AI делает нас тупыми
Заголовки, которые в среду наполнили мою ленту. Вышло исследование от Microsoft Research в коллаборации с институтом о влиянии использования инструментов GenAI (типа ChatGPT) на критическое мышление оператора (здесь краткое изложение). Но такой заголовок длинный, поэтому использовали желтый заголовок, которые многие репостнули. Такие издания как TechCrunch сделали приписку в конце все же, о чем это исследование.
Этот эффект я на себе испытал еще 1.5 года назад, когда писал об использовании AI в работе. Основные же идеи из исследования:
- Чем больше люди доверяют AI, тем меньше шансов, что они критически отнесутся к результатам
- Чем проще задача, тем менее вероятно операторы будут перепроверять результаты
- Работа смещается с "найти информацию" на "перепроверить информацию и источники"
- Чем больше оператор уверен в себе, тем выше шанс, что он критически отнесется к результатам AI
- В условиях ограниченного времени доступного на решение задачи, критическое мышление отключается
- Отсутствие знаний в доменной области, не дает возможности оператору критически отнестись к ответам AI и понять, что они могут быть неточны.
- Уверенные в своих скилах специалисты (у них есть знания, опыт) могут перепроверить результаты из их доменной области и уже критически отнестись к ответу. Но не иначе.
При этом, AI дает "средние" ответы. Если человек принимает без изменений ответы от Chat GPT, то он становится "средним", поскольку теряется уникальность, креативность человека (того, кто думает, придумывает, создает). Люди не придумывают аргументы, почему это сработает, а "просят AI дать аргументы для их тезиса" или "найти подтверждения их гипотез" (вместо валидации и улучшения).
Согласно исследованию, работа людей, с использованием AI смещается с "придумывания идей" на то, чтобы "контролировать и валидировать ответы от AI". Ответы вынуждают операторов идти и проверять все источники и все факты, с которыми пришел AI.
Простота использования искусственного интеллекта может склонить даже опытных профессионалов к менее строгому контролю. И сделать их "средними", такими как многие другие. Но откуда должна прийти новая идея?
Я прикрепил один интересный эксперимент от Benedict Evans, который показывает что AI не может выйти с фактами, на которые ему даже указываешь в явном виде. Почему? Потому что GenAI и им подобные инструменты - это не инструмент, который работает одинаково из раза в раз, он выдает вероятностные ответы. Ответы, которые с наибольшей вероятностью соответствуют запросу. В результате - появляются галлюцинации.
К чему это? Как и выше писал, AI - это инструмент, который нужно научиться использовать. Нужно помнить, что это не решатель задач вместо нас, но помогает нам с этими задачами. Важно задавать вопросы, перепроверять ответы. И задавать правильные вопросы
Например, в исследовании приведен отличный пример промпта, которые не просто решает задачу, а помогает оператору понять что сделано не так и почему:
И ответы в целом, очень позитивные получаются (привел пример из моего опыта) (прикрепил скрин последний)
Заголовки, которые в среду наполнили мою ленту. Вышло исследование от Microsoft Research в коллаборации с институтом о влиянии использования инструментов GenAI (типа ChatGPT) на критическое мышление оператора (здесь краткое изложение). Но такой заголовок длинный, поэтому использовали желтый заголовок, которые многие репостнули. Такие издания как TechCrunch сделали приписку в конце все же, о чем это исследование.
Этот эффект я на себе испытал еще 1.5 года назад, когда писал об использовании AI в работе. Основные же идеи из исследования:
- Чем больше люди доверяют AI, тем меньше шансов, что они критически отнесутся к результатам
- Чем проще задача, тем менее вероятно операторы будут перепроверять результаты
- Работа смещается с "найти информацию" на "перепроверить информацию и источники"
- Чем больше оператор уверен в себе, тем выше шанс, что он критически отнесется к результатам AI
- В условиях ограниченного времени доступного на решение задачи, критическое мышление отключается
- Отсутствие знаний в доменной области, не дает возможности оператору критически отнестись к ответам AI и понять, что они могут быть неточны.
- Уверенные в своих скилах специалисты (у них есть знания, опыт) могут перепроверить результаты из их доменной области и уже критически отнестись к ответу. Но не иначе.
При этом, AI дает "средние" ответы. Если человек принимает без изменений ответы от Chat GPT, то он становится "средним", поскольку теряется уникальность, креативность человека (того, кто думает, придумывает, создает). Люди не придумывают аргументы, почему это сработает, а "просят AI дать аргументы для их тезиса" или "найти подтверждения их гипотез" (вместо валидации и улучшения).
Согласно исследованию, работа людей, с использованием AI смещается с "придумывания идей" на то, чтобы "контролировать и валидировать ответы от AI". Ответы вынуждают операторов идти и проверять все источники и все факты, с которыми пришел AI.
Простота использования искусственного интеллекта может склонить даже опытных профессионалов к менее строгому контролю. И сделать их "средними", такими как многие другие. Но откуда должна прийти новая идея?
Я прикрепил один интересный эксперимент от Benedict Evans, который показывает что AI не может выйти с фактами, на которые ему даже указываешь в явном виде. Почему? Потому что GenAI и им подобные инструменты - это не инструмент, который работает одинаково из раза в раз, он выдает вероятностные ответы. Ответы, которые с наибольшей вероятностью соответствуют запросу. В результате - появляются галлюцинации.
К чему это? Как и выше писал, AI - это инструмент, который нужно научиться использовать. Нужно помнить, что это не решатель задач вместо нас, но помогает нам с этими задачами. Важно задавать вопросы, перепроверять ответы. И задавать правильные вопросы
Например, в исследовании приведен отличный пример промпта, которые не просто решает задачу, а помогает оператору понять что сделано не так и почему:
read and break down all the suggested corrections to improve my
email writing style
И ответы в целом, очень позитивные получаются (привел пример из моего опыта) (прикрепил скрин последний)
👍2
Вайб-коддинг
Именно так должен был называться следующий выпуск рассылки об опыте использования AI для программирования, чтобы сделать вывод для себя - насколько эта технология может помочь в реализации проектов. Сегодня.
Но, кажется, что с моим темпом выпуска статей, любая статья уже будет устаревшей, по крайней мере на тему AI 🙂
Тут вышла статья Вастрика, которая имеет ровно такое же название: Вайб-коддинг
Статью хочу оставить здесь, поскольку выводы и опыт, который описывает автор - совпадают с моим. Поделюсь основными выводами из статьи:
Такой же вывод и у меня – когда пишешь код, ты ощущаешь, что общаешься со специалистом, который только выучил язык програмирования, но больше ничего не умеет и не знает. Нужно разжевать каждую строчку. И на долгосрочный период – это очень утомляет.
К теме того, что разработчики не нужны и теперь продакты могут сами сделать проекты одним промтом, то автор пишет:
И это правда, потому что для дизайна нужно творчество. Попробуйте описать словами однозначными страницу, которая вам нравится? Как будет работать анимация, какой цвет использовать, насколько скруглять края, как сделать градиет и т.д.? ТЗ, которому позавидуют в будущем.
Да, это то, что я тоже подтверждаю. Можно очень быстро сгенерировать решение, которое похоже на то, что вы просили. Но если нужно сделать рефакторинг – лучше это сделать самому. Потому что описывать структуру кода и проекта, которые должны быть на выходе – это очень изнурительно 🙂
И вопрос остается открытым, а что писать в статье, если все написано?)
Именно так должен был называться следующий выпуск рассылки об опыте использования AI для программирования, чтобы сделать вывод для себя - насколько эта технология может помочь в реализации проектов. Сегодня.
Но, кажется, что с моим темпом выпуска статей, любая статья уже будет устаревшей, по крайней мере на тему AI 🙂
Тут вышла статья Вастрика, которая имеет ровно такое же название: Вайб-коддинг
Статью хочу оставить здесь, поскольку выводы и опыт, который описывает автор - совпадают с моим. Поделюсь основными выводами из статьи:
Но теперь вы понимаете, что с LLM надо разговаривать не как сеньор с сеньором, а как сеньор с джуном. Вы начинаете формулировать свои мысли более конкретно.
Каждый экран, каждая кнопка, каждый лаяут, размеры кнопок и иконок на каждом экране, положение меню, кнопки «назад» и даже выбор фреймворка — всё должно быть вами упомянуто и описано.
Такой же вывод и у меня – когда пишешь код, ты ощущаешь, что общаешься со специалистом, который только выучил язык програмирования, но больше ничего не умеет и не знает. Нужно разжевать каждую строчку. И на долгосрочный период – это очень утомляет.
К теме того, что разработчики не нужны и теперь продакты могут сами сделать проекты одним промтом, то автор пишет:
Окей, всё как-то даже работает, но ощущение от нашего нового «стартапа» пока какое-то не то!
Наверное потому что он выглядит как вырвиглазное говно, как будто его айтишники писали.
И это правда, потому что для дизайна нужно творчество. Попробуйте описать словами однозначными страницу, которая вам нравится? Как будет работать анимация, какой цвет использовать, насколько скруглять края, как сделать градиет и т.д.? ТЗ, которому позавидуют в будущем.
Если в самом начале вы вносите буквально 1-2 правочки в сгенерированный код, чтобы всё заработало, то теперь уже приходится переписывать 10-20% LLM лапши каждый раз.
В какой-то момент баланс смещается с «я дофига продуктивный, LLM мне помогает кодить» в сторону «какого фига я трачу больше времени на исправление его ошибок, чем на написание кода».
Да, это то, что я тоже подтверждаю. Можно очень быстро сгенерировать решение, которое похоже на то, что вы просили. Но если нужно сделать рефакторинг – лучше это сделать самому. Потому что описывать структуру кода и проекта, которые должны быть на выходе – это очень изнурительно 🙂
Сейчас вайб-кодинг станет популярным и мы все потонем в куче говно-прототипов и ужасных по качеству коммитов на гитхабе.
Если я все-таки решу допилить свою эту идею и сделать из нее продакшен сервис — я перепишу всё с нуля. Тоже не без помощи AI, конечно, но уже под полным своим контролем за фронтендом и бекендом.
И вопрос остается открытым, а что писать в статье, если все написано?)
vas3k.blog
Вайб-кодинг
Новый способ программирования в эпоху GenAI
👍5❤2
Разорванный день
Я думал, что у менеджеров фрагментированный день. В том смысле, что в течение часа приходят десятки сигналов, на которые нужно реагировать, к событиям (встречи), к которым нужно подготовиться.
Но ведь у Разработчика ситуация аналогичная. Посмотрите на эту визуализацию? (интерактивная, можно изучить каждую активность)
Это я лишь описал день разработчика. Добавил несколько событий в течение дня. И получается, что разработчик:
⁃ Работает над задачей не более 2.5 часов в день
⁃ Теряет 20-25% времени на переключение контекста между задачами
Это не заметно в реальном времени. Но если залогироваровать, может показаться, что человек занят. Постоянно. Но не делает то, что мы от него ожидаем или человек сам запланировал.
Именно об этом говорят исследования, которые я публиковал ранее - фрагментированный день разработчика, это его естественное состояние.
И если говорить про то, как менеджер может помочь разработчику в этой ситуации и сделать команду эффективнее:
- делайте больше приватных мест для работы (условный, homeoffice)
- покажите примеров, что нужно отключать все уведомления на телефоне и на компьютере
- Copilot все же помогает
Я думал, что у менеджеров фрагментированный день. В том смысле, что в течение часа приходят десятки сигналов, на которые нужно реагировать, к событиям (встречи), к которым нужно подготовиться.
Но ведь у Разработчика ситуация аналогичная. Посмотрите на эту визуализацию? (интерактивная, можно изучить каждую активность)
Это я лишь описал день разработчика. Добавил несколько событий в течение дня. И получается, что разработчик:
⁃ Работает над задачей не более 2.5 часов в день
⁃ Теряет 20-25% времени на переключение контекста между задачами
Это не заметно в реальном времени. Но если залогироваровать, может показаться, что человек занят. Постоянно. Но не делает то, что мы от него ожидаем или человек сам запланировал.
Именно об этом говорят исследования, которые я публиковал ранее - фрагментированный день разработчика, это его естественное состояние.
И если говорить про то, как менеджер может помочь разработчику в этой ситуации и сделать команду эффективнее:
- делайте больше приватных мест для работы (условный, homeoffice)
- покажите примеров, что нужно отключать все уведомления на телефоне и на компьютере
- Copilot все же помогает
😁3👍1
Снова, что там с применимостью AI для разработчиков?
На прошлой неделе я много раз от директоров слышал фразу: "AI изменяет разработку революционно". И в разных контекстах:
- С Помощью AI можно создавать приложения, это невероятно. Каждый разработчик должен использовать AI для своей работы
- Вы знаете Фреда? Он создал приложение, просто надиктовывая его AI, пока ехал в машине. Вы можете себе это представить?
Я сидел вместе со скептиками. А точнее, с теми, кто непосредственно разрабатывает сервисы (тимлиды команд). И несмотря на то, что я разделяю мнение, что AI помогает разрабатывать сервисы, мне рекомендовали спуститься с облаков.
Вместе с тимлидом, мы открыли один из сервисов, который пишет его команда (отвечает за запись и обработку видео-встреч в MS Teams + Транскрипция). Около 3-4 десятков проектов в рамках одного большого Solution. И мы попробовали применить сценарии, которые я упоминал ранее. Какой итог? Нам нужно подбирать промпт для решения техже самых задач.
Несмотря на то, что AI может создавать достаточно быстро сервисы с нуля (простые, вот пример и вот еще один), их модификация и рефакторинг - это уже сложный опыт и относительная сложность - выше. Не получится создать сервис "Записи, хранения и обработки видео" одним промптом и даже с сотней промтов.
Какие же сложности мы увидели на большом проекте?
- не получилось оптимизировать код - в проекте много классов, о которых AI ничего не знает (на stackoverflow и github про них ничего не писали, чтобы обучиться). Поэтому все рекомендации по принципу - перепишите вот эту строку вот так - будет читабельнее.
- не хватило контекста для AI - проекту уже лет 12, много строк кода, чтобы оптимизировать весь проект - малый размер окна и AI просто не справляется
- написать новый код с использованием существующих классов - аналогично, недостаточный размер контекстного окна.
- исправить баз в коде, по известной ошибке (Exception) - не справился. Нужно явно указывать, намекать и анализировать. Ответы от Github Copilot были очень общие.
Каждый раз, когда на таком проекте мы задавали вопрос Github Copilot (c моделью ChatGPT), то обработка промпта занимала 10 минут. Не быстро 🙂
Поэтому, договорились посмотреть сценарии, как может быть использован AI в случае с таким сервисом в будущем. Написание unit-тестов - все еще валидная история 🙂
На прошлой неделе я много раз от директоров слышал фразу: "AI изменяет разработку революционно". И в разных контекстах:
- С Помощью AI можно создавать приложения, это невероятно. Каждый разработчик должен использовать AI для своей работы
- Вы знаете Фреда? Он создал приложение, просто надиктовывая его AI, пока ехал в машине. Вы можете себе это представить?
Я сидел вместе со скептиками. А точнее, с теми, кто непосредственно разрабатывает сервисы (тимлиды команд). И несмотря на то, что я разделяю мнение, что AI помогает разрабатывать сервисы, мне рекомендовали спуститься с облаков.
Вместе с тимлидом, мы открыли один из сервисов, который пишет его команда (отвечает за запись и обработку видео-встреч в MS Teams + Транскрипция). Около 3-4 десятков проектов в рамках одного большого Solution. И мы попробовали применить сценарии, которые я упоминал ранее. Какой итог? Нам нужно подбирать промпт для решения техже самых задач.
Несмотря на то, что AI может создавать достаточно быстро сервисы с нуля (простые, вот пример и вот еще один), их модификация и рефакторинг - это уже сложный опыт и относительная сложность - выше. Не получится создать сервис "Записи, хранения и обработки видео" одним промптом и даже с сотней промтов.
Какие же сложности мы увидели на большом проекте?
- не получилось оптимизировать код - в проекте много классов, о которых AI ничего не знает (на stackoverflow и github про них ничего не писали, чтобы обучиться). Поэтому все рекомендации по принципу - перепишите вот эту строку вот так - будет читабельнее.
- не хватило контекста для AI - проекту уже лет 12, много строк кода, чтобы оптимизировать весь проект - малый размер окна и AI просто не справляется
- написать новый код с использованием существующих классов - аналогично, недостаточный размер контекстного окна.
- исправить баз в коде, по известной ошибке (Exception) - не справился. Нужно явно указывать, намекать и анализировать. Ответы от Github Copilot были очень общие.
Каждый раз, когда на таком проекте мы задавали вопрос Github Copilot (c моделью ChatGPT), то обработка промпта занимала 10 минут. Не быстро 🙂
Поэтому, договорились посмотреть сценарии, как может быть использован AI в случае с таким сервисом в будущем. Написание unit-тестов - все еще валидная история 🙂
Telegram
Meet Deadlines
Кажется, что я упустил то, как AI активно внедряется в работу. Ну или, разработчикам стыдно признаться, что они используют Copilot активно для своей работы :)
Моя основная идея, что AI может помочь менеджеру лучше, если вы дадите этот инструмент своей команде…
Моя основная идея, что AI может помочь менеджеру лучше, если вы дадите этот инструмент своей команде…
👍1
Власть — это не всегда формальный статус. Её имеют не только менеджеры или топ-руководители. Исследователи выделили шесть основных источников власти:
- Вознаграждающая власть — способность давать что-то ценное: премии, повышения, дополнительное время отдыха.
- Принудительная власть — способность наказывать или накладывать санкции.
- Легитимная власть – основана на роли или должности (например, технический директор, тимлид).
- Экспертная власть – влияние, основанное на знаниях или навыках.
- Информационная власть – обладание важной информацией, недоступной другим.
- Референтная власть – влияние, основанное на харизме, репутации или личной симпатии.
В IT эти типы власти часто пересекаются. Старший инженер может обладать экспертной и информационной властью, а харизматичный докладчик – референтной.
Динамика власти в действии
Даже без управленческой должности можно обладать значительной властью. Старший инженер может влиять на архитектурные решения. Ветеран компании знает тонкости системы. Тимлид, назначающий дежурства, демонстрирует пример явного использования власти.
Даже политики компании отражают власть. Известная практика Google – «20% времени на личные проекты» – это форма вознаграждающей власти.
Кажется, новый выпуск рассылки скоро выйдет :)
- Вознаграждающая власть — способность давать что-то ценное: премии, повышения, дополнительное время отдыха.
- Принудительная власть — способность наказывать или накладывать санкции.
- Легитимная власть – основана на роли или должности (например, технический директор, тимлид).
- Экспертная власть – влияние, основанное на знаниях или навыках.
- Информационная власть – обладание важной информацией, недоступной другим.
- Референтная власть – влияние, основанное на харизме, репутации или личной симпатии.
В IT эти типы власти часто пересекаются. Старший инженер может обладать экспертной и информационной властью, а харизматичный докладчик – референтной.
Динамика власти в действии
Даже без управленческой должности можно обладать значительной властью. Старший инженер может влиять на архитектурные решения. Ветеран компании знает тонкости системы. Тимлид, назначающий дежурства, демонстрирует пример явного использования власти.
Даже политики компании отражают власть. Известная практика Google – «20% времени на личные проекты» – это форма вознаграждающей власти.
Кажется, новый выпуск рассылки скоро выйдет :)
👍3🔥2👏1
2 месяца не писал. Хотел написать одно, второе... Но в итоге написал - третье.
Статьи про использование AI в работе вылились в нечто большее - в курс. Я и еще несколько известных ребят решили описать то, как Gen AI (Chat GPT и им подобные) могут помочь в работе менеджера.
Вокруг много информации о том, как Gen AI использовать для суммирования документов, рисования картинок, обучения. Сценариев много и они сводятся к тому, как написать Промпт. Но для менеджера остается вопрос - есть ли варианты применения за пределами "напиши мне скрипт"?
Мы вместе побрейнштормили, собрали наши навыки и получилась достаточно большая программа:
https://mysummit.school/
Это и плюс, и минус одновременно. Информации много - ее должно собирать и описывать, тем более качественно. Информации много потреблять - для этого нужна отдельная платформа.
Платформу мы еще не завершили, но зато нашли хорошую альтернативу - почта! Ваша почтовый клиент это уже платформа с доступом ко всем необходимым функциям: чтение, структурирование, поиск. Поэтому, сегодня мы уже открыли первую часть нашего курса - она доступна всем. Суммарно это около 10 писем, которые вы получите в течение 3х недель.
Эта часть - открытая. Нам важно понять есть ли интерес у аудитории к такому контенту и нужно ли нам продолжать вкладывать усилия в разработку курса. Поэтому, ваш интерес и ваш фидбек нам сегодня важен :)
https://mysummit.school/
Челлендж, который мы приняли на себя дополнительно - поддерживать материал актуальным. Например, на прошлой неделе вышла новая модель Claude 4 от Anthropic, которая заставила нас переписать часть готового материала :). В дальнейшем же, мы видим необходимость присылать обновления - как та или иная фича влияет на работу менеджера. Какие новые кейсы появились? И этот дайджест постоянных обновлений - это еще одна ценность, которая заложена в курс.
Подписывайтесь (кредитных карт не просим, рекламу не присылаем, только письма)!
Статьи про использование AI в работе вылились в нечто большее - в курс. Я и еще несколько известных ребят решили описать то, как Gen AI (Chat GPT и им подобные) могут помочь в работе менеджера.
Вокруг много информации о том, как Gen AI использовать для суммирования документов, рисования картинок, обучения. Сценариев много и они сводятся к тому, как написать Промпт. Но для менеджера остается вопрос - есть ли варианты применения за пределами "напиши мне скрипт"?
Мы вместе побрейнштормили, собрали наши навыки и получилась достаточно большая программа:
https://mysummit.school/
Это и плюс, и минус одновременно. Информации много - ее должно собирать и описывать, тем более качественно. Информации много потреблять - для этого нужна отдельная платформа.
Платформу мы еще не завершили, но зато нашли хорошую альтернативу - почта! Ваша почтовый клиент это уже платформа с доступом ко всем необходимым функциям: чтение, структурирование, поиск. Поэтому, сегодня мы уже открыли первую часть нашего курса - она доступна всем. Суммарно это около 10 писем, которые вы получите в течение 3х недель.
Эта часть - открытая. Нам важно понять есть ли интерес у аудитории к такому контенту и нужно ли нам продолжать вкладывать усилия в разработку курса. Поэтому, ваш интерес и ваш фидбек нам сегодня важен :)
https://mysummit.school/
Челлендж, который мы приняли на себя дополнительно - поддерживать материал актуальным. Например, на прошлой неделе вышла новая модель Claude 4 от Anthropic, которая заставила нас переписать часть готового материала :). В дальнейшем же, мы видим необходимость присылать обновления - как та или иная фича влияет на работу менеджера. Какие новые кейсы появились? И этот дайджест постоянных обновлений - это еще одна ценность, которая заложена в курс.
Подписывайтесь (кредитных карт не просим, рекламу не присылаем, только письма)!
🔥7👍2❤1
Про сходство менеджмента и воспитание детей я уже говорил. Этот топик спорный, в дискуссиях с коллегами, я в редких случаях нахожу поддержку. Но это сложно признать, ведь мы же не дети!
Тем не менее, смотреть за развитием детей интересно и важно – они в экстремальной форме показывают то, что мы видим со взрослыми. Они искренние, они редко скрывают истинную натуру и ваши методы воздействия на человека – они проявляются здесь.
Вы можете уговорить взрослого человека сделать то, что вам нужно, но не можете уговорить трех-летку надеть обувь на улицу? Что вас отличает здесь? Наверное то, что в случае со взрослыми у вас есть дополнительные рычаги влияния (должность, власть, контрактные обязательства), которые вы не можете применять на ребенке. И в этом случае - это вы мастер уговоров или просто у вас есть бОльше возможностей (при общении со взрослыми)?
Вместе с @LogachevaEQ обсудили эту тему и разобрали. Я поделился примерами, которые нахожу вокруг себя, Елена рассказала об этом, с научной точки зрения
50 минут :)
Вот некоторые примеры о чем говорили.
Родительство помогает воспитывать доверие между людьми.
- Через вашу последовательность. Вы выполняете то, что вы пообещали. Независимо от того, какой возраст у человек. Дети не забывают данные им обещания, и будут помнить о них. Взрослые не забудут о том, что вы обещали отметить их успехи в проекте.
- Через терпение в процессе роста. В чем разница, когда вы ждете, когда трех-летка сам наденет обувь или завяжет шнурки (вам нужно много раз рассказать, дать попробовать, человек ошибиться много раз - это все ваше терпение) и когда один из участников в вашей команде не может выучить SQL, к примеру (и вот, он уже на протяжении нескольких недель не может вытащить данные из базы, а вы терпеливо объясняете раз за разом, почему так, а не иначе)
- Через безусловную поддержку. Вы не перестаете поддерживать вашего школьника, который получил плохую оценку в школе (да, вы можете быть расстроены этим фактом, и этим можно поделиться, но вы не перестаете поддерживать ребенка от этого). Вы не обвиняете вашу команду, за то, что они провалили запуск маркетинговой кампании, вы поддерживаете их, чтобы вместе исправить ошибки.
Таких параллелей масса. Они выглядят иначе. Они в другом контексте. Но вы человек. Все что у вас есть - это навык коммуникации и убеждения. Это всегда с вами. При отношении с детьми, это проявляется лучше всего
P.S. Не я на фотографии, но у меня есть похожие :)
Тем не менее, смотреть за развитием детей интересно и важно – они в экстремальной форме показывают то, что мы видим со взрослыми. Они искренние, они редко скрывают истинную натуру и ваши методы воздействия на человека – они проявляются здесь.
Вы можете уговорить взрослого человека сделать то, что вам нужно, но не можете уговорить трех-летку надеть обувь на улицу? Что вас отличает здесь? Наверное то, что в случае со взрослыми у вас есть дополнительные рычаги влияния (должность, власть, контрактные обязательства), которые вы не можете применять на ребенке. И в этом случае - это вы мастер уговоров или просто у вас есть бОльше возможностей (при общении со взрослыми)?
Вместе с @LogachevaEQ обсудили эту тему и разобрали. Я поделился примерами, которые нахожу вокруг себя, Елена рассказала об этом, с научной точки зрения
50 минут :)
Вот некоторые примеры о чем говорили.
Родительство помогает воспитывать доверие между людьми.
- Через вашу последовательность. Вы выполняете то, что вы пообещали. Независимо от того, какой возраст у человек. Дети не забывают данные им обещания, и будут помнить о них. Взрослые не забудут о том, что вы обещали отметить их успехи в проекте.
- Через терпение в процессе роста. В чем разница, когда вы ждете, когда трех-летка сам наденет обувь или завяжет шнурки (вам нужно много раз рассказать, дать попробовать, человек ошибиться много раз - это все ваше терпение) и когда один из участников в вашей команде не может выучить SQL, к примеру (и вот, он уже на протяжении нескольких недель не может вытащить данные из базы, а вы терпеливо объясняете раз за разом, почему так, а не иначе)
- Через безусловную поддержку. Вы не перестаете поддерживать вашего школьника, который получил плохую оценку в школе (да, вы можете быть расстроены этим фактом, и этим можно поделиться, но вы не перестаете поддерживать ребенка от этого). Вы не обвиняете вашу команду, за то, что они провалили запуск маркетинговой кампании, вы поддерживаете их, чтобы вместе исправить ошибки.
Таких параллелей масса. Они выглядят иначе. Они в другом контексте. Но вы человек. Все что у вас есть - это навык коммуникации и убеждения. Это всегда с вами. При отношении с детьми, это проявляется лучше всего
P.S. Не я на фотографии, но у меня есть похожие :)
❤6
Работая над нашим курсом, возникает соблазн сгенерировать все с использованием ChatGPT и подобных их инструментов. Ведь задача-то не сложная:
- весь материал текстовый
- учим GenAI инструментами - нужно применять на практике
Но нет, не работает так :) При этом, я не отрицаю, что мы используем GenAI для работы над курсом. В целом, наш лендинг – это результат vibecodding'a с использованием bolt.new :)
Во-первых, AI-сгенерированный контент он выделяется по стилю и натуральности. Когда человек читает такой текст, от него прям веет какой-то искусственностью. Фразы и обороты, которые мы не используем в повседневной жизни, сложные предложения. Грамматически вылизанные :)
Во-вторых, AI-контент не глубокий. Если над текстом не работать, то рекомендации поверхностные. Нам же в курсе нужна глубина примеров и мы вкладываем наш опыт (и личные примеры) в тексты.
В-третьих, если на английском языке это звучит естественно, то на русском - хуже. Поэтому, модели российские имеют смысл здесь (и об этом у нас в расширенной курсе, первого урока)
В целом же, это будет отдельная статья нашего курса, как отличить gen ai контент, от написанного человеком. На эту тему даже есть исследования
Для чего мы используем?
- подготовить структуру по некоторым темам
- проанализировать урок, с точки зрения опыта студента - какие темы полезно было бы раскрыть и как улучшить опыт обучения?
- получить последние обновления по инструментам. Так уже было с Perplexity (запустили функцию Labs) и Claude (выпустили модель Claude 4 Sonnet) - пришлось менять уже выпущенный материал.
- подготовить аналитику по какой-либо теме. Perplexity здесь отлично выручает. А последняя функция Labs - огонь! Чтобы нам проанализировать 130 источников информации - потребуются дни. А тут за 10 минут
- Конечно же, разработка платформы. Нет, мы пишем код, но наверное процентов 20%. Мы знаем, что мы хотим сделать, но написать код – делегируем AI (я это делегирую Claude code)
Поэтому, контент у нас органический, натуральный :)
https://mysummit.school/
- весь материал текстовый
- учим GenAI инструментами - нужно применять на практике
Но нет, не работает так :) При этом, я не отрицаю, что мы используем GenAI для работы над курсом. В целом, наш лендинг – это результат vibecodding'a с использованием bolt.new :)
Во-первых, AI-сгенерированный контент он выделяется по стилю и натуральности. Когда человек читает такой текст, от него прям веет какой-то искусственностью. Фразы и обороты, которые мы не используем в повседневной жизни, сложные предложения. Грамматически вылизанные :)
Во-вторых, AI-контент не глубокий. Если над текстом не работать, то рекомендации поверхностные. Нам же в курсе нужна глубина примеров и мы вкладываем наш опыт (и личные примеры) в тексты.
В-третьих, если на английском языке это звучит естественно, то на русском - хуже. Поэтому, модели российские имеют смысл здесь (и об этом у нас в расширенной курсе, первого урока)
В целом же, это будет отдельная статья нашего курса, как отличить gen ai контент, от написанного человеком. На эту тему даже есть исследования
Для чего мы используем?
- подготовить структуру по некоторым темам
- проанализировать урок, с точки зрения опыта студента - какие темы полезно было бы раскрыть и как улучшить опыт обучения?
- получить последние обновления по инструментам. Так уже было с Perplexity (запустили функцию Labs) и Claude (выпустили модель Claude 4 Sonnet) - пришлось менять уже выпущенный материал.
- подготовить аналитику по какой-либо теме. Perplexity здесь отлично выручает. А последняя функция Labs - огонь! Чтобы нам проанализировать 130 источников информации - потребуются дни. А тут за 10 минут
- Конечно же, разработка платформы. Нет, мы пишем код, но наверное процентов 20%. Мы знаем, что мы хотим сделать, но написать код – делегируем AI (я это делегирую Claude code)
Поэтому, контент у нас органический, натуральный :)
https://mysummit.school/
👍3
По статье - Все сгенерировано GenAI, когда готовили урок по критическому мышлению для менеджера в школе мы попытались углубиться в тему - как идентифицировать такие тексты.
Конечно, если человек поработал над текстом после ответа от GenAI это уже становится сложно отличить. И это хороший способ использования инструментов (ChatGPT, Claude, Gemini, DeepSeek). Именно такое мы и продвигаем
Но, если говорить про слепое копирование, то описанные в статье случаи – это явный признак сгенерированного ИИ. Мы даже устраивали челлендж внутри команды - вот несколько текстов, найдите что сгенерировано ИИ, а что человеком (условный тест Тьюринга, в масштабах команды). И есть моменты, которые сложно описать языком - читаешь текст, и ты чувствуешь насколько он написан не натурально, не естественно. Но объяснить словами не можешь. Вот статья и родилась на основании этого эксперимента.
Ну а мы продолжаем работать над контентом курса - GenAI для менеджера на практике 🙂
Конечно, если человек поработал над текстом после ответа от GenAI это уже становится сложно отличить. И это хороший способ использования инструментов (ChatGPT, Claude, Gemini, DeepSeek). Именно такое мы и продвигаем
Но, если говорить про слепое копирование, то описанные в статье случаи – это явный признак сгенерированного ИИ. Мы даже устраивали челлендж внутри команды - вот несколько текстов, найдите что сгенерировано ИИ, а что человеком (условный тест Тьюринга, в масштабах команды). И есть моменты, которые сложно описать языком - читаешь текст, и ты чувствуешь насколько он написан не натурально, не естественно. Но объяснить словами не можешь. Вот статья и родилась на основании этого эксперимента.
Ну а мы продолжаем работать над контентом курса - GenAI для менеджера на практике 🙂
Habr
Всё сгенерировано GPT! Гайд как распознать AI-текст и как сделать его неотличимым от человеческого
Все уже пошутили и запомнили что если в тексте — , то его писал ChatGPT. А если нет, то человек? Эта статья - самый подробный гайд в рунете, как отличить текст, сгенерированный Gen AI от текста,...
❤🔥1👍1
Forwarded from Junior AI PM
🔥 Эфир 23 июня в 19:30 “Gen AI и LLM в работе менеджера: правда и мифы”
🤖 Мы всё чаще слышим о Gen AI и LLM: кто-то закупает GPT-o3 и Cursor, кто-то строит RAG-ассистентов или включает в процессы Jira AI и tl;dv. Но где реальная польза для PM, а где - очередной хайп и пустые спекуляции?
🗓 В следующий понедельник, 23.06, в 19:30 у нас пройдет честный AMA (Ask Me Anything) без воды и слайдов в самом большом ру-сообществе поиска работы для менеджеров Project Jobs . Только практические кейсы и откровенные ответы на любые вопросы!
👥 Участники эфира:
- Стас Беляев - Lead Tech PM, Microsoft, автор Meet Deadlines
- Артем Арюткин - Руководитель проектного офиса Яндекса, автор Плохой Project
- Артем Летюшев - Senior PM, Twinby, автор Junior PM
Также к нам заглянет @Danil_Silantyev как DS/AI-инженер, чтобы технически углубить ответы
🎯 Что обсудим как минимум:
- Как "AI" инструменты мы используем и что из них реально помогают в управлении
- Какие решения заходят,а от каких мало толку
- Что еще недостаточно развито чтобы давать отдачу
- Какие нужны условия для адекватной работы LLM
📊 P.S. Мы активно погружаемся в рынок обучения AI для менеджеров и удивляемся шуму вокруг инструментов. Через контент и лендинг mysummit.school тестируем спрос на грамотное и структурированное обучение
🚀 Подключайтесь 23 июня в 19:30 в Projects Jobs и не стесняйтесь задавать вопросы!
🤖 Мы всё чаще слышим о Gen AI и LLM: кто-то закупает GPT-o3 и Cursor, кто-то строит RAG-ассистентов или включает в процессы Jira AI и tl;dv. Но где реальная польза для PM, а где - очередной хайп и пустые спекуляции?
🗓 В следующий понедельник, 23.06, в 19:30 у нас пройдет честный AMA (Ask Me Anything) без воды и слайдов в самом большом ру-сообществе поиска работы для менеджеров Project Jobs . Только практические кейсы и откровенные ответы на любые вопросы!
👥 Участники эфира:
- Стас Беляев - Lead Tech PM, Microsoft, автор Meet Deadlines
- Артем Арюткин - Руководитель проектного офиса Яндекса, автор Плохой Project
- Артем Летюшев - Senior PM, Twinby, автор Junior PM
Также к нам заглянет @Danil_Silantyev как DS/AI-инженер, чтобы технически углубить ответы
🎯 Что обсудим как минимум:
- Как "AI" инструменты мы используем и что из них реально помогают в управлении
- Какие решения заходят,а от каких мало толку
- Что еще недостаточно развито чтобы давать отдачу
- Какие нужны условия для адекватной работы LLM
📊 P.S. Мы активно погружаемся в рынок обучения AI для менеджеров и удивляемся шуму вокруг инструментов. Через контент и лендинг mysummit.school тестируем спрос на грамотное и структурированное обучение
🚀 Подключайтесь 23 июня в 19:30 в Projects Jobs и не стесняйтесь задавать вопросы!
👍6❤2
Сделали запись нашего эфира на тему использования GenAI в работе менеджера!
В целом, это было интересно. Пришли во многом люди, кто хотел бы узнать сценарии применения AI / GenAI в работе. Собственно то, что мы рассказываем в нашем курсе. И это подтверждает нашу гипотезу – инструмент есть, а то как его применять – все еще идет поиск вариантов и отсеивание их.
Напомню, кто был (команда, кто работает над курсов https://mysummit.school):
- Станислав Беляев — Product Manager в Microsoft, эксперт по Developer Experience
- Артем Арюткин — CPO/PMO городских сервисов Яндекса, специалист по AI для разработчиков
- Артем Летюшев — Lead Project Manager в TwinBy, руководитель Data Science команд
- Данил Силантьев — руководитель AI и IT-студии, практик внедрения AI-решений
Вот темы, которые мы в итоге обсудили
- Информационная безопасность при использовании LLM в корпоративной среде
- Использование локальных моделей на персональных устройствах
- LLM как персональный ментор и советник для менеджеров
- Анализ больших объемов неструктурированных данных
- Практические агенты и автоматизация рутинных процессов
- Deep Research: возможности и ограничения
- Выявление процессов для AI-оптимизации (Process Discovery)
- Экспорт и подготовка данных для анализа в LLM
- Будущее фреймворков управления с AI
В целом, это было интересно. Пришли во многом люди, кто хотел бы узнать сценарии применения AI / GenAI в работе. Собственно то, что мы рассказываем в нашем курсе. И это подтверждает нашу гипотезу – инструмент есть, а то как его применять – все еще идет поиск вариантов и отсеивание их.
Напомню, кто был (команда, кто работает над курсов https://mysummit.school):
- Станислав Беляев — Product Manager в Microsoft, эксперт по Developer Experience
- Артем Арюткин — CPO/PMO городских сервисов Яндекса, специалист по AI для разработчиков
- Артем Летюшев — Lead Project Manager в TwinBy, руководитель Data Science команд
- Данил Силантьев — руководитель AI и IT-студии, практик внедрения AI-решений
Вот темы, которые мы в итоге обсудили
- Информационная безопасность при использовании LLM в корпоративной среде
- Использование локальных моделей на персональных устройствах
- LLM как персональный ментор и советник для менеджеров
- Анализ больших объемов неструктурированных данных
- Практические агенты и автоматизация рутинных процессов
- Deep Research: возможности и ограничения
- Выявление процессов для AI-оптимизации (Process Discovery)
- Экспорт и подготовка данных для анализа в LLM
- Будущее фреймворков управления с AI
YouTube
AI на практике для менеджера | Встреча в Projects Jobs
#ai #llm #ии #projects
AMA-сессия для участников сообщества Projects Jobs (https://t.me/projects_jobs) о том, как современные менеджеры могут эффективно использовать генеративный искусственный интеллект в своей работе. 90 минут практических советов, реальных…
AMA-сессия для участников сообщества Projects Jobs (https://t.me/projects_jobs) о том, как современные менеджеры могут эффективно использовать генеративный искусственный интеллект в своей работе. 90 минут практических советов, реальных…
🔥3👍1
Есть ограниченное количество энергии (ресурса), который тратится на вспомогательные активности
Это могут быть:
- семья (дети, родители, родственники)
- хобби (велосипед, спортзал, рисование, компьютерные игры, и т.д.)
- работа сверхурочно (если это зона интересна)
- сайд-проекты
- назовите еще...
- выступления и блогерства (вот как этот канал и рассылка)
Я не исключение из написанного. Ограниченный ресурс (энергия), который я зимой и в прошлом году тратил на рассылку и канал. А в этом году стартанул несколько сайд-проектов, которые эту энергию и забирали. Поэтому, канал и рассылка молчали 🙂
Что же это было?
- Школа mysummit.school с темой - Практическое применение AI в работе (проверили идею, и пока что на паузе)
- Школа Стратоплан, где в этом году я был тренером, разрабатывал и вел курс - Продакт менеджмент для инженера
- Хакатон, https://hackload.kz, который завершился 24 августа
- Незавершенный (и нужно это доделать), опрос менеджеров - https://surveys.meet-deadlines.kz
- Еще один проект стартанул о котором смогу рассказать через месяц, думаю
Многие проекты завершены, получен опыт. Самое время переосмыслить и поделиться этим опытом. Читатель может задаться вопросом, а зачем это все?
Нашел ответ в выпуске про Личный бренд от Бреслава и Ложечкина. Спойлер:Нет, для карьеры. Скорее для себя - когда пишешь, рассказываешь - структурируешь свои мысли, которые в дальнейшем могут быть переиспользованы. Ну и аргументы теперь сильнее 🙂
Это могут быть:
- семья (дети, родители, родственники)
- хобби (велосипед, спортзал, рисование, компьютерные игры, и т.д.)
- работа сверхурочно (если это зона интересна)
- сайд-проекты
- назовите еще...
- выступления и блогерства (вот как этот канал и рассылка)
Я не исключение из написанного. Ограниченный ресурс (энергия), который я зимой и в прошлом году тратил на рассылку и канал. А в этом году стартанул несколько сайд-проектов, которые эту энергию и забирали. Поэтому, канал и рассылка молчали 🙂
Что же это было?
- Школа mysummit.school с темой - Практическое применение AI в работе (проверили идею, и пока что на паузе)
- Школа Стратоплан, где в этом году я был тренером, разрабатывал и вел курс - Продакт менеджмент для инженера
- Хакатон, https://hackload.kz, который завершился 24 августа
- Незавершенный (и нужно это доделать), опрос менеджеров - https://surveys.meet-deadlines.kz
- Еще один проект стартанул о котором смогу рассказать через месяц, думаю
Многие проекты завершены, получен опыт. Самое время переосмыслить и поделиться этим опытом. Читатель может задаться вопросом, а зачем это все?
Нашел ответ в выпуске про Личный бренд от Бреслава и Ложечкина. Спойлер:
hackload.kz
HackLoad 2025 - Первый казахстанский хакатон по высоконагруженным системам
Создайте билетный сервис, способный обработать 100 000 запросов. Испытайте свои навыки в экстремальных условиях.
❤4👍3
Кейс
Вы студент на курсе (в университете, школе - не так важно где). У вас первые занятия, где студенты узнали каждого, познакомились с каждым. Два дня уже вместе занимаетесь. Кто-то активный на занятиях, кто-то предпочитает быть пассивным и слушать других. За это время случились дискуссии, где студенты могли показать свои ценности, свой характер или бэкграунд.
На третий день совместных занятий – задание: следующие 2 месяца, вам необходимо заниматься в парах. Ваша задача выбрать себе пару среди студентов и сконнектиться с ним, начать знакомиться. Кто-то начал объединяться по схожим интересам, интересному бэкграунду или потому что вместе сидели несколько дней уже. Вы попробовали найти пару. Предложили одной группе людей – не хочет ли кто-нибудь работать в паре? Предложение проигнорировали ну или как минимум никто не высказал явного желания в текущий момент.
Вы подошли к другому студенту, вежливо поинтересовались – нашел ли он себе напарника или нет? И если нет, то не против ли он работать в паре. И этот студент отклонил ваше предложение...
Вопросы на рефлексию:
- сделали ли вы что-то неправильно?
- Может быть проблема не в вас?
- А если это произойдет на работе, где с вами откажутся работать над проектом?
Ваши мнения в комментариях интересны 🙂
Вы студент на курсе (в университете, школе - не так важно где). У вас первые занятия, где студенты узнали каждого, познакомились с каждым. Два дня уже вместе занимаетесь. Кто-то активный на занятиях, кто-то предпочитает быть пассивным и слушать других. За это время случились дискуссии, где студенты могли показать свои ценности, свой характер или бэкграунд.
На третий день совместных занятий – задание: следующие 2 месяца, вам необходимо заниматься в парах. Ваша задача выбрать себе пару среди студентов и сконнектиться с ним, начать знакомиться. Кто-то начал объединяться по схожим интересам, интересному бэкграунду или потому что вместе сидели несколько дней уже. Вы попробовали найти пару. Предложили одной группе людей – не хочет ли кто-нибудь работать в паре? Предложение проигнорировали ну или как минимум никто не высказал явного желания в текущий момент.
Вы подошли к другому студенту, вежливо поинтересовались – нашел ли он себе напарника или нет? И если нет, то не против ли он работать в паре. И этот студент отклонил ваше предложение...
Вопросы на рефлексию:
- сделали ли вы что-то неправильно?
- Может быть проблема не в вас?
- А если это произойдет на работе, где с вами откажутся работать над проектом?
Ваши мнения в комментариях интересны 🙂
👍3❤2
Мои мысли по кейсу выше. Когда я столкнулся с такой ситуацией, то это запустило процесс рефлексии: проблема явно во мне! А как иначе-то? Это как Эффект прожектора, когда мы преувеличиваем все что происходит вокруг нас:
- я не так выгляжу
- я не то говорю
- я много говорю
- я не такой как другие
и главное - это все замечают!
Хотя по-факту же нет.
Первая группа, как оказалось, просто не поняла мой вопрос и это языковой барьер. Нам всем комфортнее работать и взаимодействовать с теми, кто ближе и понятнее для нас (говорит на одном языке, выглядит как мы, думает схожими мыслями, работает в той же сфере). Сложно кого-то обвинить в этом, это что-то натуральное в сущности человека.
Про второго студента ничего не могу сказать, но мои ощущения были подогреты тем фактом, что я сам домыслил, что вокруг уже все договорились о группах. И это с одной стороны эффект FOMO (все вокруг уже договорились, а я остался один!), а с другой стороны - это первая стадия принятия - отрицание и изоляция.
Занятие завершилось для меня мыслями – сами виноваты, что не хотите учиться обучаться с другими (не такие, как вы) и выходить из зоны комфорта в зону роста.
Позже в чате, на самом деле, было еще несколько студентов, которым нужна была группа и они тоже не смогли найти ее во время занятия. Поэтому, ситуация успешно разрешилась. А мысли остались.
- я не так выгляжу
- я не то говорю
- я много говорю
- я не такой как другие
и главное - это все замечают!
Хотя по-факту же нет.
Первая группа, как оказалось, просто не поняла мой вопрос и это языковой барьер. Нам всем комфортнее работать и взаимодействовать с теми, кто ближе и понятнее для нас (говорит на одном языке, выглядит как мы, думает схожими мыслями, работает в той же сфере). Сложно кого-то обвинить в этом, это что-то натуральное в сущности человека.
Про второго студента ничего не могу сказать, но мои ощущения были подогреты тем фактом, что я сам домыслил, что вокруг уже все договорились о группах. И это с одной стороны эффект FOMO (все вокруг уже договорились, а я остался один!), а с другой стороны - это первая стадия принятия - отрицание и изоляция.
Занятие завершилось для меня мыслями – сами виноваты, что не хотите учиться обучаться с другими (не такие, как вы) и выходить из зоны комфорта в зону роста.
Позже в чате, на самом деле, было еще несколько студентов, которым нужна была группа и они тоже не смогли найти ее во время занятия. Поэтому, ситуация успешно разрешилась. А мысли остались.
👍8🤔1
Бюро статистики в США опубликовало исследование (в 2024 году), по которому
- Работники в возрасте 25-34 лет работают в среднем 2.7 года на одном месте
- Люди в возрасте 55-64 - в среднем держатся за работодателя 9.6 лет
- Соотношение этих цифр не зависит от отрасли (горнодобывающая, банкинг, ИТ…) и профессии (менеджер, специалист, педагог и т.д.). Да, отличаются базовые цифры, но соотношение в возрастных группах - сохраняются
- В менеджменте люди задерживаются чуть дольше, чем в профессии (5.7 лет vs 4.3)
К чему это я? Как это влияет на принимаемые решения менеджера. И здесь есть пара проблем, с которыми я сталкиваюсь в своей работе:
1. Менеджеры хотят быстрых решений. Срок короткий (с перспективы крупных компаний), поэтому нужны быстрые проекты, с быстрыми результатами - отлично если за 1 год, хуже если за 2
2. Ввиду выше сказанного, крупные проекты - откладываются. Проще сделать какую-нибудь нашлепку сверху к процессам, чем глубоко поменять процесс. Рефакторинг - долго и дорого, “подтюнить” или что-то сделать сверху - просто и быстро
3. Инновации - страдают. Зачем вкладываться в то, что имеет непонятную перспективу с непонятным сроком. Результаты-то нужно показать!
4. Проблема с долгосрочным планированием (стратегическим). В принципе и среда сегодня не позволяет планировать на 10 лет вперед, а тут еще и смысла нет (потому что через 5 лет уйду)
5. Организация теряет “память”, культуру, знания. Или же, очень быстро обновляется, трансформируется. Менеджмент в верхней части иерархии говорит одно, а менеджеры снизу приносят свою культуру быстрее, чем это могут отследить менеджмент в верхней иерархии
Понятия не имею, как это исправить. Но просто понятнее, почему менеджеры все больше хотят инвестировать в “быстрые решения” с видимой эффективностью. А организация страдает
- Работники в возрасте 25-34 лет работают в среднем 2.7 года на одном месте
- Люди в возрасте 55-64 - в среднем держатся за работодателя 9.6 лет
- Соотношение этих цифр не зависит от отрасли (горнодобывающая, банкинг, ИТ…) и профессии (менеджер, специалист, педагог и т.д.). Да, отличаются базовые цифры, но соотношение в возрастных группах - сохраняются
- В менеджменте люди задерживаются чуть дольше, чем в профессии (5.7 лет vs 4.3)
К чему это я? Как это влияет на принимаемые решения менеджера. И здесь есть пара проблем, с которыми я сталкиваюсь в своей работе:
1. Менеджеры хотят быстрых решений. Срок короткий (с перспективы крупных компаний), поэтому нужны быстрые проекты, с быстрыми результатами - отлично если за 1 год, хуже если за 2
2. Ввиду выше сказанного, крупные проекты - откладываются. Проще сделать какую-нибудь нашлепку сверху к процессам, чем глубоко поменять процесс. Рефакторинг - долго и дорого, “подтюнить” или что-то сделать сверху - просто и быстро
3. Инновации - страдают. Зачем вкладываться в то, что имеет непонятную перспективу с непонятным сроком. Результаты-то нужно показать!
4. Проблема с долгосрочным планированием (стратегическим). В принципе и среда сегодня не позволяет планировать на 10 лет вперед, а тут еще и смысла нет (потому что через 5 лет уйду)
5. Организация теряет “память”, культуру, знания. Или же, очень быстро обновляется, трансформируется. Менеджмент в верхней части иерархии говорит одно, а менеджеры снизу приносят свою культуру быстрее, чем это могут отследить менеджмент в верхней иерархии
Понятия не имею, как это исправить. Но просто понятнее, почему менеджеры все больше хотят инвестировать в “быстрые решения” с видимой эффективностью. А организация страдает
👍5❤3🤔2😢1
Связь технический и продуктовых метрик
Для курса Технический продакт менеджмент в Стратоплане я хотел показать наглядно, как технические метрики влияют на продуктовые. А в частности, простая задержка загрузки страницы влияет на удержание пользователей.
Так появился сервис: https://tpm.belyaev.live
И в целом, если не смотреть пристально, то результаты действительно подтверждают теорию (чем медленнее работает сервис, тем хуже удержание пользователей – у них возникает желание бросить все и закрыть).
Поэтому, в сервисе есть 20 страниц с контентом и между страницами рандомно реализована задержка от до 200 мс до 4000 мс (4 сек). То есть, в худшем случае пользователю при переходе с одной страницы на другую нужно ждать 4 секунды. Распределение равномерное между посетителями. И давайте посмотрим на цифры - подтверждает ли практика теорию?
Сервис посетило 300 пользователей. Все страницы прошли 20% от посетителей (для них явно была польза в сервисе и они готовы были терпеть неудобства)
И в целом, что видно:
- Чем выше задержка, тем раньше пользователи закрыли вкладку браузера (на 700 ms - на 6 странице, на 4000 ms - 4-5 страницы)
- Быстрая загрузка страницы (200 ms задержка) - показывает даже хуже результаты, чем 700 ms (кажется как раз оптимальной загрузкой). Пользователи добрались до 5 страницы и закрыли ее, а вот на 700 ms - на 1 страницу дольше были
- Отток между 1 и 5 страницей на 25% выше, при задержке в 4000 ms, в сравнении с 700 ms
Это наглядный пример того, что техническая команда может напрямую влиять на продуктовые метрики. И это должно быть аргументом для того, чтобы инвестировать разумное время в работу над техническим долгом (именно - разумное время, потому что как видно, разница в задержке между 200 ms и 700 ms - отсутствует).
Спасибо, что помогли сделать этот эксперимент! А контент, на самом деле полезный на странице (по отзывам прошедших через все 20 страниц студентов)
p.s. публичная страница с аналитикой: https://tpm.belyaev.live/analytics
Для курса Технический продакт менеджмент в Стратоплане я хотел показать наглядно, как технические метрики влияют на продуктовые. А в частности, простая задержка загрузки страницы влияет на удержание пользователей.
Так появился сервис: https://tpm.belyaev.live
И в целом, если не смотреть пристально, то результаты действительно подтверждают теорию (чем медленнее работает сервис, тем хуже удержание пользователей – у них возникает желание бросить все и закрыть).
Поэтому, в сервисе есть 20 страниц с контентом и между страницами рандомно реализована задержка от до 200 мс до 4000 мс (4 сек). То есть, в худшем случае пользователю при переходе с одной страницы на другую нужно ждать 4 секунды. Распределение равномерное между посетителями. И давайте посмотрим на цифры - подтверждает ли практика теорию?
Сервис посетило 300 пользователей. Все страницы прошли 20% от посетителей (для них явно была польза в сервисе и они готовы были терпеть неудобства)
И в целом, что видно:
- Чем выше задержка, тем раньше пользователи закрыли вкладку браузера (на 700 ms - на 6 странице, на 4000 ms - 4-5 страницы)
- Быстрая загрузка страницы (200 ms задержка) - показывает даже хуже результаты, чем 700 ms (кажется как раз оптимальной загрузкой). Пользователи добрались до 5 страницы и закрыли ее, а вот на 700 ms - на 1 страницу дольше были
- Отток между 1 и 5 страницей на 25% выше, при задержке в 4000 ms, в сравнении с 700 ms
Это наглядный пример того, что техническая команда может напрямую влиять на продуктовые метрики. И это должно быть аргументом для того, чтобы инвестировать разумное время в работу над техническим долгом (именно - разумное время, потому что как видно, разница в задержке между 200 ms и 700 ms - отсутствует).
Спасибо, что помогли сделать этот эксперимент! А контент, на самом деле полезный на странице (по отзывам прошедших через все 20 страниц студентов)
p.s. публичная страница с аналитикой: https://tpm.belyaev.live/analytics
🔥6👍2