Главное, что я понял из истории выложенных файлов Эпштейна — нетворкинг решает и это супер скилл.

Частая ошибка начинающих пипл менеджеров - думать про команду как про задачу с конечным состоянием. "Вот наймем ещё двоих и команда собрана". Как будто есть момент, когда можно поставить галочку и перейти к следующему пункту.

Такого момента не существует. Команда - это перманентный work in progress. И дело даже не только в найме и увольнениях. Меняется всё одновременно - и люди, и контекст вокруг них.

Условный Вася полгода назад фигачил во все весла, генерил идеи, брал на себя больше. А потом женился, родился ребенок и приоритеты сместились. Он не стал хуже, он стал другим. Ему нужны другие условия, другой темп, может быть другая роль.

А условная Алиса год сидела тихо, делала минимум, была в затяжной депрессии. Потом рассталась с парнем, расцвела и начала генерить одну гениальную идею за другой (не пропаганда расставания с партнерами!). Ей уже тесно в текущей роли, и если ты это не заметишь - она уйдет туда, где заметят.

Параллельно меняется рынок, технологии, пользователи. Компетенции, которые были критичны год назад, могут стать нерелевантными. Человек, который идеально закрывал задачи в одном контексте, может не подходить в новом - и это не его вина и не твоя.

И вот ты как менеджер сидишь с той же "собранной" командой, а она по факту совершенно другая. Состав тот же, люди другие, задачи другие.

Недавно как раз коллега говорит: "раньше думала - вот щас соберем команду и все, а потом поняла что такого момента никогда не наступало. Не было ни одного дня, когда я этим не занималась."

Работа над командой - это как тренировки. Нельзя "дотренироваться". Нельзя прийти в форму и перестать ходить в зал. Это не проект с дедлайном, это стиль жизни. Вопрос только в трекшне - становится лучше или хуже, растут люди или стагнируют, ты замечаешь изменения или нет.

Одна из причин, почему я ненавидел классический SWE - ловить какие нибудь непонятные ошибки, починка которых требовала навыков экзорцизма. Самая частая из них - сегфолт, потому что расчехлять gbd и спускаться в недра ада, чтобы обниматься с чертями, мне не по душе было, я эстет.

Появление AI тулов должно было меня избавить от этого, но вот сижу я с клодом, пишу ему, что надо сделать, а он мне вот такую ошибку выкидывает и тригерит мой ПТСР. "Поскользнулся, упал, очнулся - гипс" и холодный пот по телу.

Когда с утра тебе на почту приходит письмо от антропиков, что вышел опус 4.6 и тебе дали ресерч превью доступ к функционалу роя агентов с p2p координацией.

Пример реального кейса, где Claude тащит.

У нас есть интервью на хард скилы при найме продактов - решаются кейсы. В вики подробный гайд: описание секций и конкретных кейсов для каждой. Провожу в среднем 2 интервью в день, и по ходу дела кейсы эволюционируют - меняю формулировки условий, добавляю уточняющие вопросы, иначе расставляю акценты. Гайд отстал от реальности.

Классический путь: выделить время, покопаться в голове, вспомнить что и как менял, отрефлексировать, переписать. Часа 2-3 минимум, и результат зависит от того, насколько хорошо я помню свои же паттерны.

Что сделал вместо этого: скормил Claude транскрипты записей собеседований и текущий гайд. Попросил проанализировать каждый транскрипт в отдельном субагенте (чтобы не забивать контекст), вытащить как я реально даю кейс - условие, формулировки, на что акцентирую, какие наводящие вопросы задаю. Потом соотнести с тем, что написано в гайде, и выдать конкретные рекомендации что обновить.

Результат точнее, чем если бы делал сам, так как Claude еще нашел паттерны в моем поведении на интервью, которые я не осознавал как систему - просто делал интуитивно. Теперь это задокументировано и воспроизводимо для других интервьюеров.

Время: ~15 минут вместо 2-3 часов.

Свежее эссе Бена Томпсона - Microsoft and Software Survival

Microsoft - следующий бигтех гигант “под прицелом” AI-эры.

AI-написанный код не убьет софтверные компании. Большинство бизнесов не хотят заниматься софтом - это не их кор компетенция. Написать приложение - только начало: поддержка, секурити, комплайнс. Покупают не код, а продукт. Сами софтверные компании станут главными бенефициарами - будут писать больше кода быстрее.

Реальная угроза - конкуренция внутри SaaS. Когда все могут писать бесконечный код через AI, аккуратно разделенная SaaS-экосистема (одна функция = один продукт) рушится. Рост пирога закончился, начинается борьба за него. Все начнут атаковать смежные территории. Создатели моделей станут торговцами оружием.

Microsoft делает ставку на Work IQ - агентный слой поверх Active Directory и корпоративных учетных записей. Логика правильная: они владеют графом “кто, что, где, с кем” внутри организаций. Но per-seat модель обесценивается если число людей в компаниях снижается. Значит надо агрессивно расширять функциональный охват.

Промах Azure на квартале - осознанный выбор. Microsoft аллоцировал GPU в пользу собственных продуктов (M365 Copilot, GitHub Copilot, R&D) вместо Azure. CFO прямо сказала: если бы все GPU пошли в Azure, рост был бы 40%+. Рынок снял $357 млрд за день, но Томпсон считает решение правильным - LTV собственных продуктов выше.

Импликация для рынка облаков: если все гиперскейлеры приоритизируют свои нужды, появляется ниша для чистых “фабрик токенов”. Аналогия с TSMC против фабрик Intel - чистое производство без конфликта интересов. Oracle и независимые облака могут оказаться ценнее, чем казалось.

Вывод Томпсона: софт не мертв, но экосистема SaaS будет перестроена. Microsoft выживет благодаря масштабу и готовности инвестировать вычислительные мощности в себя, а не только продавать их.​​​​​​​​​​​​​​​​

Про дизрапт

Думаю, "disruption" - самый извращенный термин в индустрии. В него смешали все подряд: конкуренцию, новые технологии, стартапы, которые отъели долю у кого-то большого. Каждый второй питч начинается с "we're disrupting the X industry". Почти никогда это не про disruption.

Термин придумал Клейтон Кристенсен в "The Innovator's Dilemma". Подрывная инновация - конкретный процесс: продукт стартует в нижнем сегменте или создает новый рынок, изначально уступая по качеству. Со временем дотягивается до "достаточно хорошо" для массового рынка, и действующие игроки теряют позиции.

Почему теряют - самое интересное. Не потому что тупые. Наоборот - принимают рациональные решения. Клиенты не хотят худший продукт, маржа внизу ниже, менеджмент фокусируется на прибыльных сегментах. Каждое решение разумно. Но в сумме за 5-10 лет они убивают компанию. Новичок мотивирован двигаться вверх, действующий игрок - нет. Кристенсен назвал это асимметричной мотивацией - самая ценная часть теории.

Nucor начал с арматуры - низкомаржинальный мусор, от которого крупные сталелитейщики были рады избавиться. Зачем бороться за сегмент, где денег нет? Потом пошел вверх: конструкционная сталь, листовая. Каждый раз действующие игроки "рационально" отдавали сегмент. Toyota зашла в США с дешевыми компактами, которые американский автопром презирал - кому нужны маленькие машинки, когда продаешь полноразмерные седаны? Потом Camry, потом Lexus. Netflix начал с DVD по почте: неудобно для хитов, но лучше закрывает длинный хвост. Клиенты Blockbuster хотели новинки сегодня - угрозы нет. Во всех случаях действующий игрок говорил "пусть забирает этих клиентов, они нам не нужны". А потом новичок приходил за остальными.

Когда кто-то говорит "мы дизраптим рынок" - почти всегда имеет в виду другое: "заберем долю" - конкуренция, "новая технология" - радикальная инновация, "конкурент умер" - может просто плохой менеджмент, "мы в 10 раз лучше" - поддерживающая инновация. Радикальная и подрывная - разные вещи. Электрический свет - радикальная, но не подрывная. Сразу лучше свечей, никакого "начинаем снизу" не было.

Простой фильтр: если целевая аудитория действующего игрока сразу хочет твой продукт - ты не подрываешь рынок, ты сильный конкурент. Настоящий дизрапт выглядит неинтересно на старте - именно поэтому он работает.

В предыдущем посте я говорил про дизрапты через примеры входа снизу - Nucor, Toyota, Netflix. Но у Кристенсена есть второй путь, про который забыл сказать - new-market disruption. Вход не через нижний сегмент существующего рынка, а через создание нового из non-consumption. То есть продукт забирает клиентов не у конкурента, а привлекая тех, кто по какой то причине вовсе не являлся потребителем.

Разница принципиальная. Low-end disruption - это "хуже и дешевле для тех, кого переобслуживают (overconsumption)". New-market disruption - это "впервые доступно для тех, кто раньше вообще не был потребителем".

Транзисторное радио - кейс, который Кристенсен любил приводить в пример в книге. В 1950-х радио - это предмет мебели в гостиной. Большой, дорогой, с отличным звуком. Sony выпускает карманное транзисторное радио. Звук ужасный по сравнению с ламповым. Ни один владелец хорошего радио не сказал бы "хочу такое вместо своего". Но подростки, у которых не было своего радио вообще, получили музыку в кармане. Производители ламповых радио не видели угрозы - это же другой сегмент, другие клиенты, другое качество. Потом транзисторы стали лучше.

Персональный компьютер - та же история. Мейнфреймы IBM обслуживали корпорации. Apple II и IBM PC были игрушками по сравнению с ними. Ни один IT-директор не заменил бы мейнфрейм на персоналку. Но люди, у которых компьютера не было вообще - дома, в маленьких офисах, в школах - получили доступ к вычислениям впервые. DEC и IBM смотрели спокойно, ибо клиенты никуда не уходят. Потом персоналки стали мощнее и мир кардинально поменялся.

Паттерн один и тот же. Продукт создает потребление там, где его не было. Действующие игроки не видят угрозы, потому что их клиенты никуда не уходят. Новые клиенты - не их клиенты. Потом продукт улучшается, и граница начинает сдвигаться.

Non-consumption - ключевое понятие. Если ты создаешь продукт и твои пользователи - люди, которые раньше эту задачу не решали вообще (не "решали хуже", а именно не решали) - ты, скорее всего, на территории new-market disruption. И действующие игроки тебя скорее всего не воспринимают всерьез.

Продолжая тему дизрапта по Кристенсену. Теперь про то, где теория якобы ломается.

iPhone. Кристенсен предсказывал его провал: премиальный продукт, конкурирует с Nokia по качеству. Поддерживающая инновация, не подрывная. Но если смотреть на iPhone не как на телефон, а как на компьютер - все переворачивается. Маленький экран, нет клавиатуры, слабый процессор - хуже по всем метрикам PC. Зато создал вычисления там, где их раньше не было: интернет, почта, камера в кармане в моментах, где ноутбук не доставали. Dell и HP не волновались - их клиенты покупали машины за $1000+ для “серьезной работы”. Продажи PC падают с 2011, для миллиардов людей смартфон стал единственным компьютером.

Uber. Кристенсен писал в HBR, что Uber не disruption: стартовал с премиума (UberBlack), сервис сразу лучше обычного желтого такси, но он смотрел узко - “рынок такси”. Если взять шире - городские перемещения - картина другая. Uber создал пласт поездок, которых раньше не было: люди передвигались на метро, шли пешком или никуда не ездили. Плюс забустил междугородние поездки - сегмент, где городское такси почти не работало. По метрикам классического такси Uber явно хуже: нет лицензированных водителей, нельзя поймать на улице, динамическое ценообразование. Таксопарки сначала не реагировали - считали, что регуляция защитит.

Теория дает разные ответы в зависимости от определения рынка. iPhone - поддерживающая на рынке телефонов, подрывная на рынке вычислений. Uber - поддерживающая на рынке такси, подрывная на рынке перемещений. Выглядит как слабость теории. Во многом так и есть - в этом месте теория частично нефальсифицируемая: пост-фактум всегда можно подобрать рамку, в которой кейс подходит или не подходит.

Но корень проблемы не в теории, а в привычке определять рынок от решения: “рынок такси”, “рынок телефонов”. Если определять от потребности - от джобы (Jobs to be Done), на которую пользователь нанимает продукт - все встает на место. Люди не нанимали iPhone как “телефон получше”, а как доступ к вычислениям в кармане. Не нанимали Uber как “такси подешевле”, а как способ добраться из А в Б. Через эту призму оба кейса - классический дизрапт без натяжек.

Кристенсен сам ошибся с iPhone и Uber, потому что определил рынок от решения, а не от потребности. Ирония в том, что JTBD, который он же и развивал, дал бы правильный ответ.

Ну и завершить серию постов про дизрапт хочется примером, который происходит у нас на глазах. LLM в разработке - классический disruption по Кристенсену. Все признаки на месте.

Думаю, все видели, как снисходительно многие разработчики говорят про эксперименты с вайб кодингом и свежие кейсы написания браузера и компилятора. Низкое качество кода, нет архитектуры, плодит технический долг, не понимает контекст системы, не пишет нормальные тесты. “Это несерьезно, в продакшн такое нельзя”. Звучит знакомо? “Кому нужны маленькие машинки, когда мы продаем полноразмерные седаны”. “Зачем мне DVD по почте, если я хочу фильм сегодня вечером”. “Зачем мне карманный компьютер без клавиатуры, когда у меня есть нормальный PC”.

Причем LLM бьёт с двух сторон одновременно - оба пути входа из теории Кристенсена.

Снизу - low-end disruption. Простые задачи, которые раньше отдавали джуниорам или на аутсорс: бойлерплейт, типовые CRUD-сервисы, скрипты автоматизации, правки в верстке. Сеньоры не хотят это делать, маржа низкая, компании рады сэкономить. LLM закрывает эти задачи хуже, чем хороший разработчик, но достаточно хорошо и в разы дешевле. Классическое “пусть забирает этих клиентов, они нам не нужны”.

Через новый рынок - non-consumption. Продакт-менеджеры собирают прототипы. Дизайнеры делают рабочие демо. Аналитики пишут скрипты для обработки данных. Люди, которые раньше вообще не были разработчиками, теперь создают работающий софт.

Асимметричная мотивация работает как по учебнику. Профессиональные разработчики рационально игнорируют угрозу. Их клиенты - компании с серьезными системами - не хотят код без архитектуры. Менеджмент правильно фокусируется на сложных задачах, где LLM пока не тянет. Каждое решение разумно. Но LLM и агенты улучшаются на глазах и очень сильно, а мотивации двигаться вниз у разработчиков нет.

Если определять рынок от джобы - “создать работающий софт” - а не от решения - “нанять разработчика” - картина очевидная. Огромный пласт задач, для которых раньше нужен был разработчик, теперь закрывается без него. Не все задачи. Не самые сложные. Пока.

Недавно начал читать "Историю западной философии" Бертрана Рассела и стало интересно - а как за эти годы поменялась моя собственная? Когда-то писал пост про смысл жизни, но с тех пор много воды утекло и мысли убежали дальше.

Сел разложить их в разговоре с клодом - несколько часов, пара десятков челенджей логике, распутывание причинно-следственных связей и в итоге вышел некоторый манифест. Про субъективный опыт, эгоизм, страдание, смерть и свободу воли.

https://telegra.ph/Manifest-02-13-14

Интересный факт. Суммарные капитальные расходы Амазон, Гугл и Мета на 2026 год - около $500 млрд. С Майкрософтом - порядка $650 млрд. И это не прогнозы аналитиков, а цифры с последних отчетов компаний.

Для масштаба. Это 2/3 военного бюджета США, а весь военный бюджет Китая в 2025 - $249 млрд официально (реально ближе к $295 млрд). Три техкомпании потратят на инфраструктуру вдвое больше, чем вторая военная держава мира тратит на всю армию.

Все страны НАТО, исключая США, потратили на оборону около $607 млрд в 2025. Четверка техгигантов по расходам сопоставима со всем европейским военным блоком.

Причем у НАТО эти $607 млрд размазаны по 31 стране на зарплаты, технику, операции, базы. У техкомпаний основная часть идет в одну точку - чипы, дата-центры, электричество. Такой концентрации ресурсов в частном секторе не было никогда.

Год назад $250 млрд совокупных расходов казались ненормальными (ну как минимум мне). В 2025 стало $410 млрд. На 2026 - $650 млрд, плюс 60% за год. При этом CEO Гугла на звонке с инвесторами спросили "что не дает вам спать" - вычислительные мощности. Им мало.

Одни уже покупают электричество у ядерных реакторов. Другие скупают участки рядом с электростанциями. Война за чипы, энергию и землю под дата-центры - это не сценарий из киберпанка. Это банально текущие фин отчеты.

Локальный мем про C3PO не прижился. Звездные войны, как оказалось, смотрело не так много людей, как я думал, а игру слов CPO <> C3PO и то выкупало меньшинство. Да и я уже не тот нервозный и неуверенный в себе робот, собранный из запчастей в богом забытой пустыне.

Недавно рефлексировал и вспомнил No Rules Rules Хастингса. Решил даже перечитать и понял почему.

Самые сильные продуктовые команды, которые я видел, рождались в тяжёлые периоды. Мало ресурсов, сложные задачи, нет права на ошибку. Не когда всё хорошо и есть бюджеты.

У Хастингса ровно про это: в 2001 Netflix попал под крах доткомов и уволил треть людей. Хастингс ждал катастрофу, а компания поехала быстрее. Средние сотрудники создавали трение, которое никто не замечал, пока оно не исчезло. Сильные перестали дотягивать за других. Так появился главный принцип Netflix - talent density.

Типичный рефлекс типичного руководителя в такой ситуации - закидывать проблему хэдкаунтом. Этакий «мясной штурм». Не вывозим сроки - нужно ещё два человека. Качество просело - наймём QA лида. Брукс ещё в 75-ом писал в «Мифическом человеко-месяце» - добавление людей в опаздывающий проект замедляет его сильнее. Каждый новый человек это онбординг, коммуникация, координация. Чем больше людей, тем больше времени уходит на синхронизацию, а не на работу.

Маленькая команда сильных людей на сложной задаче ценнее, чем десять человек, половина которых нужна, чтобы координировать другую половину.​​​​​​​​​​​​​​​​ А «Нормальный сотрудник» это не ноль, а минус, ибо он задаёт планку, на которую равняются остальные. На сложном проекте с маленькой командой это видно на второй неделе, а не через полгода на performance review.​​​​​​​​​​​​​​​​

AI-потребительство

С появлением и развитием OpenClaw наблюдаю интересную картину.

Блоггеры, разного размера и фасона, как с цепи сорвались и пытаются получить охваты за счет «экспертных» рассказов про этот продукт.

Кроме того, они начали генерить немыслимое количество разной дичи, которая якобы им помогает быть эффективнее.

Это напоминает мне меня, когда я дорвалась до личного ассистента. У меня сразу столько появилось бесполезных дел и задач, которые тут же полетели в моих ассистентов.

Я быстро отказалась от ассистентов. Разбираться с собственными делами заставляет приоритизировать лучше и не выпускать в мир работу в стол.

То же самое и тут. Какие-то бесконечные AI-ассистенты, которые не только пекут за тебя пирожки, но еще и съедают их.

Почему я сделала акцент на блогерах? Потому что они не разбираются в разработке. Но тем не менее, именно они пошли на гастроли с PR кампанией OpenClaw.

Все мои знакомые разработчики, которые проходили YC, работали в MAANG, строят свои стартапы — не сказали ни слова. Ну OpenClaw и OpenClaw, инструмент и инструмент.

Эти ребята создают и все их мышление нацелено на категорию «билдить». А вот мышление хайповщиков, к сожалению, настроено на категорию «потреблять».

Как итог — куча бесполезного говна, которое сжирает сервера и электричество, FOMO у подписчиков, что они не такие «охуенные», раз не запилили себе бестолкового ассистента на OpenClaw.

Ребята, следите за топовыми инженерами и доверяйте им. Они — врачи своего дела.

"Thin Is In" - очередное срезонировавшее топ эссе Бена Томпсона про то как ИИ возвращает парадигму thin client, которую ПК убил в 90-х. Правда, на этот раз у thin client структурные преимущества, которых раньше не было.

Томпсон прослеживает маятник thick/thin через всю историю:
• Мейнфреймы (1960-е) - чистый thin: терминал + удалённый компьютер
• ПК (1980-е) - thick client побеждает, все вычисления локальные
• Network Computer от Sun (1990-е) - попытка вернуть thin через Java-приложения с сервера. Провал: ПК дешевели быстрее, чем Sun мог обосновать ценность, а Windows уже доминировала
• Мобайл + SaaS - гибрид, но по сути thick: устройства мощные сами по себе, серверная часть хранит данные, интерфейс целиком локальный

И вот ИИ всё меняет. Ключевой аргумент - интерфейс исчезает. Чат - это текстовое поле и кнопка отправки. Качество ответа не зависит от устройства: дорогой айфон, дешёвый андроид, очки, наушники - неважно. Важна только связь с интернетом. Структурно это идентично парадигме мейнфреймов, но без необходимости знать детерминированные команды, так как все решается на естественном языке.

Томпсон цитирует Николя Бюстаманте: когда интерфейс - это разговор на естественном языке, годы мышечной памяти обесцениваются, стоимость переключения исчезает. Для вертикального софта, где интерфейс был основной ценностью - это капут.

Агенты - это thin client доведённый до абсолюта. Агент не использует компьютер за тебя, он выполняет задачу, и всё, что находится между запросом и результатом, становится невидимым. Локальные вычисления не нужны вообще - ИИ на сервере делает всю работу (спорно!).

Почему компьют уходит в облако? Причин несколько:
1. Вычислительных мощностей ещё недостаточно → нагрузки идут туда, где мощности лучше = большие дата-центры
2. Больше модель + больше контекст = лучше результат → нагрузки идут туда, где больше памяти
3. Экономика масштаба и шеринга - разделить стоимость дорогих вычислений между миллионами пользователей выгоднее и на масштабе можно лучше утилизировать машины
4. Локальный инференс ограничен размером модели, контекстного окна и скоростью.

Дальше Томпсон ссылается на недавнюю статью Bloomberg о глобальном кризисе памяти. Спрос ИИ на HBM и DRAM вытесняет всё остальное:
• Sony рассматривает перенос PlayStation 6 на 2028–2029 из-за нехватки памяти
• Nintendo может поднять цену Switch 2
• Samsung пересматривает контракты на память ежеквартально вместо ежегодного цикла
• Китайские производители смартфонов (Xiaomi, Oppo, Transsion) режут прогнозы поставок на 2026, Oppo - до минус 20%

Эффект вытеснения начался с гиперскейлеров (GPU вместо CPU), дошёл до электросетей и турбин, теперь добрался до компонентов - и скоро ударит по конечным потребителям через рост цен на всё, что использует оперативку.

И вот тут парадокс: thick clients и так достигли плато. PS5 уже гуд энаф, Sony готовы подождать с PS6. То же с ПК и телефонами - текущее железо уже избыточно для большинства задач (у меня ipad pro на m5 и я не использую его даже на 10%). ИИ делает память дефицитной и персональные устройства дороже - и одновременно делает их менее важными.

Важные оговорки:
• Локальный инференс "бесплатен" (пользователь платит только за электричество), но пока не конкурентен по производительности, а дефицит памяти делает его неэкономичным
• Зависимость от пути: к моменту, когда локальный инференс станет жизнеспособным, многие рабочие процессы уже мигрируют в облако
• UI не только про удобство - он "кодифицирует" бизнес-логику. Промпты - плохая замена продуманной UI-кнопке, которая и подсказывает нужное действие, и гарантирует корректное выполнение.

Поэтому агенты это ключевое пространство для наблюдения: какие рабочие процессы перейдут от интерфейса к ИИ, от thick к thin. Текущие - вопрос открытый. Будущие - похоже, неизбежно thin.

Прочитал тут недавно Prediction Machines. Хорошая книга для продактов, кто хочет понять экономику классического ML.

Мысль простая. ML - это не магия, а банально снижение стоимости одной конкретной вещи - prediction.

Причем prediction в широком смысле. Люди всегда занимались предсказаниями - вся наша история про это. Шаман смотрел на небо и предсказывал дождь, врач смотрит на симптомы и предсказывает диагноз, банк смотрит на заемщика и предсказывает вернет ли он кредит. Просто раньше этот предикт был дорогим - нужен был эксперт, опыт, время, а ML сделал его дешевым.

Когда что-то резко дешевеет, меняется вся экономика вокруг. Электричество удешевило свет и перестроило фабрики. ML удешевляет предсказание и перестраивает принятие решений.

Авторы раскладывают decision-making на две части: prediction (что произойдет) и judgment (что с этим делать). ML забирает у человека prediction, но judgment остается за людьми. И есть важное разделение - point solutions (засунуть ML в существующий процесс) vs system solutions (перестроить процесс вокруг дешевого предсказания). Второе дает кратно больше, но требует переделки системы целиком.

Книга, правда, написана до эры LLM и агентов, и фреймворк покрывает именно классический ML, но если его продолжить, получается следующая картина:
- ML удешевил prediction, но человек все еще на дальнейших слоях пирамиды
- LLM удешевили judgment. Модель не просто предсказывает - она рассуждает, взвешивает варианты, дает рекомендации. Человек все еще исполняет, но уже может делегировать часть "думания".
- Agentic AI удешевляет execution. Агент не просто предсказал и порассуждал - он пошел и сделал. Забронировал, написал, перевел деньги, собрал отчет. Человек ставит цель и контролирует результат.

По сути AI движется по цепочке от начала процесса к конечной точке, где стоит человек, потихоньку его вымещая. Сначала забрал prediction - самое далекое от конечного результата звено. Потом judgment - ближе. Теперь execution - еще ближе. С каждым шагом точка, где нужен человек, сдвигается дальше к финалу: от "сам считаю и решаю" к "ставлю задачу и проверяю результат". Вопрос только в том, что остается за последней чертой.

Хороший пост Нихила Сингала (ex-CPO Credit Karma, продакт лид в Meta и Google) про промоушены в его блоге The Skip. Он разбирает реальные карьерные вопросы от PM’ов в его сервисе Nikhyl.AI и формулирует то, что я и сам часто наблюдаю (даже за собой!): главные ошибки в промо не в работе, а в том, как люди думают про карьерный рост. Несмотря на то, что речь про западный бигтех, мысли актуальны для всех.

Для начала контекст. После ковидной эпохи ZIRP хэдкаунт сжался, ролей на следующем уровне стало объективно меньше. На senior уровнях промо замедляется само по себе — в Meta, например, почти все чувствовали задержку на 6-12 месяцев относительно ожиданий. Это нормальная механика: навыки на каждом уровне качественно разные, и организации правильно делают, что не торопятся.

Самая разрушительная штука на этом фоне — решить, что система работает против тебя. Человек дважды не получает промо в Google, при этом ему признают импакт уровня выше, и он делает вывод: организация дисфункциональна и работает против него. С этого момента все идет по спирали вниз. Ты злишься, перестаешь вкладываться, руководство это считывает, ситуация ухудшается.

Сингал предлагает осознанный выбор: исходи из того, что компания пытается поступать правильно, даже если это не на 100% правда. Потому что альтернатива разрушительна в первую очередь для тебя. Если дело не в заговоре, а в ограничениях (нет бюджета, к примеру), то и действия другие — менять команду, локацию, компанию. Обида на систему ни к одному из этих шагов не ведет.

Вторая ловушка — воспринимать промо как гонку на «победу». Кого-то повысили, а тебя нет — значит проиграл. Но у проектов разная видимость для руководства и разный потенциал для роста. Стратегический проект дает больше возможностей показать senior навыки, даже если оба проекта по масштабу сопоставимы. Задержка на пару циклов в масштабе карьеры ничего не значит, но в режиме гонки ощущается как катастрофа, что губительно бьет по мотивации. Многие люди имеют успешные, высокооплачиваемые карьеры, не достигнув executive уровня.

Третье, что многие недооценивают: переход от IC к лидерству — это не «делай то же самое, но больше». До определенного уровня каждое промо — гипертрофированная версия предыдущей деятельности: больше скоуп, сложнее задачи, но суть та же. А дальше ты перестаешь делать работу руками и начинаешь добиваться результата через других людей. Это принципиально другое ремесло: непрямое влияние, умение переключаться между деталями и стратегией, способность держаться перед топ-менеджментом. Курсы этому не учат, это формируется годами. Три года без промо на этом переходе — не стагнация, а нормальная кривая роста. Это Peter Principle наоборот: многие компании сначала хотят увидеть, что ты уже работаешь на следующем уровне, и только потом дают тайтл. Промо отстает от реальности, а не опережает ее.