Говори с людьми на понятном языке!

Половина докладов на этом TeamLead Conf так или иначе про AI.

И вот целый день шли доклады, множество базвордов, все обсуждают, спорят, договариваются о чем-то. А вечером мы собрались, чтобы, наконец, зафиксировать термины. И тут забавное.

В опросе поучаствовали 53 участника. И, конечно, каждый вкладывает в термины что-то свое:

AI-native компания
1. Использует и внедряет ИИ в работу (11 ответов в этой группе). Компания активно применяет ИИ для автоматизации и оптимизации процессов. Без акцента на происхождении и без полной зависимости.
2. ИИ в основе бизнеса и процессов, критическая зависимость (9 ответов). ИИ это фундамент, без него компания не работает. Самая яркая формулировка: «бизнес, который умрёт, если завтра отключат ИИ».
3. ИИ замещает людей, люди на вторых ролях (7). «Минимум людей», «90% из ИИ», «человек выступает только контролёром», «инициативу берёт на себя ИИ».
4. Построена на ИИ с самого основания (6 ответов). Компанию изначально, «с нуля», проектировали вокруг ИИ. Ключевое слово: происхождение. Формулировки вроде «изначально строилась на AI» и «с нуля построили всё с помощью ИИ».
5. Компания, которая сама делает ИИ-продукты (5). Здесь респонденты спутали термин с разработчиком ИИ: «компания, разрабатывающая ИИ», «делает модели ИИ», «зарабатывает на ИИ».

AI-first подход
1. Сначала пробуем через ИИ, потом дорабатываем руками (12, доминирующая трактовка). Операционное прочтение: «сначала спроси у ИИ, потом доделай сам», «основное реализовать через LLM, узкие места доточить человеком», «в первую очередь использую ИИ, люди уже проверяют».
2. ИИ в приоритете, на первом месте, во главе процессов (8). Акцент на приоритете ИИ над человеком: «нейронка на первом месте», «в приоритете ИИ, а не люди», «нейронка управляет».
3. ИИ как фундамент и принцип проектирования (6). Самая зрелая группа: «ИИ является фундаментом, а не просто оптимизацией отдельных задач», «проектирование процессов под агентов».
4. Сначала внедрить, потом разбираться (3, с негативным оттенком). «Сначала навайбкодить, потом разобраться», «тупо в курсор забивает и сразу в мейн».

AI Engineer
1. Разработчик и тренер ИИ-моделей (13). Обучает нейросети, создаёт модели, заводит данные. «Тот, кто создаёт искусственный интеллект».
2. Инженер инфраструктуры и платформы для ИИ (10). Строит инфраструктуру и пайплайны, разворачивает модели, настраивает GPU и векторные БД. «Поднимает модели и инструменты, поставщик, а не пользователь».
3. Интегратор ИИ в продукты и системы (8). «Внедряет иишку в продукты», «интеграция ИИ в системы, защита от инъекций», «разработчик ИИ-агентов».
4. Пользователь ИИ для решения задач (4). «Способен выполнить любую задачу, используя ИИ», «умеет ставить задачи агентам».

Prompt Engineer
1. Пишет и составляет промпты для ИИ (22, подавляющее большинство). «Пишет запросы к нейросети так, чтобы результат был точнее», «переводит задачу на язык нейросетей», «даёт минимальный необходимый контекст».
2. Важная вторая линия (8 ответов): это не профессия, а навык или устаревший термин.
3. Исследует модели и работает с лингвистикой промпта (3). «Проводит исследования и создаёт запросы, которые с точки зрения лингвистики триггерят ИИ на нужный ответ».
4. Разработчик, для которого промпт это рабочий инструмент (2). «Всю работу делает через промпты: пишет код, фиксит, дебажит».

Чтобы договориться до единой формулировки для каждого термина, потребовались бурные дебаты. А в процессе, конечно, обнаружилось еще несколько альтернативных пониманий.

Учитель Чхишвабрашван медитировал возле забора. Рисовал мягкой кистью иероглифы мира и смирения. Но вышел тут хозяин забора. Он не понимал иеороглифов и спросил: Какого ты мне весь забор изосрал? И огрел Учителя лопатой по голове. Учитель, пролежав 2 часа без сознания, проснулся с веселой улыбкой и сказал: Воистину, говори с людьми на понятном языке!

Дао-Какао

@devspotting

Как не сойти с нейропаровоза, если я больше не вывожу?

https://www.youtube.com/watch?v=h6Hh9OdJpvQ

В выпуске #ГриненкоПро №13 говорим с Еленой «Мурсей» Джетпыспаевой @mursyamursya — коучем ICF, продуктовым менеджером в нидерландском финтехе и человеком, который прошёл через выгорание, несколько профессиональных трансформаций, Яндекс, Амстердам, Лондон и переезд в Барселону.

Обсуждаем, почему нейросети, которые вроде бы должны освобождать время, часто только усиливают тревогу: страх отстать, потерять профессию, стать ненужным, не справиться с новой реальностью. Говорим про разработчиков, тимлидов, open source-мейнтейнеров, AI-generated pull requests, зависимость от скорости, одиночество, ответственность, семью, работу, коучинг и попытку снова почувствовать: «я могу выбирать».

Внутри:
— почему ИИ так легко триггерит старые страхи
— как разработчику (не)соревноваться с нейронками
— чем тревога отличается от реального риска
— что такое выгорание и почему это не просто «устал»
— почему после выгорания нельзя снова «как раньше»
— как вернуть себе опору
— что делать, если хочется писать код, а рынок требует «менеджеров нейронок»
— почему open source-мейнтейнеры выгорают от потока AI-PR
— чем коучинг отличается от менторинга и советов как правильно жить
— как выбирать коуча
— как, наконец, начать жить

У Мурси есть полезная памятка для всех выгоревших и выгорающих. По ней вы можете проверить себя на симптоматику выгорания и задать вопросы для саморефлексии, чтобы поддержать себя в моменте. Помните, что для выхода из выгорания отпуск не поможет — нужно менять привычки, окружение и работать со специалистом.

Задавайте вопросы, подписывайтесь на канал на ютубе, на канал Мурси и, конечно, обязательно ставьте лайки. А я уже готовлю следующий выпуск.

@devspotting

Субагенты не нужны? AI code review, токены и надёжность

https://m.youtube.com/watch?v=Zf9rjUK1A2c

Обсуждаем статью Антона Виноградова You don’t need sub-agents.

Разбираемся, почему мультиагентная оркестрация не всегда ускоряет разработку, как субагенты множат контекст и токены, когда один агент оказывается быстрее и стабильнее, а когда параллельные агенты всё-таки нужны.

В выпуске:
— почему «оркестратор + толпа агентов» может оказаться не архитектурой, а оргчартом;
— как растут расходы на токены при разбиении задач на субагентов;
— почему single-agent pipeline может быть проще, дешевле и надёжнее;
— где субагенты полезны: read-only поиск, сбор контекста, независимые проверки;
— как мерить качество AI code review: latency, токены, стоимость, количество проходов модели, rejects и продуктовые метрики;
— как выбирать между скоростью, ценой и качеством в агентской разработке.

Если понравилось, пожалуйста, поставьте лайк на YouTube! Приятного просмотра!

@devspotting

ИИ ломает open source

В #ГриненкоПро №15 обсуждаем, как LLM изменили жизнь мейнтейнеров с Никитой Пастуховым: автором FastStream (в топ-100 open source проектов 2023), мейнтейнером AG2 и человеком, который живёт внутри современного open source, AI-агентов и бесконечного потока сгенерированных pull request’ов.

https://www.youtube.com/watch?v=tBgaOBnpZyg

В выпуске:
— open source как продукт, карьера и кошмар;
— AG2, FastStream и наследие AutoGen;
— почему PR от внешнего контрибьютора часто стоит дороже, чем кажется;
— как AI-слоп меняет презумпцию доверия в open source;
— где LLM реально ускоряют разработку;
— почему архитектуру пока всё ещё должен понимать человек;
— что делать мейнтейнерам с ботами, слопом и выгоранием;
— как AI меняет поиск, аналитику, спорт, поездки и бытовые задачи.

Ещё обсуждаем CVE-slop, «отмывание» лицензий через AI-rewrite, CLA как капчу от ботов, triage team на агентах, Claude Code, Cursor, Perplexity, бытовых AI-ассистентов, будущую Jarvis OS и то, почему следующий скачок может быть не в «умнее модели», а в дешевле, стабильнее и лучше обвязка.

Проекты Никиты:
* Telegram-канал
* FastStream
* AG2
* GitHub

Советую подписаться на канал Никиты и мой канал на YouTube — новый выпуск про разработку агента в браузере будет уже в понедельник.

Приятного просмотра!

@devspotting

Место для обсуждения этих наших нейронок

Друзья, я открыл чат канала для всех.

Хочу, чтобы в нем появилась жизнь и он превратился в место, где можно задавать вопросы, делиться находками, вместе придумывать, как правильно готовить агентов, и находить единомышленников.

Давайте считать, что в чате работает бесконечная AMA-сессия: в любой момент можно спросить меня о чем угодно — про нейронки, AI-инструменты, агентов, внедрение в работу и жизнь или вообще про то, что давно хотелось обсудить.

И, конечно, мне очень важен ваш фидбек по подкасту и каналу — посты из канала по-прежнему будут попадать в чат автоматически.

В чате уже есть очень крутые ребята из разных сфер. Хочется собрать открытое, уютное сообщество без спама и токсичности (конструктивно ругать мои посты можно, а набрасывать на участников — нет).

Заходите, приглашайте друзей, будет кайф!

https://t.me/grinenko_pro

Браузерный AI-агент в Datalens

В #ГриненкоПро №16 поговорили с Андреем Мелиховым, разработчиком Яндекс Облака и автором @melikhov_dev о его опыте создания AI-агента прямо в браузере: как он вызывает тулы, строит чарты, работает с данными, проверяет себя через eval harness и почему нельзя просто так взять и прикрутить LLM в продакшне.

https://www.youtube.com/watch?v=chiexp7ncfg

В выпуске:
— почему готовых фреймворков не хватает;
— как устроены AI-агенты в браузере;
— SSE-стриминг, BFF, tool calling и agent loop;
— проблемы разных моделей и инференсов;
— evals, LLM-as-a-judge и железный пользователь;
— доверие к числам в BI и проверяемые чарты;
— заменит ли GenBI аналитиков;
— MCP, серверные агенты и будущие API;
— как Claude Code, Codex, OpenCode и другие coding agents меняют разработку;
— почему AI ускоряет разработчика в 3–5 раз, но задач становится только больше;
— безопасность и корпоративные ограничения;
— AI вне работы: ремонт, ресёрч, медицина, презентации, NotebookLM и новостной бот Андрея;
— bus factor, spec-driven development и контекст для агентов.

Искренне рекомендую канал Андрея @melikhov_dev как минимум всем фронтендерам, сам читаю его давным-давно.

Приходите обсудить выпуск в чат сообщества — @grinenko_pro.

И, конечно, не забудьте подписаться на канал на YouTube — я уже монтирую совершенно огненный выпуск с настоящим AI-продактом!

@devspotting

#ГриненкоПро №17: ИИ-продукты, ИИ-работа и ИИ-карьера с Даниэлем Левинишниковым, руководителем AI-продуктов и автором замечательного канала @tldrdaniel

https://www.youtube.com/watch?v=URTFgSBexzo

Даниэль руководит продуктовым подразделением Т-Банка из 250 человек, а по выходным запускает нейро-пэт-проекты и пишет про GEO-оптимизацию на Хабр.

Обсудили, как AI меняет продуктовую разработку, клиентскую поддержку и структуру компаний; почему работа middle-менеджера должна исчезнуть; как проверять качество агентов; зачем пользователю сообщать, разговаривает он с человеком или нейросетью; почему идея и даже реализация продукта становятся commodity — и что тогда остается конкурентным преимуществом.

Также поговорили про переход Даниэля в Higgsfield — самый быстрорастущий стартап в области генеративного видео. О 14–16-часовом рабочем дне в AI-стартапах, будущем интерфейсов, персональных базах знаний, MCP, агентной коммерции, GEO-оптимизации и профессиях, которые модели пока не способны заменить.

В выпуске взгляд на будущее ИИ и множество практических советов от Даниэля.

Буду рад обсудить в чате сообщества @grinenko_pro. Присоединяйтесь, если ещё не успели.

Приятного просмотра!

@devspotting

#ГриненкоПро №18: Автотесты с ИИ-агентами с Дмитрием Андрияновым, руководителем команды в Яндекс 360

https://www.youtube.com/watch?v=EZXj-bTG82w

Как покрыть legacy и не сломать продукт, может ли ИИ-агент написать автотесты не хуже человека — и как заметить момент, когда он просто подгоняет проверки под зелёный статус? Разбираем практический подход к тестированию с нейросетями: от продуктовых сценариев и legacy-кода до CI, code review и evals.

Дима — эксперт по автоматизации тестирования, автор трека об автотестах в Школе разработки интерфейсов Яндекса и ведущий канала @test_automation_pro.

В выпуске:
— Почему тестировать нужно продуктовые сценарии, а не внутреннее устройство приложения
— Как превратить правила и договорённости команды в инструкции для ИИ-агента
— Как восстановить функциональные требования в большом legacy-проекте
— Когда использовать модульные, интеграционные и E2E-тесты
— Почему пирамида тестирования — это результат правильных решений, а не самостоятельная цель
— Чем приёмочное тестирование отличается от регрессионного и где остаётся ответственность человека
— Как встроить ИИ в CI, code review, анализ покрытия и разработку небольших задач
— Почему доверие к агенту необходимо заново проверять после смены модели или системного промпта
— Как evals помогают контролировать недетерминированные системы
— Могут ли разработчики с ИИ заменить QA-команду
— Когда агент сможет провести фичу от бизнес-требования до продакшна без участия разработчика

Традиционно приглашаю обсудить в чате сообщества @grinenko_pro. И, конечно, не забывайте поставить 🧡

Приятного просмотра!

@devspotting

О чем спросить философа?

Друзья, у меня в подкасте уже были CTO, арт-директор, продакт, психолог, коуч и, конечно, крутые разработчики и технические руководители. А совсем скоро будем снимать выпуск с самым настоящим философом.

Так что если у вас есть вопросы — обязательно напишите в чате https://t.me/grinenko_pro/1885!

@devspotting