Проектная команда Embedika: роли и зоны ответственности

Залог успеха любого проекта — это его команда. И то, насколько четко выстроено взаимодействие в ней, часто становится решающим фактором. Как формируется проектная команда, какие специалисты в нее входят и за что отвечают рассказываем в сегодняшнем посте 👇

Когда формируется команда?
Проектная команда в Embedika собирается не в момент появления идеи, а когда проект уже прошел стадию защиты бюджета и утверждения. К этому моменту есть понимание, что заказчик готов выделить финансирование, и мы можем начинать подбирать людей под конкретные задачи.

Базовый набор ролей для старта проекта в Embedika выглядит так:
🔹 Руководитель проекта (РП) — определяет стратегию реализации и сдачи результата заказчику, координирует внутренние и внешними процессы, коммуникации, минимизирует риски. Отвечает за проект целиком.
РП в Embedika часто вырастают из ведущих аналитиков, т.к. они уже обладают компетенциями, важными для управления: понимание «болей» заказчика, умение управлять требованиями и отсекать лишнее, комплексное видение системы и ее взаимосвязей, что позволяет контролировать границы проекта. Кроме того, БА находится в постоянной коммуникации с заказчиком и хорошо знает внутреннюю кухню команды, что в будущем помогает успешно выстраивать управление.
🔹 Тимлид — руководитель команды разработки проекта. Сочетает технические и управленческие навыки. Как правило, это опытный backend-разработчик, который также выступает в роли архитектора, определяет инструменты и технологии, берет на себя сложные задачи, помогает команде с их решением. Тимлид выстраивает работу разработчиков и вместе с РП участвует в коммуникациях с заказчиком, разделяя ответственность за успешную реализацию проекта.
🔹 Аналитик — работает с требованиями, погружается в предметную область, взаимодействует с заказчиком по широкому перечню вопросов: уточняет исходные требования, согласовывает концепцию по их реализации (как именно будет выглядеть функционал), обсуждает нюансы по ходу разработки, презентует готовые функции и ведет сбор обратной связи и новых требований к продукту.
🔹 Разработчики (backend и frontend) — реализуют функциональность. В зависимости от объема и сроков реализации проекта количество специалистов может варьироваться. Они могут подключаться постепенно: на старте — минимальное количество, а по мере роста числа задач из аналитики и наращивания темпов разработки команда усиливается.
🔹 Тестировщик — отвечает за качество продукта: ищет ошибки, проверяет соответствие требованиям, помогает сделать функционал удобным и стабильным. Подключается к проекту, когда появляются первые наработки для тестирования.
🔹 DevOps и дизайнер — привлекаются точечно под конкретные задачи, например, для настройки инфраструктуры или проработки интерфейсов.

Внутри проектной команды мы выделяем лидирующие позиции и специалистов, которые занимаются узкопрофильными задачами. Постоянные внутренние коммуникации РП направлены на взаимодействие с лидами: тимлидом, ведущим фронтенд-разработчиком, ведущим бизнес-аналитиком и ведущим тестировщиком.

Именно с ними РП обсуждает ключевые вопросы, планы и процессы. Это те участники команды, на мнение которых он опирается в наибольшей степени, привлекая их к принятию решений и формированию позиции для трансляции заказчику. За каждым лидом закреплена своя группа специалистов. В задачи лидов входит, в том числе, организация работы внутри направления, а также трансляция команде общих целей, задач и планов по итогам обсуждений с РП.

Такая структура позволяет РП удерживать фокус на проекте в целом, не погружаясь в операционное управление каждым участником команды.

Подборка полезных и интересных материалов

ИИ-разработка, обучение моделей и неочевидное применение технологий — в новой подборке свежие материалы о технологиях, которые стоит изучить, прослушать и сохранить в закладки.

Статьи:
📎 «Коммерсантъ» со ссылкой на аналитиков Nodul рассказал, почему открытые языковые модели в 40 раз дешевле проприетарных при незначительном отставании в качестве.
📎 Интервью ТАСС с гендиректором EdTech-компании «Лань»: почему единые правила использования ИИ в образовании могут стать ключом к его массовому внедрению.
📎 Колонка Forbes про синтетические данные: почему сегодня компании считают информацию, созданную нейросетями, стратегическим активом.

Заметки в блогах:
✍️ Результаты опроса ProductSense и X5 Group: менеджеры цифровых продуктов в 2025 году больше всего времени посвятили развитию ИИ-навыков.
✍️ Заметка в канале MWS AI о том, почему использование ИИ вне контура компании-разработчика может быть небезопасно и на что обратить внимание.

Книги:
📚 «Обучение с подкреплением», Саттон Ричард С., Барто Эндрю Г. — книга объясняет принципы обучения ИИ от базовых алгоритмов до современных методов, включая связь с психологией поведения.
📚 «Строим LLM с нуля», Себастьян Рашка — практическое руководство языковым моделям, которое помогает понять их устройство и самостоятельно создать рабочую версию.

Подкасты:
🎤 Подкаст MWS AI: разговор с командой MWS AI о том, как искусственный интеллект меняет работу компаний и людей.
🎤 Подкаст Data Heroes: как Data Science помогает создавать новые сервисы для покупателей и продавцов, бороться с фродом, а также как оценить реальную эффективность ИИ для бизнеса.

RnD ML @ Sber-AI

Хотим порекомендовать канал от коллег — t.me/rndml_team. Это блог команды RnD ML, который ведёт Саша Капитанов

📎 Вместо типичного потока ИИ-новостей они пишут про свою внутреннюю кухню: фундаментальные исследования, опенсорс-релизы, сборку датасетов и бенчмаркинг, обучение моделей в самых разных областях GenAI. А что особенно ценно — честно разбирают свои технические факапы. Если вы работаете с Computer Vision, Speech, NLP или мультимодальными моделями в GenAI, там точно есть за что зацепиться. Ребята работают с технологиями и делятся опытом с сообществом.

🔗 Основные R&D направления

🔮 Omnimodality: работа с омнимодальными архитектурами в домене изображений, длинных видео и смешения модальностей (вижен + спич)
🤖 Исследования в области VLA-моделей, навигации роботов и обучения агентов («компьютер оператор») в сложных средах.
🎙 Audio & Speech: нативный войс мод, а также музыкальные и речевые технологии, включая редактирование аудио.
🚀 LLM Architectures & Pre-training: поиск и тестирование альтернатив классическому трансформеру. Гибридные архитектуры, линеаризация Attention , внедрение векторов памяти и современные подходы к организации претрейна.
📩 Data & Evaluation: разработка пайплайнов для сбора, фильтрации и анализа датасетов. Построение процессов бенчмаркинга GenAI моделей (включая расширение мультимодальных тестов MERA) и валидации метрик.
🧏 РЖЯ: исследования в области жестового языка от распознавания дактиля до полноценных моделей реалтайм-переводчика.
🛠 3D/CAD: ресерч и генерация в нестандартных и специфических модальностях, выходящих за рамки текста и растра — векторная графика (CAD, SVG), 3D-представления объектов.

Подписывайтесь: @rndml_team 👾

Embedika в числе крупнейших поставщиков заказной разработки ПО

Аналитическое агентство TAdviser представило ежегодный обзор российского рынка заказной разработки. В нем участвовали 87 компаний, а их суммарная выручка превысила 220 млрд рублей. По итогам исследования Embedika вошла в число крупнейших поставщиков услуг в этом сегменте.

Ключевой результат: наш рост выручки в сегменте заказной разработки с 2023 по 2024 год составил 115,9%.

В своем обзоре аналитики TAdviser фиксируют смену фазы рынка: от «срочного импортозамещения» мы переходим к «зрелой разработке». Темпы роста стабилизировались на уровне 20-25% в год, а структура спроса изменилась:

👉 Интеграция и кастомизация — один из ключевых трендов. На интеграционные решения и сложные корпоративные проекты приходится до 70% рынка.
👉 ИИ и аналитика данных — второй сегмент по темпам роста. Рынок по-прежнему осторожен, но интерес к внедрению ИИ в бизнес-процессы только усиливается.

Попадание в рейтинг — это еще одно подтверждение правильного вектора развития. Наши платформы закрывают те потребности бизнеса и государства, которые сегодня в фазе наибольшего роста — сложная кастомизация и работа с данными.

🔗 Полный текст обзора доступен по ссылке.

Цифровая среда без перегрузки сотрудников: обзор ИИ-инструментов

И еще одна важная новость — в Т-Бизнес Секретах уже вышел новый материал от директора по развитию бизнеса в Embedika, Айканыш Орозбаевой!

Рассказываем о системных причинах, по которым количество инструментов растет, а скорость работы падает, и о подходах к автоматизации, которые действительно освобождают время.

Главные проблемы, которые разбираем:
▫️ До 90% корпоративного контента остается неструктурированным — поиск превращается в отдельный рабочий процесс;
▫️ Сложные регламентные цепочки с ручным контролем растягивают сроки согласования;
▫️ Эксперты тратят время на подготовительные операции вместо профильной работы.

Подходы к автоматизации за счет внедрения ИИ-решений:
✔️ ИИ не заменяет специалистов, а берет на себя поиск, подготовку данных и формальный контроль. Эксперт подключается на этапе анализа и принятия решений.
✔️ Эффект дает не установка отдельного сервиса, а встраивание технологий в сквозные процессы. Это убирает лишние переключения между системами и сокращает долю ручного труда.
✔️ Автоматизация должна опираться на конкретные метрики до старта — от скорости обработки документов до экономии часов работы.

🔗 Полный текст статьи и карта ИИ-решений для автоматизации — на сайте Т-Бизнес Секреты

#сми_о_нас

Команда тестирования в проектах Embedika: роли, задачи и регрессионные проверки

Когда у нас есть план работ и проектная команда, возникает главный вопрос: как обеспечить стабильность и предсказуемость проекта? Тестирование не гарантирует полное отсутствие ошибок, но позволяет снизить риски, выявить проблемные зоны и сделать систему надежной. Тестировщик в свою очередь следит за качеством проекта: ищет ошибки, проверяет соответствие требованиям, делает функционал удобным и стабильным.

Когда и как подключается команда тестирования?
Тестировщик может подключаться к проекту уже на начальном этапе: оценивать реализуемость требований, выявлять потенциальные риски и влияние на систему. Однако активная фаза начинается примерно через месяц — к моменту, когда появляется первый код, который можно проверять.

В проектах задействована группа во главе с ведущим тестировщиком, который становится связующим звеном между руководителем проекта и командой. Когда требования сформированы, специалисты проводят анализ, выявляют противоречия и формируют план тестирования. После завершения разработки они проверяют систему по плану: функциональные проверки, пользовательские сценарии, дефекты и способы их устранения.

Распределение задач внутри команды тестирования
Ведущий тестировщик отвечает за процессы внутри QA-команды. При распределении задач опирается на экспертизу и занятость специалистов: сложные задачи передает более опытным тестировщикам, а рутинные проверки — специалистам с меньшим опытом. Следит, чтобы нагрузка была равномерной, без простоев и переработок.

QA-специалисты работают с разными задачами: тестирование новой функциональности, регресс, интеграции, проверка исправлений дефектов, приемочное тестирование. Команда также участвует в анализе инцидентов и поддержке качества системы в продакшене.

Как оценивается эффективность тестировщика?
Влияние тестировщика на проект часто недооценивают. Для объективной оценки эффективности мы смотрим на метрики: качество проверенных сценариев, влияние на стабильность релизов, вклад в улучшение процессов.
Если ведущий тестировщик замечает разницу в продуктивности специалистов, он выясняет причины — возможно, кому-то нужна поддержка или пересмотр задач. При необходимости подключает руководителя проекта, и они вместе определяют дальнейшие шаги. Например, это может быть обучение, корректировка зон ответственности или перераспределение нагрузки.

Такой подход позволяет выстроить прозрачные процессы тестирования, равномерно распределять нагрузку и своевременно реагировать на возникающие риски. В результате тестирование становится не отдельной стадией, а частью общей системы обеспечения качества проекта.

Мы много рассказываем об искусственном интеллекте. Но если оглянуться на реальные проекты, станет понятно: внедрение — это лишь начало пути. Превратить ИИ в стратегический актив намного сложнее.

Разобраться в этом поможет Настольная книга руководителя v.2, которую выпустил Алексей Сидорюк, руководитель направления «Экономика данных» АЛРИИ.

Подробностями делимся в репосте ⬇️