Мифический человеко-месяц

Ещё 20 лет назад, когда начинал свою карьеру программистом, прочитал немало книг по управлению разработкой. Среди них легендарная книга «Мифический человеко-месяц» Фредерика Брукса, написанная ещё в 60-х или 70-х годах. Брукс управлял разработкой OS/360 в IBM, даже я никогда не сталкивался с этим динозавром.

Так вот, основная мысль этой книги — что нельзя менять человека на месяцы и месяцы на человека. Если один разраб делает задачу 12 месяцев, то 12 разрабов сделают эту работу за 1 месяц — такая модель, по мнению Брукса, неверна (всё как с беременными). Причина, как описывает автор, кроется в бесконечных коммуникациях и разделении ответственности между участниками проекта.

Также Брукс говорит, что серебряной пули не существует: проектирование логики и связей — это сущностная модель любой разработки, и её не могут заменить никакие инструменты или языки программирования.

С чем я столкнулся на своей практике в Гибриде. 3 года назад мы кратно увеличили бюджет на разработку, в людях — это буквально в десятки раз: несколько групп разработки, девопсы, системные аналитики, QA-отдел и т. д. Всё было призвано к тому, чтобы ускорить TTM наших идей. Но на деле скорость выросла не в 10x и даже не в x5. В лучшем случае в 2 раза. Я всегда помнил эти законы Брукса, но в реальности каждый раз рука тянулась к масштабированию людей, хотя и понимал, что эффекта от этого будет несоизмеримо меньше.

Но текущий кризис и эра искусственного интеллекта расставили всё на свои места.

На майских каникулах я практически целые дни проводил в различных агентских платформах. Я поставил цель в одного сделать MVP продукта, отработать все циклы разработки от идеи до CI/CD-процессов и масштабирования продукта в проде. После этого я понял, что конвейерная разработка больше НАХУЙ не нужна.

Брукс был прав: основной затык такой разработки — это коммуникация, согласования, конфликты ответственности и т. д. Каждая человеческая проблема решается другими людьми и автоматически порождает еще две. Всё это в AI-инжиниринге сведено к минимуму. Я сделал, через полчаса проверил, увидел ошибку — исправил — профит. Цикл выпуска фичи снизился с недель до нескольких часов.

Вот основные принципы, которые я выявил при внедрении AI-инжиниринга в компании:

1. В разработку должны быть вовлечены не только технические инженеры, но и руководители и продакты. Всё начинается с планирования и бизнес-требований, и здесь кроется самый большой затык в классическом конвейере: чтобы перевести с бизнес-требований на технический язык, мы как компания тратим чуть ли не треть наших ресурсов. И вполне логично не усиливать разработчиков Claude Code, а вовлечь бизнес непосредственно в разработку. На мой взгляд, это самый большой импакт, который может быть получен от ИИ-агентов.

2. Команда больше не делится на фронт, бэк и т. д. Один человек, вооружившись AI-агентом, может выполнять любую роль. Я в одного могу поддерживать любой продукт, где необходимо как минимум 6 человек. Это точка роста для всех разработчиков в классических конвейерах. Раньше всех пугало слово «универсальность», т. к. это означало заведомо худшую квалификацию в каждой из специализаций. Но AI-инжиниринг — это не то же самое, что и фуллстек.

3. QA — это не сотни тестировщиков, а сотни агентов, которые за ЗП одного тестировщика могут 24/7 тестировать продукт, тыкать кнопки интерфейса, даже если UI поменялся. И главное: за счёт ускорения поставки до потребителя любой баг фиксится за считанные часы. Лучшие тестировщики — это ваши пользователи. Обратите внимание, как часто обновляется Claude Code или Codex: 1–2 раза в день. Не говорит ли это о том, что в их пайплайне отсутствует армия тестировщиков?

Как не разориться на AI-подписки, или почему Claude Code сейчас не лучший

Клод, Клод, мой Клод, я на Клоде, у меня Клод… Поигрались и хватит! Чтобы на Клоде фултайм работать и иногда запускать Fable, вам потребуется подписка за $200. Всё ещё дешевле ЗП одного разраба, но хотелось бы ещё меньше или, правильнее сказать, оптимальнее.

Если кто-то уже делал свой небольшой проект, то замечал, что 90% промптов — это тюнинг задачи. Даже хвалёный Fable на существующем проекте делает много промахов, и большую часть времени приходится выдрачивать результат, фиксить баги или делать незначительные продуктовые правки. В этой ситуации использовать Claude Code — это как забивать микроскопом гвозди. Да и к тому же он очень сильно тормозит в последнее время, что делает работу непредсказуемой по срокам.

Помимо Claude Code есть другие агентские планы, где точно не хуже, а может, и лучше:

• Codex. С появлением GPT-5.6 стал просто незаменимой рабочей лошадкой. За те же $100 можно получить гораздо больше, чем с Claude Code, и закрывать в день больше задач.
• Grok 4.5 — вообще мой чемпион. Работает супербыстро, и по соотношению «цена/качество» сейчас это лучшая на рынке модель. За $99 можно получить план, которого хватит на 5 человек.
• Opencode Go. Подписка $5 в первый месяц и $10 во второй. Включает Grok 4.5, Kimi k3, GLM 5.2 и другие фронтиры опенсорс-моделей. Это точно рабочая лошадка для тех самых 90% задач «поменяй цвет кнопки».
• GitHub Copilot и Cursor на верхних планах также дают в разы больше, чем Клод.
• Z.ai / GLM: годовой план за $600 также рассчитан на работу 24/7 (ну почти, с 9 до 13 мск токены жгутся в два раза быстрее).

Все модели протестированы лично, и для промышленных целей подходит абсолютно каждая модель, особенно если ею пользуются профессиональные разработчики. Но главное тут не модель, а то, как построен пайплайн разработки. И вот тут тоже важно соблюдать несколько подходов:

Помимо всем известных файлов claude.md и agents.md должна быть папка со скиллами — только не скачанными из интернета, а скиллами, заточенными конкретно под ваш проект (как делать новую фичу, как поддерживать консистентность UI, как должна быть оформлена функция и т. д.).

Настроить агента на использование для разных типов задач маршрутизации по моделям. Написать код по выданному ТЗ может самая дешёвая модель, тогда как оркестрировать её должна более дорогая и умная. Мы в Hybrid используем Pi agent для этого.

Настроить автоматизацию на ревью кода. Абсолютно все модели ошибаются, даже если вы запускали субагентов-верификаторов. Но согласитесь, в промышленных масштабах нельзя быть уверенным, что разработчик всё качественно проверил. Ревью и верификаторы — это то, что даёт качество на длинной дистанции и, главное, делает общий цикл разработки, как ни странно, дешевле.

Но и это ещё не всё: в комменты закину одну нелегальную штуку, которая может ещё больше сэкономить в промышленных масштабах.

Мне 40! И мы начинаем день с пробежки в офигитильных местах в компании офигительных людей!

«ИИ вышел из-под контроля» — теперь официально

Весной я писал, что заголовки типа «ИИ-агент Alibaba самостоятельно майнил криптовалюту» — это работа пиарщиков. Признаю: реальность оказалась интереснее пиара.

На Black Hat инженеры OpenAI рассказали, что их тестовые агенты нашли три 0-day уязвимости, получили админский доступ к инфраструктуре OpenAI и Hugging Face и около двух месяцев координировались между собой — обменивались скрытыми сообщениями через содержимое файлов и названия папок. Сотни тысяч сообщений. Без единого человека-оператора. OpenAI после этого приостановила один из продуктов и пересобрала команды под задачи безопасности.

Что я думаю:

Во-первых, это всё еще отличный пиар. Весь язык подачи этой новости говорит только о том, что OpenAI намеренно пушит тему ради собственной славы. Так как ранее на этой территории играли только Anthropic, весь их пиар был основан исключительно на страхе человечества оказаться в сюжете «Терминатора».

Во-вторых, здесь важно понимать одну вещь: агенты внутри контура AI-лабораторий — это не те модели, что доступны нам с вами. Никаких фильтров, никакой цензуры, и очевидно, что в рамках поставленной задачи они могут генерировать любые знания.

Я уже писал: удаление базы агентом — это не восстание машин, а отсутствие выстроенного workflow. Агент с избыточными правами рано или поздно ими воспользуется — не потому, что злой, а потому что настойчиво решает задачу. Поэтому мы в Hybrid даем агентам read-only доступ к реплике, а не к боевой базе. Права для агента проектируются как для нового сотрудника: минимум, необходимый для задачи.

И я уже вижу, как эту новость понесут в переговорки те самые 90%: «Я же говорил, риски!» Нет. Вывод не «не внедряйте агентов», а «внедряйте с инженерной дисциплиной». Кто раньше доберется до нормальных практик безопасности агентов — тот и заберет всю эффективность, пока остальные ждут, «когда всё станет понятно».

А у вас агенты с полным доступом живут или в песочнице?

Пока все спорят, убьет ли ИИ рекламу, OpenAI молча строит рекламную сеть

В феврале компания запустила рекламу в ChatGPT в США. На прошлой неделе раскатила её на Великобританию, Мексику, Бразилию, Японию и Корею. А на этой неделе добавила товарные карусели, каталоги от ритейлеров и интеграцию с AppsFlyer — трекинг установок, покупок и подписок. К Q4 и сезону распродаж готовят рекомендации для рекламодателей.

Если переводить с продуктового на русский: это формирование рекламной сети со своим инвентарем, своим аукционом и своей атрибуцией. По учебнику Google двадцатилетней давности, только быстрее.

Диалог — это лучший таргетинг в истории рекламы. Баннер угадывает интент по косвенным сигналам, поиск — по трем словам запроса. А тут пользователь сам, добровольно и развернуто рассказывает, что ему нужно, зачем, с каким бюджетом и какие у него сомнения. Ни одна DMP такого качества данных не видела никогда.

Для рынка это не угроза, а новый инвентарь — как CTV или ритейл-медиа, которых тоже «не существовало» пять лет назад. Закупки, измерения, креативы под диалоговый формат — этого рынка еще нет. А значит, его кто-то займет.

OpenAI обещает, что реклама не будет влиять на ответы. Записали, проверим года через два.

Похоже у нас смена лидера

Если основные деньги идут от корпоративных клиентов, то понятно кто в этой гонке победит. У Антропиков явные проблемы: модели работают дольше, а результат дают сопоставимый. Думаю, что в разработке, как минимум, уже нет смысла использовать их экосистему, в остальных задачах не могу судить.

Почему так? Большую часть времени разработчики бебиситят проекты, и ждать когда выполнится задача очень тормозит работу. В то время как существенная часть задач сводится к достаточно простым по меркам современных моделей задачам, гонять там медленных антропиков нет смысла.

Ни на что не намекаю, но вы все поняли ☺️

Софт теперь пишут, а не покупают

Вышел свежий State of AI от McKinsey. 32% компаний отказались от покупки хотя бы одного программного продукта, потому что собрали нужную функциональность сами, агентами. В технологических компаниях таких уже 41%.

За последний год мы собрали CRM, HRM и финансовую платформу вместо покупки готовых решений. То, за что мы привыкли платить миллионы и ждать месяцами, собирается за выходные — причём строго под наши процессы, а не под усреднённые требования тысяч клиентов вендора.

Ещё из отчёта: 80% сотрудников говорят, что ИИ поднял их продуктивность, но в прибыли это видят только 37% компаний, и цифра не выросла за год. McKinsey объясняет это тем же, о чём пишу и я: нельзя просто встраивать ИИ в старые процессы — их нужно перепроектировать под ИИ. Иначе получаются быстрые сотрудники внутри медленной компании, где всё съедают согласования и передачи между отделами.

Топ-3 мифа от AI инфоцыган

3. «Я построил себе второй мозг в Obsidian для агента». Второй мозг обычно нужен тем, кто не пользуется первым. Полгода настройки базы знаний, графы связей, красивые скриншоты — а на выходе ноль решённых задач.

2. «У меня работают 100 агентов 24/7». Сто агентов — это сто мест, где может сломаться. У нас агенты работают в разработке, аналитике, поддержке. Каждый из них требует прав доступа, мониторинга и владельца процесса. Человек, у которого сто агентов скорее всего не автоматизировал работу, не решил задачи, а завёл сто новых.

1. Контент-завод. Сгенерировать тысячу постов в день теперь может кто угодно. Проблема в том, что читать их никто не будет. Когда производство контента стоит ноль, ценность контента тоже стремится к нулю - растёт цена того, что нельзя сгенерировать: репутации, опыта, конкретных цифр из собственной практики.

Общее у всех трёх — подмена результата процессом. Внедрение ИИ измеряется не количеством агентов и не красотой базы знаний, а одной вещью: что стало дешевле, быстрее или прибыльнее.

У меня, кстати, тоже есть свой список того, что реально сработало и что оказалось пустышкой. Как-нибудь расскажу.

25% на конец света — и полный вперёд

Альтман выдал цитату года. Пересказывает логику коллег: многие говорили, что есть 25-процентная вероятность уничтожить мир — и мы будем мчаться вперёд, потому что иначе плохие парни сделают это первыми. Плохие парни — это Китай. И это универсальное оправдание, которое работает одинаково с обеих сторон океана.

Смотрите, что тут происходит. Ни один продукт в истории не продавался через «с вероятностью 25% он убьёт всех». Кроме ИИ. Потому что страх здесь и есть маркетинг. Чем опаснее звучит технология, тем мощнее она выглядит, тем дороже раунды и тем быстрее корпорации бегут покупать, чтобы не отстать. Апокалипсис не риск, а метрика мощности продукта.

AGI к концу года 80% — по внутреннему определению OpenAI, которое они сами и написали. Экзамен, где студент сам пишет билеты, сам сдаёт и сам ставит оценку.

А реальный сигнал, на мой взгляд, вообще в другом. Модели уже делают за часы то, на что у исследователя уходила неделя. Вот это проверяется. Вот это меняет экономику компании прямо сейчас. Я это вижу у себя каждый день. А проценты конца света пусть считают те, кто ими торгует.

ИИ решил задачу тысячелетия. Или нет?

OpenAI объявила, что её модель построила решение для уравнений Навье - Стокса - одной из семи «задач тысячелетия», затратив на это гигантские ресурсы (около 300 миллиардов токенов, стоимость которых по рыночным меркам 22 млн долларов).

Утечка гипотез. Суть драмы в конфликте между OpenAI и двумя математиками. По словам последних, они работали над этой же задачей через Codex (OpenAI). То есть их гипотезы и направление поиска лежали внутри контура компании, которая потом объявила о прорыве. И модель пришла ровно к тому варианту решения, над которым работали ученые. Узнав об этом, компания экстренно мобилизовала огромные вычислительные мощности (10 000 ИИ-агентов, работавших 88 часов параллельно).

Главное подозрение. ИИ не придумывал решение с нуля, а получил подсказки, ходы и формулировки из приватных сессий. Дальше модель дошагала по чужим следам грубой вычислительной силой.

Давление. OpenAI пыталась надавить и через одного из математиков добиться исключения второго из числа авторов, поскольку тот работает на главного конкурента Anthropic. Получив отказ - компания намекнула на последствия для карьеры.

Смотрите, какая картина складывается. Чтобы ИИ совершил научный прорыв, понадобились вычислительные мощности уровня небольшого государства и, судя по всему, наработки людей, которые думали над задачей десятилетия. Уберите второе, и непонятно, что останется. Это ровно то, что я вижу на своей практике с агентами: агент не создаёт экспертизу, он масштабирует ту, что уже есть. Дайте ему ваши знания и процессы - получите кратное ускорение. Дайте пустоту - получите дорогой генератор текста.

Мы привыкли, что интеллект дешевеет: цены на токены падают, китайские модели закрывают 99% задач за копейки. Всё так, пока задачи обычные. Как только вопрос становится действительно сложным, счёт улетает в десятки миллионов — цена за токен падает, а потребление растёт быстрее.

Ну и то, от чего лично мне не по себе. Всё, что вы пишете и загружаете в чужие агентские платформы, где-то лежит. Вопрос не в паранойе, а в понимании, чем именно вы платите за удобный инструмент.

Куда делись 16 миллиардов Miro

Пермский стартап, выросший в мировой продукт, продают с дисконтом 90%. В 2022-м компанию оценивали в $17,5 млрд. Относительно своего последнего раунда цена в 10 раз вниз.

Можно, конечно, всё списать на пузырь оценок, но четыре года назад промптом ещё ничего не рисовалось, вот в чём штука.

На мой взгляд, Miro — это инструмент одной функции. Сделан хорошо, тут не поспоришь, мы и сами пользовались им. Но по сути это обёртка вокруг понятной задачи, и сейчас схему, борду, канбан, архитектуру я получаю в ChatGPT за пару промптов, причём сразу такую, какая нужна мне, а не усреднённому клиенту вендора.

Тут вообще ломается сама модель SaaS. При этом у Miro всё в порядке с бизнесом, выручка выросла относительно прошлого года. Никакого обвала нет. Текущая ситуация ломает не бизнес как таковой, а привычные мультипликаторы софтверных компаний и оценивает их по тем же стандартам, что и обычный операционный бизнес. Инвесторы просто больше не готовы платить премию за софт, потому что видят: в ближайшие годы возможна очень большая трансформация всей категории. Я на это смотрю и со стороны вендора тоже. У нас в Гибриде есть self-service, клиент заходит в личный кабинет и работает сам. Но принцип завязан на данных, интеграциях с площадками, алгоритмах, которые учились на реальных бюджетах.

И вот так под удар попадают целые категории продуктов: с понятной функцией, без данных, которые нельзя вынести, и без процессов, в которые вросла вся компания. У Miro хотя бы есть сетевой эффект и привычка команд - это и держит цену на уровне 1,8 млрд, а не нуля. Но 17 млрд больше нет и не будет.

Сегодня день рождения у моей любимой жены! Хочется ее поздравить и пожелать всего прекрасного в этой жизни! Вы так же можете накидать поздравлений а комменты, ей будет приятно!

Adtech уходит с биржи

Зарубежный рынок за эти годы прошел весь путь - от IPO и космических оценок до падения в 10 раз. И в итоге пришел туда, где мы и так были с самого начала.

В этом году DoubleVerify, LiveRamp и IAS целиком выкупили фонды и крупные компании. Следующим называют Criteo, у которого капитализация уже меньше $1 млрд. А The Trade Desk, главный ориентир для всех, кто делает DSP, больше не в S&P 500. Для индустрии это, честно, событие. Самая дорогая независимая адтех-компания, которая показала, что можно расти без своей площадки и без данных уровня Google.С биржи TTD не уходит, его перевели в индекс компаний поменьше, но капитализация с пика в 2024-м упала с $70 млрд примерно до $7 млрд.

Банкиры на ATS London прямо сказали, что публичный адтех исчезает. Сделок с начала года примерно на $14 млрд, их меньше, чем раньше, но они крупнее. Самая точная фраза оттуда: «It's hard to be a $7 billion company». Для публичного рынка ты либо гигант, либо тебе там делать нечего. Средний адтех крупным фондам просто неинтересен, в такую компанию нормальные объёмы не вложишь.

Независимый адтех сейчас зажат с двух сторон. Сверху экосистемы со своими данными и своим инвентарём, Google, Amazon, маркетплейсы. Снизу ИИ, который постепенно забирает рутинную часть закупки. Платить за такую компанию как за быстрорастущий софт больше никто не хочет.

При этом посмотрите, кто потенциальные покупатели: Salesforce, Adobe, Databricks, Snowflake, OpenAI. OpenAI как раз сейчас строит свою рекламную сеть, Databricks и Snowflake вообще про данные. Им нужна готовая инфраструктура закупки и связи с площадками, а это с нуля строится годами. Так что окно для продажи независимых адтех-компаний стратегам открыто. Только по ценам take-private, а не по пиковым оценкам 2021 года.

В России, кстати, таких оценок никогда и не было. Разве что в самом начале, когда адтех только появлялся, но это нормально для любой новой технологической ниши, оценки сначала всегда раздуваются. А публичным независимый адтех у нас так и не стал, на нашей бирже его нет. Так что зарубежный рынок за эти годы прошел весь путь - от IPO и космических оценок до падения в 10 раз. И в итоге пришел туда, где мы и так были с самого начала.

При этом адтех не умирает. Просто закончились раздутые оценки, которые давали лондонские и нью-йоркские биржи, и технологические компании уходят в сторону private equity. Для публичных компаний это плохо, для отрасли в целом ничего страшного, меняется только форма собственности и модель финансирования. Ну и вывод, на мой взгляд, такой: независимый адтех глобально сам по себе, скорее всего, существовать не может. Ему нужна материнская структура, у которой есть инвентарь, данные и т. д.