Года два назад я писал про глобальную экспансию - increase global presence. Тогда я застал это в Microsoft и в Okta, когда менеджеры говорили открыто, что задание нанять 2х индусов, вместо одного Американца, так как дешевле.

Походу сейчас тренд меняется, в одно большой публичной компании закрыли офис в Индии и сократили всех разработчиков. Офис оказался неэффективным и одна из проблем была, что большая текучка кадров, то есть приходят, работают, но условия плохие и увольняется. И в целом оказалась, дешевая рабочая сила не сильно помогла компании.

PS наверно едут в Москву дворниками.

Пример сравнения платформа данных в РФ. Насколько соответствует действительности?

Who will be the first CIO fired for AI agent havoc? - с таким заголовоком вышла статья на CIO издательстве.

Вот как AI заменит руководителей в прямом смысле…

Краткое содержание статьи

Статья посвящена рискам неконтролируемого внедрения ИИ-агентов в крупных компаниях и угрозе увольнения CIO (ИТ-директоров) из-за последствий их работы.

Ключевые тезисы:
• Прогноз IDC: К 2030 году до 20% из 1,000 крупнейших компаний столкнутся с судебными исками, регуляторными штрафами или увольнением CIO из-за сбоев, вызванных неуправляемыми ИИ-агентами.
• Проблема каскадных ошибок: Когда несколько ИИ-агентов работают совместно, ошибка одного может лавинообразно усиливаться — остальные агенты действуют на основе ошибочного результата, создавая «бесконечный цикл».
• FOMO как драйвер: Многие компании спешат внедрять ИИ-агентов из страха отстать от конкурентов, не уделяя должного внимания управлению и контролю.
• Юридические последствия: Для исков не нужны новые законы об ИИ — существующие правовые нормы (например, HIPAA) уже применимы. ЕС будет активно штрафовать за нарушения приватности, штаты США тоже могут принять регулирование.
• Угроза для CIO лично: Совету директоров достаточно задать один вопрос — «Что именно делают наши ИИ-агенты?» — и если CIO не может ответить, его карьере конец. Потеря доверия совета происходит за секунды, в отличие от судебных процессов, которые тянутся годами.

Рекомендации:
• Вести полный реестр работающих агентов
• Обеспечить аудит-трейл от действия агента до бизнес-результата
• Включать человека в контур для чувствительных задач
• Добавлять «трение» для необратимых действий
• Проводить учения и заранее определять «красные линии»
• Делать процессы управления максимально прозрачными

Главный вывод:
Агентный ИИ не создаёт новых принципов управления — он лишь резко повышает цену их игнорирования. CIO, который сможет показать чёткие контроли и журналы аудита, будет в гораздо лучшем положении, чем тот, кто скажет «это система сделала сама».

Здесь не поспоришь, кому-то надо будет отвечать за vibe-coding, за утечку данных и другие прелести быстрой разработки.

Open AI и Antropic должны выпустить отметку, что это только не компетентные CIO уйдут, их заменит AI, а компании станут лучше, ведь, что вас не убьет - сделает сильней.

Сейчас мой типичный workflow выглядит так:

1. У меня появляется вопрос или идея
2. Я открываю Claude Code CLI
3. Прошу сделать research на заданную тему и сохранить в Markdown
4. Открываю Google Doc -> Paste from Markdown
И получаю хороший документ.

Я скидывал про курс по Claude Code, которого будет достаточно, чтобы начать и привыкнуть к CLI и интерфейсу.

Сегодня посмотрел очень хорошее видео - How I use Claude Code (Meta Staff Engineer Tips), там 50 tips по использованию Claude Code в CLI, многие достаточно удобные и полезные. Очень рекомендую.

PS Не знаю это хорошо или плохо, но я написал 0 строчек кода с начала года. Будем считать, что иду в ногу со временем. И даже PR я уже сам не делаю, использую CLI утилитку gh для GitHub. Она может и PR писать, и GitHub Actions запускать. У каждого инструмента есть свой CLI.

А что мне остается?
• Архитектура решения
• Принятия решения
• Выбор инструментов
• Создание framework/pattern, в котором AI агент может делать простые задачки

Поэтому инвестиция в Claude Code это прям лучшая трата денег.

Хотя есть одна область, где прям совсем все плохо - попросил придумать MonteCarlo Monitors (проверка качества данных) - тут очевидно все плохо, не может понять, что проверять, зачем и как. Да я и сам не знаю.

PPS Общался с руководителем аналитики в РФ компании, он всем своим аналитикам оплачивает Claude Code. Раньше был Cursor, но переехали. Вот это уровень!


Чтобы учиться, я тоже теперь использую Claude Code. Например, хочу сделать проекты по Kafka/Flink и тп. Попросил Claude Code создать курс end-to-end. Очевидно, будет много проблем, но походу прохождения курса, все проблемы решаться.

Databricks is no longer about tuning knobs - отличную тему поднял Zach. Это тот Зак, который уже млн 3$ заработал на курсах по Data Engineering. Его bootcamp стоит 1500$ с носа + подписка и онлайн курсы. Вот что значит есть аудитория.

Зак утверждает, что Databricks постепенно отходит от дата-инженеров в сторону аналитиков и менее технических пользователей. Три ключевых аргумента:

Физическое моделирование данных больше не нужно — Databricks заменил ручное партиционирование, сортировку и бакетирование автоматическими инструментами (Liquid Clustering, Predictive Optimization), лишив инженеров контроля.

Покупка Tabular за $1B+ замедлила развитие Iceberg — управляемые Iceberg-таблицы в Databricks урезаны: нет скрытого партиционирования, ручной компактификации файлов, управления снапшотами. Всё подталкивает к «магии Databricks» вместо явного контроля.

Бизнесу не нужны дата-инженеры — ему нужен результат — компании хотят быстрые дашборды, работающие модели и дешёвые пайплайны, а не споры о стратегиях партиционирования. AI + платформа заменяют дорогих специалистов.

Вывод: рынок вознаграждает абстракцию, а не контроль. Маятник качнулся в сторону аналитиков, близких к бизнесу, а экспертам по распределённым системам становится всё сложнее найти своё место.

Про iceberg и Tabular реально обидно. Вообще, все используют Delta на Databricks и не сильно заморачиваются про Iceberg.

Я тоже считаю, что учиться надо на реальных вещах - партиции, компрессия и тп. Это классно, когда вендор может сделать magic, но лучше понимать, что происходит под капотом.

На собеседовании вас это именно и спросят.

Очень интересный анонс. Из всех технологий ducklake мне сейчас больше всего нравится своей простотой и практичностью. Я себе собрал для Surfalytics аналитики студентов и разбираюсь потихоньку.

Опачки, появились AI детекторы в Grammarly.

Как я понимаю скоро уже текст так легко не на генерить, чтобы выдать за свой, по крайней мере на английском.

Наверно такие же потом будут для кода.

Финтех компания Block, уволила 40% компании и честно призналась, что люди стали работать с AI по другому, меньше размер команды, меньше уровней и зависимостей, больше эффективности.

CEO все сказал как есть. Нам конечно от этого не легче, но думаю вектор понятен.

Сегодня они радуются как юристы делают PR, а завтра решат сократить половину компании. Тоже fintech.

PS у Claude Code новая турбо пушка фича

1. Запускаем Claude Code как обычно, создаем бранч и начинаем работать…
2. Собираемся на прогулку за вашим любимым банановым рафом (к сожалению в суровой Канаде, нет таких изысков)
3. Выполняем команду телепорта, которая отправляет нашу сессию в Claude web

claude —teleport session_9482948jfsdfl

4. Подключаемся с телефона и продолжаем vibe работу.

Друзья! У мамы моего друга проходит психологическое исследование для дипломной работы — она изучает опыт людей, переехавших в другую страну. Если вы живёте за рубежом, пожалуйста, уделите 10–15 минут и заполните анкету. Сейчас ответов пока мало для статистической значимости — каждый ответ на счету!
👉 https://docs.google.com/forms/d/e/1FAIpQLSe_O1dDJ67wIWHAu8rngMtLqct7G29PbLBJLw_RNGNorRgkJw/viewform

Если в работе с BI слишком много ручных действий, 10 марта в 12:00 мск можно будет разобраться, как это автоматизировать.

Yandex Cloud проведёт вебинар «API в DataLens – все пути автоматизации»: покажут, как автоматизировать процессы и упростить работу через Public API и API-коннектор.

Вебинар будет полезен BI-аналитикам, дата-инженерам, разработчикам, системным архитекторам и руководителям аналитики.

Участие бесплатное, предварительно необходимо зарегистрироваться.

🎙 Курс «Основы Data Governance» | онлайн, 16–25 марта

Приглашаем ИТ-директоров, CDO, CDTO, Heads of BI, Data Stewards и руководителей-стратегов в управлении данными на редкий курс по Data Governance – проходит только 1 раз в году в формате живого диалога и обмена опытом.

⚡️ Курс даст понимание, как выстроить ключевые процессы для обеспечения качества, прозрачности и надёжности данных в компании. Участники детально разберут модели, роли, метрики, запуск DG и реальные кейсы – в закрытом экспертном сообществе.

В программе курса:
– 9 модулей: от основ DG, DQ и MDM до AI Governance,
– разработка программы DG и системы метрик,
– разбор кейсов + готовый Excel-гайд по DG для вашей компании.

Участники получат:
– домашние задания с обратной связью, консультации с экспертом,
– сертификат участника и доступ к материалам курса.

Ведущий эксперт – Александр Бараков, Head of BI Авито

Забронировать место в потоке 2026 – на курсе осталось всего 5 мест!

Качественный отчет от ARK Invest про большие идеи 2026 года для бизнеса и инвестиций.

Главный тезис: прорывные инновации ускоряют рост мирового ВВП до 7.3% к 2030 (МВФ прогнозирует лишь 3.1%). Капитализация инновационных компаний может расти на 35% CAGR.

12 инвестиционных идей
1. AI-инфраструктура Инвестиции в дата-центры → $1.4T к 2030. Стоимость инференса упала на 99%. Nvidia под давлением AMD и Google.

2. AI — потребительская ОС AI-агенты переписывают поиск и e-commerce. AI-поиск вырастет с 10% до 65% трафика → ~$900B выручки.

3. AI-продуктивность Стоимость кодинга упала на 91%. OpenAI растёт на 250% в год. Рынок ПО может достичь $3.4–13T.

4. Bitcoin Институциональное принятие: ETF и публичные компании держат 12% предложения. Рынок цифровых активов → $28T к 2030.

5. Токенизированные активы Стейблкоины — $3.5T объёма. Закон GENIUS Act ускоряет институциональное принятие. Рынок токенизации → $11T+.

6. DeFi Выручка DeFi-приложений — $3.8B в 2025. Догоняют традиционные финтехи. Layer 1 становятся монетарными активами.

7. Мультиомика AI снижает стоимость разработки лекарств с $2.4B до $0.7B, а сроки — с 13 до 8 лет. Генная терапия. Рынок долголетия — ~$1.2 квадриллиона.

8. Многоразовые ракеты SpaceX снижает стоимость запуска на 95%. Starship целит в <$100/кг. Спутниковая связь → $160B.

9. Робототехника $26T возможность автоматизации. Tesla Optimus — путь к человеческому уровню к 2028.

10. Распределённая энергетика Солнце и батареи дешевеют. Нужно ~$10T инвестиций в энергетику к 2030.

11. Автономные автомобили Роботакси забирают долю у Uber/Lyft. Tesla лучше всех позиционирована. Рынок → ~$34T enterprise value.

12. Автономная логистика Дроны, роботы, грузовики — автономная доставка уже здесь. Затраты падают на 60–90%. Выручка → $480B.

В самом отчете много красивых графиков.