Forwarded from SSP SOFT - создаем ИТ-будущее вместе | ИТ-компания
📈Каргил-культ методологий или почему инструменты не меняют мышление
Продолжаем серию постов про концептуальные методики разработки. В ИТ есть термин cargile cult (каргил культ) — это ситуация, когда команда копирует внешние атрибуты Agile (аджайл, методика гибкого ведения проектов) в виде спринтов, утренних пятиминуток, досок с карточками задач, но не меняет подход к работе. В итоге процесс выглядит «по-аджайловски», а решения принимаются все так же медленно и тяжело, как и раньше.
Проверить, что на самом деле управляет проектом, можно простыми вопросами:
🔹Если в середине разработки появляется новая идея — команда может включить ее в следующий цикл или автоматически откладывает «до версии 2.0»?
🔹Можно ли показать работающий результат уже сейчас — или после написания кода всегда следует долгая фаза интеграции и стабилизации?
🔹Ключевые решения рождаются в обсуждении команды — или проходят через длинные согласования у боссов в головном офисе, откуда приходят многостраничные ТЗ?
Если изменения нежелательны, релизы (выпуски версий продукта) редкие, а документация диктует процесс — это классическая методология Waterfall, (вотерфол, методика последовательного ведения проектов) — подробный пост про эту методику читай здесь.
И это нормально: у Waterfall (каскадного метода) есть своя область применения и сильные стороны. Проблемы начинаются тогда, когда каскадный метод пытаются замаскировать под аджайл — добавляя встречи, доски и спринты, которые не дают ценности и только увеличивают бюрократическую нагрузку на команду.
Это пост предложен нашим аналитиком Евгением. Сейчас он занимается проектом разработки платформы ReAct-агентов (реакт-агентов), ведет свой канал Hotter Than GPT’s Default Settings
#sspsoft #итпроцессы #итсоветы #экспертное@sspsoft_life
Продолжаем серию постов про концептуальные методики разработки. В ИТ есть термин cargile cult (каргил культ) — это ситуация, когда команда копирует внешние атрибуты Agile (аджайл, методика гибкого ведения проектов) в виде спринтов, утренних пятиминуток, досок с карточками задач, но не меняет подход к работе. В итоге процесс выглядит «по-аджайловски», а решения принимаются все так же медленно и тяжело, как и раньше.
Проверить, что на самом деле управляет проектом, можно простыми вопросами:
🔹Если в середине разработки появляется новая идея — команда может включить ее в следующий цикл или автоматически откладывает «до версии 2.0»?
🔹Можно ли показать работающий результат уже сейчас — или после написания кода всегда следует долгая фаза интеграции и стабилизации?
🔹Ключевые решения рождаются в обсуждении команды — или проходят через длинные согласования у боссов в головном офисе, откуда приходят многостраничные ТЗ?
Если изменения нежелательны, релизы (выпуски версий продукта) редкие, а документация диктует процесс — это классическая методология Waterfall, (вотерфол, методика последовательного ведения проектов) — подробный пост про эту методику читай здесь.
И это нормально: у Waterfall (каскадного метода) есть своя область применения и сильные стороны. Проблемы начинаются тогда, когда каскадный метод пытаются замаскировать под аджайл — добавляя встречи, доски и спринты, которые не дают ценности и только увеличивают бюрократическую нагрузку на команду.
Методология сама по себе не ускоряет разработку. Ускоряет понимание целей, прозрачные решения и готовность адаптироваться. Все остальное — лишь инструменты.
Это пост предложен нашим аналитиком Евгением. Сейчас он занимается проектом разработки платформы ReAct-агентов (реакт-агентов), ведет свой канал Hotter Than GPT’s Default Settings
#sspsoft #итпроцессы #итсоветы #экспертное@sspsoft_life
Forwarded from SSP SOFT - создаем ИТ-будущее вместе | ИТ-компания
«Более 90% контента уже пишет ИИ» — почему этот миф не стоит принимать на веру
В новостях то и дело мелькают заголовки: «90% и более всего контента уже написано ИИ», «нейросети обучаются на своем же мусоре». Эти утверждения кочуют из статьи в статью и создают ощущение, что интернет захвачен бездушными алгоритмами.
Проблема в том, что за громкими цифрами редко стоит внятная методология и однозначное понимание того, о чем вообще идет речь. Критически разобрать такие заявления полезно — и для понимания технологий, и для медиаграмотности.
1️⃣ Первый вопрос, который обычно не задают, а что считать «контентом, созданным ИИ»? Огромная разница между запросами (промптами) по типу «напиши статью на тему X» и «вот мой черновик, проверь грамматику». Во втором случае автор — человек, пользующийся инструментом. Это как называть «ИИ-текстом» все, что прошло через проверку правописания в Word. Кстати, под ИИ в таких заголовках почти всегда имеют в виду только нейросети и генераторы картинок — хотя классический, символьный ИИ существует с первых ЭВМ и никуда не делся, а смешивание всего в одну кучу только сбивает с толку.
2️⃣ Второй момент: откуда берутся такие проценты? Чтобы заявить «99% текстов пишет ИИ», нужно проанализировать гигантский объем данных. Даже если взять что-то вроде крупного веб-архива - по каким признакам вообще отличать текст ИИ от человеческого? К тому же значительная часть текста в сети — техническая (логи, ключевики, кэш, разметка), а не контент в привычном смысле. Любопытно, что фраза вроде «большая часть информации в интернете — мусор» появилась еще до эпохи нейросетей, когда винить было некого. Проблема шума в сети не родилась вместе с ChatGPT.
3️⃣ И наконец, про самообучение ИИ. Обучение большой модели — инженерный процесс. Специалисты собирают датасеты (dataset, наборы данных) из книг, статей, кода, а веб — лишь один из источников. Датасеты фильтруют, чистят от дубликатов и мусора. Модель не бродит по сайтам сама и не впитывает все подряд — она получает то, что ей дали, и так, как решили ML-инженеры. Представлять ее субъектом, который «сидит на реддите и набирается мудрости», — снова подмена реальности на удобный сюжет.
#sspsoft #итсоветы #гибкиенавыки #экспертное@sspsoft_life
| VK | Сайт | YouTube |
В новостях то и дело мелькают заголовки: «90% и более всего контента уже написано ИИ», «нейросети обучаются на своем же мусоре». Эти утверждения кочуют из статьи в статью и создают ощущение, что интернет захвачен бездушными алгоритмами.
Проблема в том, что за громкими цифрами редко стоит внятная методология и однозначное понимание того, о чем вообще идет речь. Критически разобрать такие заявления полезно — и для понимания технологий, и для медиаграмотности.
1️⃣ Первый вопрос, который обычно не задают, а что считать «контентом, созданным ИИ»? Огромная разница между запросами (промптами) по типу «напиши статью на тему X» и «вот мой черновик, проверь грамматику». Во втором случае автор — человек, пользующийся инструментом. Это как называть «ИИ-текстом» все, что прошло через проверку правописания в Word. Кстати, под ИИ в таких заголовках почти всегда имеют в виду только нейросети и генераторы картинок — хотя классический, символьный ИИ существует с первых ЭВМ и никуда не делся, а смешивание всего в одну кучу только сбивает с толку.
2️⃣ Второй момент: откуда берутся такие проценты? Чтобы заявить «99% текстов пишет ИИ», нужно проанализировать гигантский объем данных. Даже если взять что-то вроде крупного веб-архива - по каким признакам вообще отличать текст ИИ от человеческого? К тому же значительная часть текста в сети — техническая (логи, ключевики, кэш, разметка), а не контент в привычном смысле. Любопытно, что фраза вроде «большая часть информации в интернете — мусор» появилась еще до эпохи нейросетей, когда винить было некого. Проблема шума в сети не родилась вместе с ChatGPT.
3️⃣ И наконец, про самообучение ИИ. Обучение большой модели — инженерный процесс. Специалисты собирают датасеты (dataset, наборы данных) из книг, статей, кода, а веб — лишь один из источников. Датасеты фильтруют, чистят от дубликатов и мусора. Модель не бродит по сайтам сама и не впитывает все подряд — она получает то, что ей дали, и так, как решили ML-инженеры. Представлять ее субъектом, который «сидит на реддите и набирается мудрости», — снова подмена реальности на удобный сюжет.
Мифы об ИИ часто возникают из-за непонимания того, как все устроено. Нам проще представить сюжет из фантастики, чем разобраться в датасетах и методах обучения моделей. Но дьявол в деталях — и критический взгляд на громкие заголовки помогает не бросаться в крайности.
Сегодня критически взглянуть на эти вещи нам помог канал нашего аналитика Евгения.
#sspsoft #итсоветы #гибкиенавыки #экспертное@sspsoft_life
| VK | Сайт | YouTube |
@priceCheckAPIbot
Кажется, пришло время поделиться первыми новостями о своем пет-проекте. Месяц работы — и вот, что вышло.
Что делает? Грузишь фотографию чека из продуктового магазина (или, еще лучше, pdf из приложения магазина) — бот его раскладывает по полочкам, выдает статистику.
УП и ПК на старте — заглушки на Яндексе, не обращайте внимание. Масштабного запуска пока не ожидается — выпущу рекламу когда проект точно будет на 100% отлажен и заполнен фичами. Плюс неплохо бы обратиться с юристу (если кто знает такого специалиста по SaaS — дайте контакт) за советом, чтобы все было правильно. Из-за очень небольшого количества пользователей статистика не будет слишком точной, поэтому не серчайте. А еще в проекте есть АЧИВКИ 👹.
Стек: #FastAPI, #SQLAlchemy, #Alembic, #PostgreSQL, #Redis, #MinIO, #Celery, #Aiogram, #Prometheus + #Grafana. А еще #python и #Cursor.
Буду благодарен за любой отзыв, особенно за обнаруженные баги.
Кажется, пришло время поделиться первыми новостями о своем пет-проекте. Месяц работы — и вот, что вышло.
Что делает? Грузишь фотографию чека из продуктового магазина (или, еще лучше, pdf из приложения магазина) — бот его раскладывает по полочкам, выдает статистику.
УП и ПК на старте — заглушки на Яндексе, не обращайте внимание. Масштабного запуска пока не ожидается — выпущу рекламу когда проект точно будет на 100% отлажен и заполнен фичами. Плюс неплохо бы обратиться с юристу (если кто знает такого специалиста по SaaS — дайте контакт) за советом, чтобы все было правильно. Из-за очень небольшого количества пользователей статистика не будет слишком точной, поэтому не серчайте. А еще в проекте есть АЧИВКИ 👹.
Стек: #FastAPI, #SQLAlchemy, #Alembic, #PostgreSQL, #Redis, #MinIO, #Celery, #Aiogram, #Prometheus + #Grafana. А еще #python и #Cursor.
Буду благодарен за любой отзыв, особенно за обнаруженные баги.
А ведь не пет-проектами едиными: на выходных решил, наконец, исправить баг в чужом моде для Farming Simulator 25 — Tasks List.
Форкнул (хорошо, что он был на гите) и поправил баг с появлением регулярных задач, а также переделал UI/UX создания новых задах (вместо ряда последовательных диалоговых окон — такое окно теперь одно). Потратил полдня, верите или нет.
https://github.com/pgorithm/FS25_TaskList
Интересно, кому это будет интересно 😂
Форкнул (хорошо, что он был на гите) и поправил баг с появлением регулярных задач, а также переделал UI/UX создания новых задах (вместо ряда последовательных диалоговых окон — такое окно теперь одно). Потратил полдня, верите или нет.
https://github.com/pgorithm/FS25_TaskList
Интересно, кому это будет интересно 😂
new-agents.md
630 B
Когда подключаешь к репозиторию агента с LLM, велико желание, особенно по неопытности, использовать функционал IDE по полной и наляпать побольше правил на все подряд — на архитектуру, тесты, деплой, безопасность, даже правила комментирования. Модели инструкции любят, это правда. Но длинный свод правил быстро превращается в писанину: он постоянно устаревает, дублирует README, и агент начинает опираться на "дух документа", а не на то, что в нем может пригодится.
У себя в @priceCheckAPIbot я делаю проще: один короткий входной файл
Зачем? Во-первых, контекстное окно не забивается архитектурной поэмой, которую модель всё равно не удержит целиком. Этой ей и не надо. Во-вторых, агент чаще попадает в типовые ошибки: миграции не накатили, особенность шелла на Windows, нюанс с rate limit — то, что люди бы уже поймали и записали в своей голове одной строчкой. В-третьих, новую ловушку добавить легко: одна строка в нужный раздел. К тому же список gotchas агент способен самостоятельно пополнять.
Нормальные IDE и сами прекрасно способны grep-нуть нужные им куски, подтянуть в контекст что надо и когда надо. Подменять этот функционал огромным объемом правил, которые лезут в контекст без контроля (или с его иллюзией) — бесполезно.
Это не замена нормальной документации. Это отдельный слой: "вот здесь агенты регулярно спотыкаются и не с первого раза понимают". README остаётся про общее устройство системы, docs — детали, gotchas — где постоянные проблемы и что не всегда очевидно.
#LLM #AI #Cursor #IDE
У себя в @priceCheckAPIbot я делаю проще: один короткий входной файл
AGENTS.md отправляет каждого нового агента читать один документ — список gotchas (у меня он зовётся new-agents.md): что чаще всего валит локальный запуск, тесты, Docker, миграции, бота. Формат простой: одна строка — одно предложение по схеме "симптом -> куда бежать / что делать".Зачем? Во-первых, контекстное окно не забивается архитектурной поэмой, которую модель всё равно не удержит целиком. Этой ей и не надо. Во-вторых, агент чаще попадает в типовые ошибки: миграции не накатили, особенность шелла на Windows, нюанс с rate limit — то, что люди бы уже поймали и записали в своей голове одной строчкой. В-третьих, новую ловушку добавить легко: одна строка в нужный раздел. К тому же список gotchas агент способен самостоятельно пополнять.
Нормальные IDE и сами прекрасно способны grep-нуть нужные им куски, подтянуть в контекст что надо и когда надо. Подменять этот функционал огромным объемом правил, которые лезут в контекст без контроля (или с его иллюзией) — бесполезно.
Это не замена нормальной документации. Это отдельный слой: "вот здесь агенты регулярно спотыкаются и не с первого раза понимают". README остаётся про общее устройство системы, docs — детали, gotchas — где постоянные проблемы и что не всегда очевидно.
#LLM #AI #Cursor #IDE
Самое сложное в SaaS - не написать код. Самое сложное - продать. А продав - не быть наказанным.
Как и предсказывали древние, в создании SaaS самое сложное - его продать, а не написать код. А продав - не быть наказанным. Хочется попивать кофеёк на родине, платить налоги и напевать веселые песенки, а не это вот всё.
Прошло два месяца не слишком напряженной работы - и вот мой проект уже feature-complete, а значит пришло время заняться им по-настоящему и выпустить в свет. Формально, он уже и так “выпущен в свет” и доступен по ссылке, но у меня не готовы условия пользования, политика конфиденциальности, нет плана по юридическому оформлению всей моей деятельности и монетизации.
Да и разместил я его на своём личном ПК, а он привык по ночам отдыхать.
Эта неделя началась с поиска юридической консультации. Первое предложение было на сумму 4500 (белорусских) рублей “под ключ” - для моего венчура многовато. Альтернативный вариант был 2500 рублей, но только в неполном пакете, без монетизации. Тоже много, так как я жадный. Особенно если учесть, что, будем откровенны, я с ненулевой вероятностью в итоге ничего не заработаю.
Продолжаем поиски.
Заодно: если вы (или ваши знакомые) - юрист/консультант, который реально помогает доводить SaaS до прода в РБ (условия, приватность, монетизация, оформление деятельности, налоги, “чтобы потом не было мучительно больно”) - напишите мне в личку или в комментарии, буду благодарен.
А то хочется, чтобы это был ПеРвЫй В МиРе созданный при помощи ИИ проект, доведённый до прода - и чтобы автор (то есть я) после этого продолжал спокойно пить кофеёк на воле.
P.S. Да, проект пока живёт на моём ПК. Да, ПК ночью отдыхает. Да, я тоже. Но, кажется, пора взрослеть.
P.P.S. Ах, да, ссылка - https://t.me/priceCheckAPIbot
Как и предсказывали древние, в создании SaaS самое сложное - его продать, а не написать код. А продав - не быть наказанным. Хочется попивать кофеёк на родине, платить налоги и напевать веселые песенки, а не это вот всё.
Прошло два месяца не слишком напряженной работы - и вот мой проект уже feature-complete, а значит пришло время заняться им по-настоящему и выпустить в свет. Формально, он уже и так “выпущен в свет” и доступен по ссылке, но у меня не готовы условия пользования, политика конфиденциальности, нет плана по юридическому оформлению всей моей деятельности и монетизации.
Да и разместил я его на своём личном ПК, а он привык по ночам отдыхать.
Эта неделя началась с поиска юридической консультации. Первое предложение было на сумму 4500 (белорусских) рублей “под ключ” - для моего венчура многовато. Альтернативный вариант был 2500 рублей, но только в неполном пакете, без монетизации. Тоже много, так как я жадный. Особенно если учесть, что, будем откровенны, я с ненулевой вероятностью в итоге ничего не заработаю.
Продолжаем поиски.
Заодно: если вы (или ваши знакомые) - юрист/консультант, который реально помогает доводить SaaS до прода в РБ (условия, приватность, монетизация, оформление деятельности, налоги, “чтобы потом не было мучительно больно”) - напишите мне в личку или в комментарии, буду благодарен.
А то хочется, чтобы это был ПеРвЫй В МиРе созданный при помощи ИИ проект, доведённый до прода - и чтобы автор (то есть я) после этого продолжал спокойно пить кофеёк на воле.
P.S. Да, проект пока живёт на моём ПК. Да, ПК ночью отдыхает. Да, я тоже. Но, кажется, пора взрослеть.
P.P.S. Ах, да, ссылка - https://t.me/priceCheckAPIbot
Две недели назад рассказывал аналитикам смежных команд про разработку с ИИ — на примере своего pet-проекта @priceCheckAPIbot.
Суть доклада в двух словах: если вы и так пишете требования и критерии приёмки, их можно чуть структурировать — и это уже инструкции для агента. Без писанины промтов для каждого запроса.
Для доклада собрал универсальный репозиторий — те же команды, skills и RALPH-протокол (мелкие задачи, узкий контекст), что использую я сам, но без привязки к моему проекту:
В README всё по расписано: скопировал →
Суть доклада в двух словах: если вы и так пишете требования и критерии приёмки, их можно чуть структурировать — и это уже инструкции для агента. Без писанины промтов для каждого запроса.
Для доклада собрал универсальный репозиторий — те же команды, skills и RALPH-протокол (мелкие задачи, узкий контекст), что использую я сам, но без привязки к моему проекту:
https://github.com/pgorithm/ralph-kitВ README всё по расписано: скопировал →
/adapt_project_cursor → поехал. Кому полезно — звёздочка не помешает.Ну и что, можете что-нибудь сложнее калькулятора с ИИ навайбкодить?! Вашим мусором вообще кто-нибудь пользуется?! Дергаете ручку, как в казино - и радуетесь.
Вчера открыл свой проект на гите, который на 100% собрал с ИИ. Написал краткий пост. Не уверен, что это связано, но вчера же в ленте Линка попалось три поста с содержанием, как в абзаце выше. Не лично мне их писали, а, как всегда - на всеобщее обозрение.
Тезисы одинаковые у всех таких постов:
- Продукты, созданные с ИИ, не могут принести пользователю никакой пользы.
- Продукты, созданные с ИИ, имеют крайне низкое техническое качество.
- НИКТО И НИКОГДА не выпускал и не выпустит продукты, созданные при помощи ИИ, которые принесут создателям деньги.
- Разработчики и аффилированные лица (вроде меня) с помощью ИИ способны создавать только калькуляторы по подписке и сервисы по определению имени отца по отчеству.
С одной стороны, понимаю, что накинуть на вентилятор проще, чем потом чистить стены. Есть сервисы, ПОЛНОСТЬЮ созданные при помощи ИИ, которые и приносят ценность пользователям, и деньги создателям, и написаны качественно, и все они - не калькуляторы. Я не свои личные проекты нахваливаю - я говорю строго о том, что вижу своими глазами и что создано с моим участием. Уверен, многие смогут мои слова подтвердить, на своих собственных примерах.
А что если пойти от обратного?
- Написание кода руками не гарантирует того, что проект будет полезным и заработает деньги. Просто зайдите на гитхаб - не многие смогут похвастаться тем, что их ПО принесло им хоть какую-то пользу.
- Никакое техническое качество тоже ничего гарантировать не может.
Чем чаще повторять мантру "ИИ ТУПОЙ", тем сильнее тебе кажется, что это правда. Я не могу заставить эту мантру не повторять. Но я призываю тех, кто не определился, прислушаться.
Сопряжено ли использование ИИ с проблемами? Безусловно.
И пока в телевизоре, линке и прочих СМИ будут плакать о тупизне ИИ, мы, профессионалы, эти проблемы день за днем решаем, делаем лучше и лучше. Строим гипотезы, проверяем, пробудем, отметаем или внедряем.
Всегда думал, что ИТ - область интеллектуальная и сопряженная с постоянными исследованиями и получением новых знаний. ИИ показал, что не обязательно, можно и одно и то же делать.
Доклад окончил.
Вчера открыл свой проект на гите, который на 100% собрал с ИИ. Написал краткий пост. Не уверен, что это связано, но вчера же в ленте Линка попалось три поста с содержанием, как в абзаце выше. Не лично мне их писали, а, как всегда - на всеобщее обозрение.
Тезисы одинаковые у всех таких постов:
- Продукты, созданные с ИИ, не могут принести пользователю никакой пользы.
- Продукты, созданные с ИИ, имеют крайне низкое техническое качество.
- НИКТО И НИКОГДА не выпускал и не выпустит продукты, созданные при помощи ИИ, которые принесут создателям деньги.
- Разработчики и аффилированные лица (вроде меня) с помощью ИИ способны создавать только калькуляторы по подписке и сервисы по определению имени отца по отчеству.
С одной стороны, понимаю, что накинуть на вентилятор проще, чем потом чистить стены. Есть сервисы, ПОЛНОСТЬЮ созданные при помощи ИИ, которые и приносят ценность пользователям, и деньги создателям, и написаны качественно, и все они - не калькуляторы. Я не свои личные проекты нахваливаю - я говорю строго о том, что вижу своими глазами и что создано с моим участием. Уверен, многие смогут мои слова подтвердить, на своих собственных примерах.
А что если пойти от обратного?
- Написание кода руками не гарантирует того, что проект будет полезным и заработает деньги. Просто зайдите на гитхаб - не многие смогут похвастаться тем, что их ПО принесло им хоть какую-то пользу.
- Никакое техническое качество тоже ничего гарантировать не может.
Чем чаще повторять мантру "ИИ ТУПОЙ", тем сильнее тебе кажется, что это правда. Я не могу заставить эту мантру не повторять. Но я призываю тех, кто не определился, прислушаться.
Сопряжено ли использование ИИ с проблемами? Безусловно.
И пока в телевизоре, линке и прочих СМИ будут плакать о тупизне ИИ, мы, профессионалы, эти проблемы день за днем решаем, делаем лучше и лучше. Строим гипотезы, проверяем, пробудем, отметаем или внедряем.
Всегда думал, что ИТ - область интеллектуальная и сопряженная с постоянными исследованиями и получением новых знаний. ИИ показал, что не обязательно, можно и одно и то же делать.
Доклад окончил.
Обратили внимание, что месяц назад #Fable представлялся как что-то невообразимое, бесконечно умное, секретное и тэ-пэ, а сейчас это просто очередная дорогая итерация?
Евгений Лучковский | Hotter Than GPT's Default Settings
Самое сложное в SaaS - не написать код. Самое сложное - продать. А продав - не быть наказанным. Как и предсказывали древние, в создании SaaS самое сложное - его продать, а не написать код. А продав - не быть наказанным. Хочется попивать кофеёк на родине,…
Ресурсов на оформление и продвижение совсем нет. Думаю отдать в хорошие руки.
🤯2🆒1
https://www.vedomosti.ru/press_releases/2026/08/19/ingosstrah-zapustil-korporativnuyu-platformu-iman-dlya-sozdaniya-ii-agentov
Осталось еще и в телевизор попасть.
🥳
Осталось еще и в телевизор попасть.
🥳
👍3🆒1
- Какой у тебя знак зодиака?
- Gemini. А у тебя?
- RAG.
- Gemini. А у тебя?
- RAG.
😁3
Forwarded from WorkNet Shisha
22–23 октября в Москве пройдет AI BOOST’26 — конференция о трансформации бизнеса в эпоху кризиса и AI.
На секции Управления разработкой и проектами обсудим:
— как при помощи AI поставлять больше фич той же командой?
— как AI внедряется в корпорации, и есть ли в этом процессе место для агентств?
— как AI изменил роли дизайнеров?
— как нанимать и наниматься РП/тимлидом в AI-эпоху?
— как внедрять AI в крупные легаси проекты?
Среди спикеров
Александр Пашин, CPO AI Ингосстрах 🔥🔥🔥
Григорий Добряков, Askona
Сергей Рогачёв, Лидеры изменений
Сергей Кожемякин, AGIMA
Глеб Михеев, Сбербанк
Денис Ломов, Red Collar
Владислав Шевченко, red_mad_robot
Иван Поддубный, ВебПрактик
Регистрация: boostconf.ru
📍 22–23 октября 2026
📍 Москва, Конгресс-центр МГТУ им. Н. Э. Баумана
На секции Управления разработкой и проектами обсудим:
— как при помощи AI поставлять больше фич той же командой?
— как AI внедряется в корпорации, и есть ли в этом процессе место для агентств?
— как AI изменил роли дизайнеров?
— как нанимать и наниматься РП/тимлидом в AI-эпоху?
— как внедрять AI в крупные легаси проекты?
Среди спикеров
Александр Пашин, CPO AI Ингосстрах 🔥🔥🔥
Григорий Добряков, Askona
Сергей Рогачёв, Лидеры изменений
Сергей Кожемякин, AGIMA
Глеб Михеев, Сбербанк
Денис Ломов, Red Collar
Владислав Шевченко, red_mad_robot
Иван Поддубный, ВебПрактик
Регистрация: boostconf.ru
📍 22–23 октября 2026
📍 Москва, Конгресс-центр МГТУ им. Н. Э. Баумана
✍1🆒1
Forwarded from КСТАТИ
Страховые компании оказались в числе лидеров финансового рынка по внедрению ИИ: о постоянном использовании сообщают 60% опрошенных страховщиков против 21% среди всех финансовых организаций. Как отмечает руководитель офиса управления продуктами ИИ Ингосстраха Александр Пашин, генеративные модели пока приносят деньги там, где цена ошибки невысока, а ответ успевает проверить человек. В андеррайтинге и работе со сложными клиентскими запросами ИИ всё ещё сталкивается с серьёзными ограничениями, поскольку его решения сложнее объяснить и сверить с историческими данными.
По словам эксперта, при масштабном внедрении ИИ перед компаниями встает выбор: решать задачи интеграции по одной или сразу выстраивать единую платформу для всех проектов. В качестве примера можно привести Ингосстрах, где выбрали второй путь и создали собственную платформу IMAN. Она позволяет сотрудникам самостоятельно собирать ИИ-агентов под конкретные задачи, тогда как вопросы защиты данных и контроля лимитов система берет на себя.
Для успешного внедрения ИИ рекомендуется заранее оценить цену потенциальной ошибки и обучить сотрудников проверять результаты работы нейросетей, чтобы финальное решение всегда оставалось за человеком.
@kstati_p
По словам эксперта, при масштабном внедрении ИИ перед компаниями встает выбор: решать задачи интеграции по одной или сразу выстраивать единую платформу для всех проектов. В качестве примера можно привести Ингосстрах, где выбрали второй путь и создали собственную платформу IMAN. Она позволяет сотрудникам самостоятельно собирать ИИ-агентов под конкретные задачи, тогда как вопросы защиты данных и контроля лимитов система берет на себя.
Для успешного внедрения ИИ рекомендуется заранее оценить цену потенциальной ошибки и обучить сотрудников проверять результаты работы нейросетей, чтобы финальное решение всегда оставалось за человеком.
@kstati_p