировка происходит через увольнения, а не через зарплаты.
Анализ рынка труда показывает, что адаптация к ИИ происходит преимущественно за счёт изменений в уровне занятости, а не через изменение уровня оплаты труда.
6. Результаты устойчивы при различных проверках и выборках
Авторы проверили влияние конфаундеров, но оказалось, что дело не в них. Все вышеперечисленные тенденции сохранились при различных дополнительных проверках. Например, исключение из анализа технологических компаний, а также профессий, легко переходящих на удалённую работу, не изменило общих выводов

В совокупности эти результаты предоставляют первые крупномасштабные доказательства того, что “революция ИИ” уже начала заметно и непропорционально влиять на работников начального уровня на американском рынке труда. Молодые специалисты в высокотехнологичных и автоматизируемых профессиях выступают здесь в роли “канареек в шахте” - раннего индикатора грядущих перемен.

В посте продолжении я чуть больше расскажу про методологию этого исследования, а также поделюсь мыслями авторов про более долговременные эффекты от текущих изменений.

#AI #Software #Engineering #Management #Leadership #Data #Whitepaper #Metrics